تحلیل اینترنت اشیاء

انواع تحلیل های اینترنت اشیاء

انواع مختلفی از تحلیل داده ها در اینترنت اشیاء وجود دارد (که اکثراً نیازمند پردازش جریانی داده ها می باشد)عبارتنداز:

تحلیل توصیفی داده های اینترنت اشیاء: رایج ترین توع تحلیل برای داده های اینترنت اشیاء، تحلیل توصیفی میباشد و رایج ترین راه برای نشان دادن این نوع تحلیل، نمودارهای آماری از قبیل میله ای، خطی، پای و … می باشند. این نوع تحلیل، ارزش محدودی برای ما ایجاد میکند زیرا بیشتر گذشته محور بوده و تغییرات گذشته را نشان میدهند ولی در مورد آینده اطلاعاتی به ما نمیدهند. مطلوبترین نوع تحلیل توصیفی برای داده های اینترنت اشیاء، هشدارها یا Alert ها هستند که با با رسیدن به آستانه ها، مشکلات احتمالی را اطلاع رسانی می کنند.

تحلیل تشخیصی داده های اینترنت اشیاء: تحلیل های تشخیصی براساس مدلهای آماری هستند و متغیرهای کلیدی و روابط بین آنها را بررسی میکنند. در اینترنت اشیاء، مدل تشخیصی بر اساس Statistical Learning و برای تعیین معتبر بودن یا نبودن هشدارها مورد استفاده قرار میگیرند. زیرا دستگاههای اینترنت اشیا هشدارهای زیادی تولید میکنند که باید صلاحیت آنها بررسی شود. نتیجه این نوع تحلیل ها، اقزایش دقت سامانه های اینترنت اشیاء خواهد شد.

تحلیل پیش بینی کننده داده های اینترنت اشیاء: مهمترین کاربرد تحلیل پیش بینی کننده داده های اینترنت اشیاء، برای نگهداری و تعمیر است. این کاربرد به طور عمده در صنایعی مانند توربینهای گازی، آسیاب های بادی، لوکوموتیو، خطوط تولید محصولات و … استفاده میشوند.

تحلیل تجویزی داده های اینترنت اشیاء: این نوع تحلیل داده، ترکیبی از تحلیل توصیفی و تحلیل پیش بینی کننده میباشد و همانند یک توصیه گر درنظر گرفته میشود. این تحلیل برای فهمیدن بهترین قدمی که برای عمل میتواند انجام شود به کار گرفته میشود. موفقیت این نوع تحلیل به کارایی جمعی تصمیم گیری در مورد مشتریان، عملیات و استراتژی بستگی دارد. کاربردهای تجاری اینترنت اشیاء میتوانند از این نوع تحلیل برای تصمیم سازی و تصمیم گیری بهتر استفاده کنند.

تحلیل خودکار داده های اینترنت اشیاء: بیشتر تحلیلها به توجه انسانها نیاز دارند. یکی از موضوعات مهم برای هر قسمت خودکارسازی تصمیمات و اقدامات آن قسمت است که در دسته هوش مصنوعی جانمایی می شود. مثلا تحلیل داده های دستگاه های پزشکی منجر به تزریق خودکار داروهای خاص میشود. این نوع تحلیل هم اکنون در بعضی موارد مانند بازارهای مالی و شبکه انرژی استفاده میشود.

 

 

دوقلوی دیجیتال

دوقلوی دیجیتال یا همزاد دیجیتال یک مدل نرم‌افزاری مجازی و فعال از یک شی فیزیکی یا دارایی فیزیکی در چرخه حیات آن است که با سنسورهای مستقر روی شی، مدلسازی می شود تا وضعیت سلامت عملکردی و بهره وری آن شی را بصورت آنلاین و در لحظه، شبیه سازی نماید. مفهوم دوقلوی دیجیتال یکی از Trend های اصلی حوزه فناوری می باشد که با تلفیق IOT ، هوش مصنوعی و Data Science به نقش آفرینی در صنایع پرداخته و نویدبخش تغییر بنیادین در فرآیندهای سنتی همچون روش کار، طراحی، ساخت، برنامه‌ریزی، شبیه‌سازی و پیش‌بینی و در نهایت سودآوری می باشد. دیدگاه اصلی در دوقلوی دیجیتال، دستیابی به یک معادل دیجیتال شبیه سازی شده توسط Data Scientist ها جهت بررسی و تحلیل سناریوهای مختلف کارکردی جهت تمرکز بر کارایی بیشتر و بهره وری می باشد که با به‌روزرسانی اطلاعات اشیاء با مدل شبیه سازی شده همزاد خود، مدیریت می شود. پلتفرمی که اطلاعات دوقلوهای دیجیتال را ذخیره و مدیریت می کند، بعنوان یکی از ارکان اطلاعاتی سازمان ها و بنگاههای صنعتی و تجاری، و در کنار سایر دارایی های اطلاعاتی، نقش آفرینی می نماید. از منظری دیگر، دوقلوی دیجیتال را می توان بعنوان لایه مکمل پلتفرم های IOT تصور کرد که نتایج تحلیل سنسورهای اشیاء را در قالب تحلیل های پیشگویانه، توصیه گر، بهینه ساز و کاربردی ارائه می دهند.  

