کاربردها و معماری سامانه های اینترنت اشیا(Applications and architecture of IoT systems)

کاربردها و معماری سامانه های اینترنت اشیا

(Applications and architecture of IoT systems)

آشنایی با برخی از کاربردهای IoT :

در دنیای واقعی راهکارهای (IoT) در بخشهای زیادی قابل بکارگیری میباشد . به عنوان مثال در ساختمانهای هوشمند مبتنی بر اینترنت اشیا (IoT) میتوان تجهیزاتی همچون کیفیت هوا و تهویه مطبوع، روشنایی، هشدار آتشنشانی، قفل درها، حسگرهای دود ورا با یک برنامه کاربردی از راه دور کنترل و نظارت کرد.

به این ترتیب با جمعآوری و تجزیه و تحلیل دادهها، امکان شناسایی مشکلات و برنامهریزیهای بلند مدت نیز وجود دارد. از مزایای استفاده از راهکارهای اینترنت اشیا در ساختمان میتوان به کاهش مصرف انرژی و هزینههای مرتبط با آن، شناسایی و تعمیر خرابی سیستمها در زمان مناسب، افزایش ایمنی و آسایش ساکنین ساختمان و مدیریت بهتر یک مجتمع اشاره نمود.

علاوه بر این IoT در شهرها، صنایع وقابل بکارگیری میباشد. به عنوان مثال در صنایع نفت و گاز در کنترل و نظارت بر استخراج نفت، لولههای انتقال نفت و گاز وکاربرد دارد.

پارکینگهای هوشمند نمونهای از کاربرد اینترنت اشیا (IoT) در شهرهاست که میتواند به کاهش مصرف سوخت و همچنین آسایش بیشتر شهروندان منتهی شود.

کشاورزی هوشمند یکی دیگر از کاربردهای اینترنت اشیا برای افزایشبهرهوری، کاهش مصرف آب و افزایش کیفیت محصولات است.

Applications and architecture of IoT systems

 

معماری سامانه‌های اینترنت اشیا (IoT)

سامانه‌های اینترنت اشیا (IoT) از چهار بخش اصلی تشکیل شده‌اند:

مرحله اول معماری اینترنت اشیا در برگیرنده اشیای شبکه میباشد که معمولا سنسورهای بی سیم و فعال کننده ها می باشد.

مرحله دوم شامل سیستم تجمیع داده های سنسورها و تبدیل داده های آنالوگ به داده های دیجیتال می باشد.

مرحله سوم، این داده ها به دیتاسنتر یا ابر انتقال یابند و سپس مرحله چهارم ،سیستم های Edge آی تی، به پیش پردازش داده ها می پردازند. البته ممکن است بعد از پردازش مجدد به دیتاسنتر یا ابر انتقال یابند.

در نهایتدر مرحله چهارم، داده ها تجزیه و تحلیل می شوند، مدیریت می شوند و بر روی دیتاسنتر بک اند سنتی ذخیره می شوند. واضح است که وضعیت سنسور(فعال کننده)، تحت نظارت متخصصان فناوری های عملیاتی انجام می شود.

بنابراین مرحله دوم، سوم و چهارم معمولا توسط آی تی Edge کنترل می شود هر چند موقعیت پردازش آی تی ممکن است در موقعیت ریموت یا نزدیکی دیتاسنتر باشد. خطوط عمودی که با عنوان The edge برچسب گذاری می شود، تقسیم سنتی بین مسئولیت های آی تی و فناوری های عملیاتی است هر چند مرز بین این دو مورد، هنوز تیره و تار است.

سنسورها داده ها را از محیط یا اشیا جمع آوری می کنند و آن ها را داده های مفیدی تبدیل می کنند . به عنوان مثال ساختار خاص گوشی های همراه خود را در نظر بگیرید. در این گوشی ها، کشش هدایتی گرانشی تشخیص داده می شود و موقعیت نسبی گوشی به آن چیزی که ما آن را زمین می نامیم به نمایش در می آید.

