Carregando
Recife Ao Vivo

CBN Recife

00:00
00:00
Artigos

Internet das Coisas: coletando energia do ambiente


Por: REDAÇÃO Portal

Os campos magnéticos que estão naturalmente presentes em torno de dispositivos elétricos podem ser desviados e convertidos em eletricidade para alimentar a Internet das Coisas

Os campos magnéticos que estão naturalmente presentes em torno de dispositivos elétricos podem ser desviados e convertidos em eletricidade para alimentar a Internet das Coisas

Foto: Para alimentar os sensores da Internet das Coisas, os campos magnéticos parasitas elétricos podem ser detectados, desviados e convertidos, que surgem naturalmente do consumo de energia/Foto: divulgação

10/07/2020
    Compartilhe:

Lenildo Morais.

A geração de energia utilizável a partir de campos magnéticos dispersos é apenas uma solução possível para fornecer eletricidade à Internet das Coisas. É importante saber como gerar energia para milhões, senão bilhões, de sensores ambientais e industriais quando se trata da Internet das Coisas. As baterias têm limites, precisam ser substituídas ou recarregadas. A umidade ambiente oferece outra opção. Com a bioeletrônica, você pode medir meio volt do ar ambiente. Isso é suficiente para operar sensores rudimentares. Outra fonte de energia é o desperdício de calor. Os pesquisadores estão tentando converter o excesso de calor, como o emitido pelos data centers, em luz e depois converter essa luz em eletricidade.

Outras abordagens estão sendo consideradas, incluindo a simples redução do consumo de energia, o uso de chips com maior eficiência energética ou dispositivos de comunicação sem fio. Outras técnicas também estão sendo testadas. Eles consistem principalmente na transformação do ruído das conexões sem fio existentes como meio de transmissão de dados. Essa solução é eficaz porque não precisa produzir tanta energia para os transceptores de rádio e o suporte já está lá. Sabemos que, se você automatizar muitas funções, poderá melhorar significativamente a eficiência energética em edifícios. Os edifícios estão entre os maiores consumidores de eletricidade. Uma queda no consumo de energia de alguns por cento pode, portanto, levar a uma economia de vários megawatts. Esses são os sensores que automatizam esses controles e essa tecnologia oferece uma solução muito realista para alimentar esses sensores.

Tolerância do Tempo

Muitas implementações de IoT não precisam da tolerância de milissegundos que as redes corporativas tradicionais oferecem. Com esse escopo, você pode considerar um grande número de opções de conexão de rede. Isso também significa que a escolha de um componente mais barato pode ser muito eficaz. Por exemplo, um medidor de estacionamento conectado não precisa informar seu status à cidade mais de uma vez por minuto. Portanto, uma opção sem fio atrasada, como o protocolo de comunicação por rádio de baixa frequência, é perfeitamente aceitável. Alguns desses sistemas continuam a usar serviços SMS celulares padrão para enviar atualizações para os hubs centrais.

Para aplicativos menos tolerantes a atraso, como Por exemplo, uma linha de produção ou exploração de petróleo e gás, Ethernet industrial ou principalmente conexões sem fio de baixa latência devem ser usadas. Em geral, os sistemas de orquestração mais antigos podem lidar bem com o processamento de comandos e a coordenação da máquina, mas adicionar análises de dados em tempo real pode aumentar os requisitos de rede.

Taxa de Dados

Novamente, os profissionais de rede acostumados a implementar vários megabits por segundo podem corrigir o caminho, porque muitos dispositivos de IoT não precisam de mais do que alguns kilobits por segundo ou até menos. É o caso de dispositivos inteligentes com baixa largura de banda, como fechaduras de portas e interruptores de luz conectados, cuja função é limitada a "abrir" ou "fechar" e "ligar" ou "desligar".

Esse tipo de chamada muito limitado por um link de dados permite o uso de tecnologia sem fio menos eficiente. Por outro lado, uma configuração de Internet das Coisas com várias câmeras de vigilância conectadas a um hub central e um backend para análise de imagens requer muito mais largura de banda. Nesse caso, é importante escolher um componente de rede poderoso e, portanto, mais caro. Além disso, os dispositivos implantados em grande número podem exigir uma conexão dedicada ou podem até está equipados com uma microcélula proprietária para garantir uma cobertura adequada.

Poder Computacional

É verdade que a capacidade de um dispositivo da Internet das Coisas de processar seus dados se baseia em uma medida indireta de seu impacto na rede. No entanto, é sempre importante comparar esta função com outros dispositivos que executam uma função semelhante. Um dispositivo que transmite dados brutos pela rede sem executar uma análise ou formatação significativa pode ser uma carga de tráfego maior do que um dispositivo que realiza pelo menos parte do trabalho.

Claro, isso nem sempre é o caso. É improvável que muitos dispositivos menos eficientes que geram poucos dados sobrecarreguem suas conexões de rede, enquanto outros dispositivos mais eficientes (por exemplo, robôs industriais com uma grande capacidade de processamento de dados) podem gerar muito tráfego de dados. Portanto, o poder de computação a bordo de um dispositivo é sempre relevante para compará-lo com outros dispositivos que executam tarefas semelhantes, principalmente no setor industrial ou de exploração de energia, que precisam realizar inúmeras análises em um único local. ou outro, no nível do dispositivo, na borda da rede ou no backend.

Essa comparação é ainda mais relevante para uma configuração de borda na qual parte ou toda a análise de dados é realizada em um gateway de borda próximo aos pontos finais. Esses gateways podem ser uma boa solução para realizar análises muito complicadas o mais rápido possível. No entanto, esses gateways de borda não oferecem a mesma funcionalidade de um data center ou nuvem completo. Portanto, a quantidade de trabalho que pode ser realizado no próprio terminal continua sendo uma preocupação crítica. A capacidade de converter dados brutos em análises no dispositivo de borda reduz a quantidade de tráfego que precisa ser roteado pela rede.

Lenildo Morais

Lenildo Morais é mestre em Ciência da Computação pelo Centro de Informática da Universidade Federal de Pernambuco.
Ele é pesquisador da ASSERT (Advanced System and Software Engineering Research Technologies) e gerente de projetos no Porto Digital de Pernambuco .
Encontre-o no LinkedIn em https://www.linkedin.com/in/lenildo-morais-b36350108/

Notícias Relacionadas

Comente com o Facebook