هندسة إنترنت الأشياء: 4 طبقات من إنترنت الأشياء موضحة بالتفصيل

لقد قيل الكثير حول كيفية تقدمنا ​​نحو غد أكثر ذكاءً. وفي هذه البيانات ، بالتأكيد ، تم ذكر IOT كثيرًا. إذن ما هو كل الضجيج حول إنترنت الأشياء ، وما هو في الواقع؟ ابقَ ضيقًا واقرأ هذه المدونة لمعرفة المزيد عن إنترنت الأشياء.

إنترنت الأشياء باختصار

بادئ ذي بدء ، IoT تعني إنترنت الأشياء الذي يحتوي على أشياء متصلة بالإنترنت. تستشعر هذه الكائنات البيئة المحيطة بها وتجمع البيانات المستخدمة لمزيد من المعالجة. يتم تحويل هذه البيانات غير المعالجة التي تم إنشاؤها بكميات ضخمة إلى تنسيق رقمي ثم معالجتها مسبقًا لمزيد من التحليل.

ثم تأتي الأجهزة التي تعالج هذه البيانات بالفعل لاستخلاص رؤى قيمة منها. أخيرًا ، يتم إرسال البيانات المعالجة بعد ذلك إلى السحابة أو الأجهزة المحلية ، حيث يتم تخزينها وتحليلها لتنفيذ الإجراءات. إنترنت الأشياء هو عملية من أربع خطوات.

مراحل هندسة إنترنت الأشياء

الخطوات المتضمنة

هناك 4 طبقات رئيسية لبنية إنترنت الأشياء ، كما هو موضح أعلاه. دعنا نستعرض كل منهم بالتفصيل.

مجسات

تعتبر المستشعرات التي تنتمي إلى المستوى الأساسي لبنية إنترنت الأشياء (IOT) مسؤولة عن التقاط المعلمات المادية في العالم الحقيقي. يمكن أن تكون المعلمات - درجة الحرارة ، الدخان ، الهواء ، الرطوبة ، إلخ.

يمكن أن تكون هذه إما أجهزة مدمجة ، أي أجهزة استشعار متعددة موجودة في لوحة واحدة أو جهاز مستقل لتجميعها وقياسها. مثال على المستشعر المضمن هو المستشعر الذي يقيس محتوى الميثان ونسبة أول أكسيد الكربون ووجود الدخان معًا.

في حين أن مستشعر الرطوبة سيكون مثالاً على مستشعر مستقل. مع المستشعرات ، تلعب المحركات أيضًا دورًا مهمًا في هذه الطبقة. مهمتهم هي تحويل البيانات التي تم إنشاؤها بواسطة كائنات إنترنت الأشياء إلى عمل مادي.

على سبيل المثال ، فكر في مروحة ذكية. مع وجود مستشعرات مناسبة في مكانها ، سيزيد المشغل أو يقلل من سرعة المروحة بناءً على درجة الحرارة المحيطة (والتي سيتم قياسها بواسطة مستشعر درجة الحرارة). وكل هذا سيحدث بدون تدخل بشري. مثال آخر يمكن أن يكون نظام الري الذكي.

بعد قياس محتوى الرطوبة في التربة ، تقوم المستشعرات بتشغيل المحركات التي ستقرر ما إذا كان سيتم تشغيل الصمام أو إيقاف تشغيله. يتم توجيه الكثير من الأبحاث في IOT حاليًا نحو دمج أكبر عدد ممكن من أجهزة الاستشعار في لوحة معينة.

نظام الحصول على البيانات

تعمل هذه الطبقة بشكل وثيق مع أجهزة الاستشعار والمحركات. ولكن نظرًا لوظائفها الفريدة ، فإنها تستحق مكانًا في طبقة منفصلة. إنها طبقة متصلة تربط طبقة المستشعر بطبقة التحليلات.

وتتمثل مهمتها الرئيسية في جمع البيانات وتحديدها وإرسالها إلى طبقات معالجة إضافية. قبل أن تتم المعالجة ، يجب تحويل البيانات من المستشعر إلى تنسيق مناسب. تنسيق سهل الاستخدام وقابل للتحويل أيضًا. يتم تحقيق ذلك من خلال هذه الطبقة.

على سبيل المثال ، ضع في اعتبارك جهاز استشعار يقيس شدة الضوء. يتطلب إدخال الفوتونات أو الضوء في شكل فولت مثل 10V ، 5V ، وما إلى ذلك ، وينتج مخرجات رقمية كأرقام معينة. وبالمثل ، فإن مستشعرات الألوان في كثافة اللون كمدخلات وإخراج تتراوح من 0-255.

تسمى هذه أيضًا بوابات ، وهي توفر نظامًا أساسيًا للمعالجة المحلية لبيانات المستشعر الواردة بحيث تكون جاهزة لمزيد من المعالجة. لتحسين أمان هذه الطبقة ، يتم استخدام خوارزميات تشفير وفك تشفير مناسبة تمنع الأنشطة الضارة مثل تسرب البيانات.

من الأمثلة الجيدة على جهاز في هذه الطبقة المحول التناظري إلى الرقمي أو ADC. المعلمات القابلة للقياس في البيئة المحيطة ، مثل الضوء والصوت ودرجة الحرارة وما إلى ذلك ، هي تناظرية بطبيعتها. تقوم ADC بتحويل هذه القيم التناظرية إلى قيم رقمية.