سپس این داده ها به داده هایی در گوشی تبدیل می شود که می توان از آن برای جهت گیری استفاده کرد. فعال کننده ها نیز می تواندن برای تغییر شرایط فیزیکی که داده ها در آن تولید می شوند، مداخله کنند.

به عنوان مثال یک فعال کننده ممکن است یک منبع برق را خاموش کند، دریچه جریان آب را تنظیم نماید یا در یک فرایند مونتاژ، فرمان ربات را حرکت دهد. مرحله سنجش(فعالسازی) هر چیزی از دستگاه های صنعتی گرفته تا سیستم دوربین رباتیک، شناساگرهای سطح آب، سنسورهای سنجش کیفیت آب و مانیتورهای جریان گرما را تحت پوشش قرار می دهد.

 

مرحله اول: سنسورها/فعال کننده ها

حوزه  و دامنه اینترنت اشیا به سرعت در حال رشد میباشد و به لطف فناوری های شبکه سنسورهای بی سیم با توان کم و POE(Power over Ethernet) که دستگاه ها را قادر میکند بر روی شبکه محلی سیمی بدون نیاز به منبع تامین قدرت A/C به فعالیت بپردازند، کار خود را به درستی انجام دهند.

در معماری اینترنت اشیا ، بعضی از فرآیندهای پردازش داده ها می تواند در هر ۴ مرحله رخ دهد. با اینحال، هنگامی که داده های موجود در سنسور پردازش می شود، کاری که شما می توانید انجام دهید توسط قدرت پردازش موجود در هر دستگاه IoT محدود می شود.

داده ها مرکز معماری اینترنت اشیا هستند و  باید به هنگام پردازش داده ها، بین بینش عمیق و فوری یک مورد انتخاب شود. هر چقدر نیاز به اطلاعات فوری تر باشد، باید دستگاه نهایی به فرایند پردازش شما نزدیک تر باشد. برای کسب بینش عمیق تر که نیازمند پردازش گسترده تری است، باید داده ها به سیستم مبتنی بر دیتاسنتر یا ابر منتقل گردد. اینکار می تواند چندین منبع را کنار هم قرار دهد.

برخی از تصمیم گیری ها نیازمند عکس العمل سریع میباشند و نمی توانیم منتظر پردازش عمیق بمانیم. بازوی رباتیک در حال جراحی و برش شریان های خونی است؟ خودرو از  کار خواهد افتاد؟ آیا رویکردهای موجود در هواپیما به سیستم تشخیص دوست یا دشمن نزدیک می شود؟ ممکن است شما زمان لازم برای ارسال داده به دارایی های مرکزی خود را نداشته باشید. در این شرایط باید داده ها را در سنسور مورد بررسی و پردازش قرار دهید تا به پاسخ سریع تری دست بیابید.

مرحله دوم: دروازه اینترنت

داده ها از سنسور، به شکل آنالوگ میباشند. به همین خاطر چنین داده هایی باید جمع آوری و به استریم های دیجیتال تبدیل شوند تا بتوانیم در فرایندهای پردازش بعدی از آن ها استفاده کنیم.

سیستم کسب داده ها(DAS) این تجمیع داده ها و تبدیل آن ها را به عهده می گیرد. DASبه شبکه سنسورها متصل می شود، خروجی را تجمیع می کند و تبدیل آنالوگ به دیجیتال را انجام می دهد.  دروازه اینترنت(Internet gateway) داده های تجمیع شده و دیجیتالی شده را دریافت می کند و آن را از  طریق وای فای، شبکه محلی سیمی یا اینترنت به مرحله سوم هدایت میکند تا پردازش های بعدی بر روی آن صورت گیرد.

سیستم های مرحله دوم، معمولا در نزدیکی سنسورها و فعال کننده ها قرار می گیرند. به عنوان مثال یک پمپ ممکن است در برگیرنده نیمی از سنسورها و فعال کننده ها باشد که داده ها را به دستگاه تجمیع داده ها تغذیه می کند و می تواند آن ها را دیجیتالی نماید. این دستگاه می تواند به طور فیزیکی به پمپ متصل گردد.

