Diese Website nutzt Cookies, um gewisse Funktionen gewährleisten zu können. Durch die Nutzung der Website stimmen Sie unseren Datenschutz-Richtlinien zu.
Nachrichten und Informationen zu Test- und Messtechnik für Elektronik in Entwicklung, Produktion und Service.  

Newsletter abonnieren

Alle 14 Tage alle News im Überblick
captcha 
Bitte geben Sie auch den angezeigten Sicherheitscode ein.

Aktuelle Test- und Messtechnik-News

Hintergrund: Analyse des Stromverbrauchs in mobilfunkbasierten IoT-Systemen

Das Internet der Dinge (IoT, Internet of Things) deckt eine Reihe von Anwendungen, Geräten und Systemen unterschiedlicher Größe ab, die für eine bestimmte Aufgabe bestimmt und immer häufiger anzutreffen sind. Sie lassen sich je nach Anwendung in drei Hauptkategorien unterteilen: Consumer (Verbraucher), Enterprise (Unternehmen) und Industrie. Consumer-orientierte IoT-Anwendungen sind beispielsweise Smart-TV, Smart-Lautsprecher, Wearables, Spielzeug etc. Sie bereichern unser tägliches Leben und sorgen für Unterhaltung. Auf der anderen Seite gibt es Anwendungen wie intelligente Zähler (Smart Meter), Wetter-/Traffic-Überwachung, intelligente Thermostate und Beleuchtung, die unser Leben komfortabler machen und durch verbesserte Energienutzung die Kosten senken. Diese Art von Anwendungen gehören in die Bereiche Enterprise und Industrie.

In Bezug auf den Energieverbrauch ist ein wesentlicher Faktor im IoT der Stromverbrauch der Anwendung an sich. Dies gilt umso mehr für die Bereiche Enterprise und Industrie. Eine IoT-Anwendung kann an einem Standort installiert werden, um dort viele Jahre lang ihren Dienst zu verrichten. Sie ist häufig mit einer einzigen Batterie ausgestattet, die sich nicht austauschen lässt. Damit bedeutet das Ende der Batterielebensdauer auch das Ende der Lebensdauer des Geräts. Bei einer Lebensdauer einer Anwendung von bis zu 10 oder mehr Jahren, insbesondere im 5G-Mobilfunknetz, müssen Entwickler also sicherstellen, dass eine Batterie so lange wie möglich im Feld betriebsbereit ist.

 Anritsu IoT Bild1

Bild 1: Narrowband-/NB-IoT-Wasserzähler

5G-Netze sind jedoch immer noch nicht weit verbreitet und werden häufig als Testnetzwerke in der Privatwirtschaft eingesetzt. Die meisten mobilfunkbasierten IoT-Anwendungen arbeiten heute noch mit der vorherigen Mobilfunk-Generation LTE (4G).

Mit LTE bieten sich zwei Möglichkeiten: der LTE-basierte LPWAN-Standard (Low-Power Wide-Area Network) ist als NB-IoT (Narrowband Internet of Things) bekannt. Dieser Standard konzentriert sich auf die Abdeckung von Innenräumen mit seiner häufig hohen Netzdichte. Der Schwerpunkt liegt auch auf einer langen Batterielebensdauer für Anwendungen.

Der zweite populäre Standard heißt LTE-M (genauer LTE Cat-M1), der den Bedarf an Machine-to-Machine-(M2M-) und IoT-Anwendungen abdeckt. Er bietet vergleichsweise höhere Datenraten und unterstützt Sprache über das Netzwerk, kostet jedoch mehr und ist normalerweise bandbreitenintensiv.

Wollen wir den Stromverbrauch einer Anwendung in einer geschlossenen, kontrollierten Umgebung messen, werden dazu ein Netzwerksimulator und eine Spannungsversorgung jeweils mit Messfunktionen benötigt. Der Radio Communication Analyzer MT8821C von Anritsu unterstützt Messungen der o.g. weit verbreiteten Standards. Das Gerät unterstützt Cat-M1 und beide NB-IoT-Versionen (NB-1 und NB-2). Das Gerät ist jedoch nicht nur zum Testen von LPWAN ausgelegt – es simuliert auch andere Netzwerk-Technologien wie LTE/Advanced, GSM, W-CDMA etc. Um die Anwendung mit Strom zu versorgen und den von der Anwendung verbrauchten Strom zu messen, verwenden wir eine SMU (Source Measuring Unit). Die in unserem Fall gewählte SMU ist der Otii Arc der schwedischen Firma Qoitech.

 Anritsu IoT Bild2

Bild 2: Hardware-Aufbau der Messung

Hinzu kommt ein PC zur Steuerung der beiden Instrumente. Der Netzwerksimulator ist über das Ethernet-Kabel mit dem PC verbunden und wird ferngesteuert. Der Server der SMU läuft lokal auf dem PC, der über das USB-Kabel mit der SMU verbunden ist. Dies ermöglicht eine einfache Automatisierung der Messung.

Der Otii Arc wird mit einer GUI bereitgestellt, die mehrere Möglichkeiten bietet. Hier soll nur die Grafikfunktion verwendet werden, um den Energieverbrauch anzuzeigen. Während der Messung wird der Energieverbrauch in Echtzeit angezeigt und lässt sich später bei Bedarf aufzeichnen und weiterverarbeiten.