يجب أن تقرأ: موضوعات وأفكار مشاريع إنترنت الأشياء

تحليلات

قد لا تحتوي كل بنية IOT على هذه الطبقة. يمكن أن يضيف وجودهم قيمة مضافة إلى العملية بأكملها ، خاصة بالنسبة للمشاريع الكبيرة الحجم حيث يتم إنشاء البيانات بأعداد كبيرة. بالنسبة لمثل هذه المشاريع ، يلعب معدل نقل البيانات أو معدل التحليلات دورًا حيويًا. تقع هذه البنى التحتية بالقرب من مصدر البيانات.

هذا يسمح لهم بالتصرف بسرعة على البيانات الواردة في الوقت الحقيقي وتوفير مخرجات في شكل معلومات قابلة للتنفيذ. في هذه الحالة ، يتم تمرير تلك البيانات التي تتطلب المعالجة في السحابة إلى هذه الطبقة. نظرًا لأن نقل البيانات يحدث في هذه الطبقة ، فمن الضروري زيادة الأمان عن طريق تقليل تعرض الشبكة.

نظرًا لأن بعض المعالجة المسبقة فقط تحدث في هذه الطبقة ، فإنها تعمل بأقل قدر من الطاقة وعرض النطاق الترددي. يمكن أن يكون أحد الأمثلة لإزالة وجود القيم المتطرفة في البيانات. يمكن أن يكون هناك الآلاف من القيم المتطرفة في مليون نقطة بيانات. قد يعني التخلص منها في مرحلة مبكرة توفير الوقت في المعالجة النهائية.

مركز البيانات

غالبًا ما يُنظر إلى مركز البيانات على أنه عقل بنية إنترنت الأشياء. تهدف إلى تخزين ومعالجة وتحليل أطنان من البيانات. مع تحليل البيانات وخوارزميات التعلم الآلي قيد التشغيل ، توفر هذه الطبقة بعض الأفكار المفيدة حول البيانات.

هذا النوع من المعالجة أثقل من الناحية الحسابية من التحليلات التي أجريت في الطبقة السابقة. إذا تم نشرها وتأثيثها بشكل صحيح ، يمكن لمراكز البيانات توفير معلومات مهنية وتوصيات لمساعدة المستخدمين على التفاعل مع النظام.

توفر هذه الطبقة العديد من الفوائد للأعمال ، بدءًا من معدلات الإنتاج المرتفعة وحتى تقليل استهلاك الطاقة. كما أنها توفر تصورًا واضحًا في شكل مخططات دائرية أو رسوم بيانية أو رسوم بيانية للعملاء الذين يساعدونهم في اتخاذ قرارات مستنيرة بشأن العمل.

مثال من العالم الحقيقي

تستخدم السيارات ذاتية القيادة تطبيقات إنترنت الأشياء طوال الوقت. هذه السيارات بدون سائق وتعتمد على مجساتها للتنقل الآمن من نقطة إلى أخرى. مجهزة بمئات من أجهزة الاستشعار مثل LIDAR والكاميرات والجيروسكوبات والهندسة السحابية والإنترنت وغيرها الكثير ، تستشعر هذه السيارات محيطها وتتخذ قرارات سريعة وذكية بناءً على مخرجات المستشعر.

على سبيل المثال ، في حالة المشاة ، تأخذ الكاميرا إطارات الإدخال باستمرار وتمررها إلى السحابة للمعالجة. ثم تقوم خوارزمية الكشف البشري بالكشف عن وجود الإنسان. إذا كان هناك إنسان ، فإن جهاز التحكم يرسل إشارة إلى الفرامل. بهذه الطريقة ، يتم نقل المعلومات من أحد أجهزة الاستشعار إلى السحابة ثم إلى المشغل في وجود الإنترنت.

اقرأ أيضًا: الفرص الوظيفية لإنترنت الأشياء

خاتمة

في الواقع ، قد تختلف بنية إنترنت الأشياء من حل إلى حل. لكن في الغالب ، هذه الكتل الأساسية الأربعة موجودة. يجب على المرء أيضًا تصميم حل وظيفي وقابل للتطوير وليس عرضة للانهيار أثناء معالجة أطنان من البيانات.

سمح لهم انتشار حلول إنترنت الأشياء في الأعمال التجارية باستخراج المزيد من القيمة من البيانات وتلبية احتياجات عملائهم وفقًا لذلك ، وبالتالي التفوق على عملائهم. من المهم عدم الخلط بين المصطلحات التقنية لإنترنت الأشياء وعدم إغفال الاحتمالات والتغييرات اللانهائية التي يمكن أن تجلب أتمتة كاملة.

إذا كنت مهتمًا بمعرفة المزيد عن الذكاء الاصطناعي والتعلم الآلي ، فراجع IIIT-B & upGrad's دبلوم PG في التعلم الآلي والذكاء الاصطناعي المصمم للمهنيين العاملين ويقدم أكثر من 450 ساعة من التدريب الصارم ، وأكثر من 30 دراسة حالة ومهمة ، IIIT -ب حالة الخريجين ، 5+ مشاريع التخرج العملية العملية والمساعدة في العمل مع الشركات الكبرى.