مدل نرم افزاری دوقلوی دیجیتال، درواقع یک نسخه دیجیتالی (یا نماینده دیجیتالی) تقریباً واقعی از همان شی‌ فیزیکی است که شامل بینش‌هایی وسیعی در مورد اندازه، قطعات، عملکرد و بازده، مصرف انرژی، اتلاف انرژی، دما، میزان حرکت، شتاب و غیره بوده و از تحلیل اطلاعات گذشته و حال اشیا، استخراج شده اند. این بینش های منحصر به فرد، در حوزه های ساخت، تعمیر و نگهداری، و نظارت بر سیستم‌ها برای جلوگیری از بروز مشکلات، قبل از وقوع آن‌ها و جلوگیری از خرابی های متداول، بسیار کاربرد دارد. شبیه‌سازی‌های ایجادشده توسط دوقلوی دیجیتال، به خلق ایده های جدید، برنامه‌ریزی فرصت‌ها و به‌روزرسانی‌های آینده در فرآیندها، تولید محصولات جدید، کشف معایب طراحی و بهینه سازی، پیش بینی نیازمندیهای تجهیزاتی، کاهش زمان خرابی ها، خودکار سازی فرآیندها، امکان آموزش دقیق نگهداری تجهیزات و … و مهمتر از همه کاهش هزینه ها و تقویت تصمیم گیری های استراتژیک، کمک شایانی می‌کند. مزایای نوآوری دوقلوی دیجیتال (دوقلوی مجازی یا دوقلوی پیش بینی) بی‌شمار است و هم اکنون کاربردپذیری آن در تجارت، کشاورزی، بهداشت و درمان، خدمات رفاهی شهری، خدمات آب و برق و گاز و مخابرات، دولت، حمل‌ونقل، محیط زیست و رخدادهای طبیعی، انرژی، ایمنی و امنیت، تولید و صنعت، خرده‌فروشی‌ها، و بانک و بیمه رو به فزونی یافته است.

از نقطه نظری دیگر، افزایش رضایت مندی کاربران و مشتریان، نیازمند بازنگری مستمر در فرآیندها و شیوه است، که با فرآیندکاوی در اطلاعات دوقلوهای دیجیتال محقق می شود. در این حوزه نیز، تخصص های علم داده و هوش مصنوعی برای فرآیندکاوی و بعنوان مکمل های تحلیل داده های دوقلوهای دیجیتال نقش آفرینی می کنند.

شایان ذکر است که با پیشرفت تکنولوژی ها و فناوریهای نوظهور در حوزه IOT، هوش مصنوعی، Digital Twinو تولید هوشمند(Smart Manufacturing)، امکان شبیه سازی سه بعدی اشیاء و ایجاد واقعیت افزوده نیز در این حوزه محقق شده است.

مدل نرم افزاری دوقلوی دیجیتال، درواقع یک نسخه دیجیتالی (یا نماینده دیجیتالی) تقریباً واقعی از همان شی‌ فیزیکی است که شامل بینش‌هایی وسیعی در مورد اندازه، قطعات، عملکرد و بازده، مصرف انرژی، اتلاف انرژی، دما، میزان حرکت، شتاب و غیره بوده و از تحلیل اطلاعات گذشته و حال اشیا، استخراج شده اند. این بینش های منحصر به فرد، در حوزه های ساخت، تعمیر و نگهداری، و نظارت بر سیستم‌ها برای جلوگیری از بروز مشکلات، قبل از وقوع آن‌ها و جلوگیری از خرابی های متداول، بسیار کاربرد دارد. شبیه‌سازی‌های ایجادشده توسط دوقلوی دیجیتال، به خلق ایده های جدید، برنامه‌ریزی فرصت‌ها و به‌روزرسانی‌های آینده در فرآیندها، تولید محصولات جدید، کشف معایب طراحی و بهینه سازی، پیش بینی نیازمندیهای تجهیزاتی، کاهش زمان خرابی ها، خودکار سازی فرآیندها، امکان آموزش دقیق نگهداری تجهیزات و … و مهمتر از همه کاهش هزینه ها و تقویت تصمیم گیری های استراتژیک، کمک شایانی می‌کند. مزایای نوآوری دوقلوی دیجیتال (دوقلوی مجازی یا دوقلوی پیش بینی) بی‌شمار است و هم اکنون کاربردپذیری آن در تجارت، کشاورزی، بهداشت و درمان، خدمات رفاهی شهری، خدمات آب و برق و گاز و مخابرات، دولت، حمل‌ونقل، محیط زیست و رخدادهای طبیعی، انرژی، ایمنی و امنیت، تولید و صنعت، خرده‌فروشی‌ها، و بانک و بیمه رو به فزونی یافته است.

از نقطه نظری دیگر، افزایش رضایت مندی کاربران و مشتریان، نیازمند بازنگری مستمر در فرآیندها و شیوه است، که با فرآیندکاوی در اطلاعات دوقلوهای دیجیتال محقق می شود. در این حوزه نیز، تخصص های علم داده و هوش مصنوعی برای فرآیندکاوی و بعنوان مکمل های تحلیل داده های دوقلوهای دیجیتال نقش آفرینی می کنند.

شایان ذکر است که با پیشرفت تکنولوژی ها و فناوریهای نوظهور در حوزه IOT، هوش مصنوعی، Digital Twinو تولید هوشمند(Smart Manufacturing)، امکان شبیه سازی سه بعدی اشیاء و ایجاد واقعیت افزوده نیز در این حوزه محقق شده است.

  •