تنظیم دستگاه Gateway یا سرور باعث پردازش داده ها و ارسال آن ها به سیستم های مرحله سوم یا چهارم می شود.

چرا داده ها از پیش پردازش می شوند؟ جریان داده های آنالوگی که از سنسورها می آیند، حجم عظیمی از داده ها را به سرعت ایجاد می کند. ویژگی های قابل سنجش دنیای فیزیکی که کسب وکار شما ممکن است به آن علاقه مند باشد( حرکت، ولتاژ، ارتعاش و…) می تواند حجم عظیمی از داده های در حال تغییر را ایجاد کند.

به این فکر کنید که داده های سنسور یک دستگاه پیچیده همچون موتور هواپیما چگونه می تواند به این روش در یک روز ایجاد شود  و مورد استفاده قرار گیرد. هیچ محدودیت نظری برای تعداد سنسورهایی که می توانند داده های مدنظر اینترنت اشیا را فراهم آورند وجود ندارد.

سیستم های اینترنت اشیا همیشه فعال هستند و می توانند  ارتباط مستمر و داده های موردنظر را فراهم آورند. جریان داده در اینترنت اشیا می تواند بسیار زیاد باشد( به طور مثال بیش از ۴۰ ترابایت در ثانیه). در این شرایط حجم عظیمی از داده ها وجود خواهد داشت که باید به دیتاسنتر منتقل شود. به همین خاطر باید داده های به دست آمده از پیش پردازش شود.

یکی دیگر از دلایل موجود برای پیش پردازش داده ها این است که اطلاعات آنالوگ زمانبندی و ویژگی های ساختاری خاصی دارند که موجب می شود برای پردازش آن ها به نرم افزارهای خاصی نیاز باشد. بهتر است داده های آنالوگ در ابتدا به داده های دیجیتال تبدیل شود. این موضوع در مرحله دوم انجام میشود.

 

مرحله دوم: دروازه اینترنت

 

دروازه های هوشمند می توانند عملکرد بهتری نسبت به دروازه های سنتی داشته باشند و عملکرد بیشتری با اضافه کردن قابلیت هایی همچون آنالیتیکس، محافظت از بدافزارها وسرویس های مدیریت داده ها،فراهم آورند.

این سیستم ها، تجزیه و تحلیل جریان داده ای را در زمان واقعی ممکن می سازند. اگرچه کسب بینش مورد نیاز کسب وکارها از داده های موجود در دروازه ها فوریت کمتری نسبت به زمانی که به طور مستقیم از ناحیه سنسور و فعال کننده ارسال می شود، دارد اما دروازه ها نیز قدرت پردازشی برای رندر کردن اطلاعات در شکلی که برای سهام داران کسب وکارها بیشتر قابل درک باشد، دارند.

هنوز هم دروازه ها، دستگاه های Edge هستند. به همین خاطر موقعیت و جغرافیای آن ها از اهمیت بسیار زیادی برخوردار است. به عنوان مثال یک پمپ را مدنظر قرار دهید. اگر شما ۱۰۰ واحد پمپ داشته باشید و بخواهید داده ها را پردازش کنید ممکن است در سطح پمپ به داده های فوری دسترسی داشته باشید، اطلاعات را  برای ایجاد نمای جزئی برای امکانات خود تجمیع نمایید و سپس داده های به دست آمده را به دیتاسنترها ارسال کنید تا نمای کاملی کسب کنید.

دستگاه های DAS و دروازه ها ممکن است در انواع مختلفی از محیط ها همچون زمین کارخانه یا ایستگاه های موبایلی قرار گیرند. به همین علت چنین سیستم هایی معمولا به صورت پرتابل طراحی می شوند تا توسعه آن ها ساده تر باشد و بتوان آن ها را با شرایط دمایی، رطوبتی، گرد و خاک و ارتعاش هماهنگ و منطبق کرد.

