Пост к заданию из курса "Системного менеджмента" о проектах цифровой трансформации/автоматизации/компьютеризации, в которых я участвую.
Введение
Опишу направление своей работы, связанное с распределенными акустическими системами (Distributed Acoustic System, DAS) на базе волоконно-оптического кабеля. Такие системы используют для обнаружения нежелательной активности, охраны протяженных (на десятки километров) участков. Например, трубопроводов, периметров промышленных объектов. Или мониторинга дорожной обстановки, как описано в этой статье на Хабре.
Распределенные акустические системы работают так: лазер отправляет импульсы в оптическое волокно, часть импульса рассеивается и возвращается обратно. Если волокно подвергается вибрациям, то и возвращаемый световой сигнал меняется. Анализируя эти изменения, система может определить, где и как волокно было подвержено воздействию. Важный момент - можно использовать обычный волоконно-оптический кабель, который очень часто уже проложен для телекоммуникационных задач. Для работы DAS достаточно одного волокна, тогда как в кабеле их может быть и 24, и 48, и больше.
Принцип работы DAS
Предыстория
Первое поколение DAS в коммерческую эксплуатацию начинали массово ставить в мире лет 15 назад. Оно испольует на алгоритмическую обработку фильтрованного сигнала с подсчетом превышений пороговых значений сигнала во временном окне. За годы эксплуатации алгоритмы отточились и сейчас такие системы выдают очень хороший функционал в эксплуатации. Помним, что оптимизация функции потерь приводят к многочисленным локальным оптимумам: в мире есть несколько поставщиков, предлагающих качественные решения в целом одного уровня и в одной ценовой категории.
Однако в последние годы стало заметно, что развитие систем первого поколения замедлилось.
Сегодня
Особенность систем второго поколения - алгоритмы машинного обучения для обработки данных, а именно - сверточные нейронные сети.
Сверточные нейронные сети (CNN) имеют ряд преимуществ перед традиционными алгоритмическими системами:
- Извлечение признаков: CNN могут автоматически обучаться. Сюда же - обобщение новых сигналов;
- Устойчивость: CNN способны хорошо работать даже с зашумленными данными;
- Высокая точность.
Типовые детекторы событий
Развилки
Интересно наблюдать здесь пример неустроенности, конфликта между задачами долгосрочной и краткосрочной оптимизации. Выверенные за годы эксплуатации (и обратной связи) алгоритмические системы первого поколения до сих пор отлично выполняют те задачи, под которые их устанавливали. Тогда как у системах на сверточных нейронных сетях хватает, как говорят аудиторы систем менеджмента, точек роста:
- необходимость первоначального сложного обучения под конкретный объект;
- высокие системные требования;
- продолжающийся поиск лучших параметров для алгоритмов нейронных сетей.
Заключение
В романе Хемингуэя «И восходит солнце» Майка Кэмпбелла спрашивают, как он обанкротился, и тот отвечает: «Двумя способами. Сначала постепенно, а потом сразу».
Есть предпосылки предполагать, что мы вовремя отказываемся от технологии, вышедшей на выполаживание. Пока еще важные характеристики технологии новой не дотягивают до уровней, достигнутых на старой. Но все постепенно меняется - а скоро начнет меняться очень быстро и сразу.
Место продукта на сигмоиде/логистической кривой