Beide Instrumente lassen sich mit Python automatisieren. Zur Steuerung des Netzwerksimulators muss zusätzlich zu Python selbst das PyVisa-Modul auf dem PC installiert sein. Es stellt dem PC alle erforderlichen Tools zur Verfügung, um die Kommunikation mit dem Instrument über VISA-Befehle und -Abfragen (Virtual Instrument Software Architecture) zu ermöglichen.

Die Kommunikation und Steuerung des Otii Arc erfolgt über eine API-Bibliothek, die zahlreiche Funktionen bietet. Noch wichtiger ist, dass sich die meisten der in der GUI häufig verwendeten Schritte mit reinem Python nachbilden lassen. Die bevorzugte Version von Python ist v3.7.

Sobald das Python-Steuerungsskript fertig ist, lässt es sich verifizieren. Alle Anwendungen müssen aktiv mit dem PC verbunden sein – ein laufender Otii-Server und eine laufende IP-Verbindung zwischen dem PC und dem MT8821C. Ebenfalls erforderlich ist ein Wörterbuch zur Übersetzung von Codenamen. Unser Ziel ist, einen Signalweg vom MT8821C in die Otii-GUI zu importieren. Dazu müssen wir jedes Mal, wenn wir eine Antwort auf eine gesendete Anfrage erhalten, eine Codenummer in einen für Entwickler lesbaren Text übersetzen. Durch diese Implementierung lässt sich der Stromverbrauch in verschiedenen Phasen einer Funkkommunikation einsehen.

Am schwierigsten erweist sich die Zeitsynchronisation der Instrumente. Der Steuer-PC, die Otii-Arc-Aufzeichnung und der Zeitstempel des MT8821C verwenden alle unterschiedliche Formate. Aufgrund ihrer Beschaffenheit können wir theoretisch bis zu 1 ms gehen, der niedrigsten Zeitauflösung der Signalspur. Diese Messgenauigkeit lässt sich jedoch in der Praxis nicht erreichen, da es aufgrund der Netzwerkkommunikation und der ausgeführten Prozesse zu Verzögerungen kommt.

Die obere Genauigkeitsgrenze wird empirisch durch mehrfache Beobachtungen des Protokollanalyzers und anderer in Python durchgeführter Tests erreicht. Sobald die Zeit auf der Basis dieser Schritte angepasst ist, erhalten wir die minimale garantierte Genauigkeit von ±250 ms. Zu beachten ist, dass die tatsächliche Präzision besser ist als die garantierte. Oft liegt der wahre Wert zwischen 100 und 200 ms, was sich immer weiter optimieren lässt.

Sobald die Signalspur importiert und der Zeitversatz zwischen Datensatz und Zeitstempel der Signalspur angepasst wurde, sieht das Ergebnis sehr vielversprechend aus. Wir können verschiedene Zustände der Funkkommunikation in der GUI-Anwendung einsehen. Wollen wir den Stromverbrauch ermitteln, sobald ein Prüfling (DUT, Device Under Test) zum Netzwerk hinzugefügt wird, ist dies durch Klicken auf die importierte Signalspur-/Trace-Zeile einfach möglich. Die Stromverbrauchsanzeige verschiebt sich automatisch, und über den Marker können wir das Energieniveau zu diesem Zeitpunkt klar erkennen.

Anritsu IoT Bild3

Bild 3: Signalspur in der GUI

In diesem Fall wird ein DUT von der SMU kontinuierlich mit einer konstanten Spannung versorgt, was für den Energieverbrauch der realen IoT-Anwendung möglicherweise nicht der Fall ist. Wie erwähnt, sind IoT-Anwendungen meist mit Batterien ausgestattet, die nicht in der Lage sind, eine konstante Spannung über die gesamte Lebensdauer einer Anwendung zu halten. Um die Genauigkeit der Messung zu verbessern, lassen sich verschiedene Batterietypen simulieren. Die SMU kann die Leistungsprofile verschiedener Batterien simulieren – von handelsüblichen Batterien bis hin zu eigenen Designs.

Diese Lösung ist eine hervorragende Möglichkeit, den Stromverbrauch einer IoT-Anwendung zu messen und gleichzeitig deren Netzwerkfähigkeiten zu überprüfen. Wichtig zu wissen ist, wie hoch die Batterieentladung während verschiedener Zustände der Funkverbindung ist.

Den größten Einfluss auf eine Batterie hat die Spitzenleistung einer Anwendung und deren Energiesparmodus (PSM; Power Saving Mode), in dem sich die Anwendung die meiste Zeit befindet. Der MT8821C bietet eine Testumgebung mit idealen Bedingungen, in der wir die Netzwerkparameter steuern können. Insgesamt bietet der Aufbau eine äußerst skalierbare Lösung, mit der sich der Energieverbrauch eines bestimmten Netzwerkzustands überwachen und/oder ein Benchmarking verschiedener IoT-Anwendungen durchführen lässt.

Autor: Peter Macejko, Wireless Specialist, Anritsu

www.anritsu.com/



Weitere News zum Thema:

Aktuelle Termine

electronica 2020
10. bis 13. November
zur Terminübersicht...
SPS/IPC/DRIVES 2020
24. bis 26. November
zur Terminübersicht...
Webcast: EMV & Funk
20. Januar
zur Terminübersicht...

Banner-Werbung
..

Social Media

twitter_follow_420x50px