 مرحله سوم:دیتاسنتر و ابر

دیتاسنتر به داده های پردازش شده عمیق نیاز دارد. در این شرایط بازخورد نباید سریع و فوری باشد و داده های به دست آمده به دیتاسنتر فیزیکی یا سیستم های ابری یعنی جایی که سیستم های آی تی قدرتمندی در آن وجود دارد و می تواند داده ها را تجزیه و تحلیل نماید، مدیریت کند و به طور امن ذخیره سازی نماید، ارسال می شود. دریافت نتایج از مرحله اول تا چهارم، به زمان بیشتری نیاز دارد اما شما می توانید تجزیه و تحلیل عمیق تری را اجرا کنید و داده های سنسور را با داده های حاصل از سایر منبع ترکیب کنید و بینش عمیق تری به دست آورید.

 

 مرحله سوم:دیتاسنتر و ابر

 

پردازش در مرحله چهارم ممکن است در ابر یا سیستم های ابری هیبریدی باشد اما نوع پردازش اجرا شده در این مرحله صرف نظر از پلتفرمی که مورد استفاده قرار می گیرد، یکسان می باشد.

مرحله چهارم: Edge آی تی

خوب بعد از اینکه داده های مرتبط با اینترنت اشیا دیجیتالی شدند و تجمیع گردید، برای رفتن به حوزه آی تی آماده است. با اینحال چنین داده هایی قبل از اینکه وارد دیتاسنتر شود به پردازش بیشتری نیاز دارد.

اینجا دقیقا همان جایی است که سیستم های edge IT وارد میدان می شود.  این سیستم ها تجزیه و تحلیل بیشتری را انجام می دهند. سیستم های پردازش edge IT ممکن است در دفاتر ریموت یا سایر موقعیت های لبه قرار گیرند اما عمدتا در داخل تسهیلات یا موقعیت هایی قرار می گیرند که سنسورها در نزدیکی سنسورهای دیگر قرار دارند.

از آنجایی که داده های مرتبط با اینترنت اشیا می توانند پهنای باند شبکه را به خود اختصاص دهند و منابع دیتاسنتر را از بین ببرند، بهتر است از سیستم هایی در Edge استفاده شود که می توانند فرایند تجزیه و تحلیل را به گونه ای انجام دهند که محدودیت های زیرساخت های آی تی مرکزی را کمتر می کند.

اگر تنها یک  لوله داده ای بزرگ در دیتاسنتر خود دارید به ظرفیت بالایی نیاز خواهید داشت. در این شرایط ممکن است با مشکلات امنیتی، مشکلات ذخیره سازی و تاخیر در پردازش داده ها روبرو شوید.

 

مرحله چهارم: Edge آی تی

 

به کمک رویکرد مرحله بندی شده، می توانید از پیش داده ها را پردازش کنید و نتایج معناداری تولید نمایید و آن را انتقال دهید.

به عنوان مثال به جای عبور دادن داده های ارتعاش جدید برای پمپ ها، می توانید داده ها را تجمیع و تبدیل کنید، آن ها را تجزیه و تحلیل کنید و تنها هشدارهایی را به هنگام از کار افتادن دستگاه یا نیاز به سرویس، ارسال کنید.

اجازه دهید نمونه دیگری را با هم مورد بررسی قرار دهیم . شما ممکن است از یادگیری ماشینی در Edge برای اسکن موارد غیر طبیعی استفاده نمایید. در این شرایط ممکن است مشکلات مرتبط با حفظ و نگهداری را پیدا کنید که نیازمند اقدام فوری میباشد. در این شرایط می توانید از فناوری تجسم بصری برای نمایش آن اطلاعات استفاده کنید که از داشبوردها، نقشه ها و نمودارهای قابل درک بهره می برد.

سیستم های رایانشی ادغام شده همچون زیرساخت های بیش از حدسازگار، برای این وظایف بسیار ایده آل هستند زیرا می توانند بسیار سریع عمل کنند و به طور خودکار توسعه یابند و مدیریت شوند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پانزده + 6 =