L’Internet of Things permette ai dispositivi di prendere decisioni intelligenti che migliorano la vita delle persone. Tuttavia, il mondo reale non è digitale; questi sistemi moderni si affidano a sensori che trasmettono informazioni riguardo all’ambiente che li circonda, il che li mette in condizione di prendere tali decisioni. Nella progettazione di sistemi intelligenti è fondamentale scegliere il sensore giusto. Se guardiamo l’offerta di distributori di componenti come Farnell element14, è chiaro che oggi esiste un’ampia gamma di sensori diversi: possiamo identificare infatti 19 categorie principali, oltre a svariate categorie supplementari che coprono trasduttori e codificatori. In linea di massima, i sensori si suddividono comunque in alcune macro categorie; ciascuna di esse rileva o misura diversi parametri fisici ed è adatta a diversi mercati e applicazioni.
Fattori di scelta dei sensori per IoT
I fattori da considerare nella scelta dei sensori variano ovviamente in base all’area di applicazione, ma ci sono dei parametri chiave comuni a molte applicazioni sensoriali. Prima di tutto la sensibilità, definita come la pendenza della curva caratteristica di uscita, oppure, più in generale, l’ingresso minimo del parametro fisico che creerà una variazione rilevabile dell’uscita, e di conseguenza l’errore di sensibilità, ovvero la divergenza dalla pendenza ideale della curva caratteristica. Poi la gamma, cioè il massimo e minimo valore misurabile del parametro applicato, e la gamma dinamica, cioè la gamma totale del sensore, dal valore minimo a quello massimo. Poi bisogna considerare la precisione, ovvero il grado di ripetibilità di una misurazione; la risoluzione, cioè la più piccola variazione incrementale del parametro di ingresso rilevabile nel segnale di uscita; l’accuratezza, cioè la differenza massima tra il valore effettivo e il valore indicato in uscita al sensore; l’offset, uscita che si verifica rispetto all’uscita zero che dovrebbe verificarsi, oppure, la differenza tra il valore di uscita effettivo e quello specificato in condizioni particolari; la linearità, cioè la misura in cui la curva effettiva misurata di un sensore devia dalla curva ideale; l’isteresi, ovvero l’efficacia con cui un trasduttore è capace di seguire le variazioni del parametro di ingresso indipendentemente dalla direzione da cui avviene la variazione; il tempo di risposta, cioè il tempo richiesto per la variazione dell’uscita del sensore dalla condizione precedente fino a un valore finale stabilito entro una fascia di tolleranza del nuovo valore corretto; la linearità dinamica, ovvero la misura della capacità di un sensore di seguire variazioni rapide nel parametro di ingresso. Altri fattori chiave nella scelta dei sensori sono, oltre al costo, la facilità con cui l’uscita del sensore si interfaccia con l’elettronica di misurazione e controllo, generalmente un microcontrollore. Interfacciare i sensori per le applicazioni IoT è relativamente semplice, in quanto esistono solo tre tipi di uscita: analogica, modulata (che utilizza una tecnica come la modulazione della larghezza d’impulso) o digitale (che utilizza interfacce standard come Spi o I2C).
Esempi di applicazioni di sensori IoT
Alcuni tipici scenari di applicazioni mostrano come tipi di trasduttore comuni possano essere usati in applicazioni industriali reali. Un esempio è quello dei flussometri ultrasonici volumetrici impiegati per la misurazione della portata di liquidi, gas o vapore. Sono comunemente impiegati nel settore del petrolio e del gas, nel settore farmaceutico e in quello alimentare. I flussometri utilizzano tecniche Doppler o a tempo di volo per misurare la portata. I flussometri che utilizzano il principio del tempo di volo dispongono di una coppia, o di più coppie, di trasduttori. Il tempo di trasmissione delle onde a ultrasuoni è misurato in entrambe le direzioni, e in questo modo può essere calcolata la portata. Questa tecnica richiede in genere un mezzo relativamente puro, con un contenuto di particelle inferiore al 5%. È possibile raggiungere una precisione entro l’1%. Nel metodo Doppler, le onde di pressione ultrasoniche si riflettono sulle particelle in movimento nel flusso. La velocità di tali particelle crea un effetto Doppler nel segnale di eco, che è usato per determinare la portata. La precisione di questo metodo di misurazione è in genere limitata al 3% nelle applicazioni reali. Honeywell e Omron sono soltanto due dei produttori che offrono una gamma completa di flussostati, ovvero l’elemento di rilevamento dei comuni flussometri.
Rilevare il movimento con i Mems
La tecnologia Micro Electro Mechanical Systems viene usata da circa 20 anni nel settore automobilistico per applicazioni come l’apertura degli airbag e i pressostati, ma è stato grazie alle interfacce utente per il rilevamento del movimento impiegate nella Nintendo Wii e nell’iPhone che il grande pubblico ha davvero capito di cosa sono capaci i sensori inerziali. Guardando ciò che diventa possibile fare nell’ambito delle cinque modalità di rilevamento del movimento - accelerazione (compreso il movimento traslazionale come posizione e orientamento), vibrazione, urti, inclinazione e rotazione - diventa chiaro che le possibilità vanno ben al di là delle applicazioni Mems già in uso oggi. Ad esempio, interfacce basate sul riconoscimento dei gesti controllate dal tocco di un dito stanno via via sostituendo complessi comandi e pulsanti fisici. In alcuni casi il funzionamento del prodotto finale si fa più preciso, come nel caso di una bussola capace di compensare l’angolo d’inclinazione a cui è sottoposta se tenuta in mano dall’utente. Esistono svariati kit di sviluppo per sensori disponibili, che rappresentano un valido ausilio nella progettazione di applicazioni di rilevamento del movimento.
