سیستمهای بلادرنگ تشخیص موقعیت مکانی در اینترنت اشیا
در اولین عصر تجارت الکترونیک، ردیابی موقعیت بار به عنوان یک خدمت نمایشی ظهور پیدا کرد. در سال ۱۹۹۴، شرکت FedEx این اطلاعات ردیابی را به شکل آنلاین نشان داد و سریع توجه‌ها را به سمت خود برانگیخت. امروزه، سیستمهای ردیابی مبتنی بر جی پی اس مثل آمازون و اوبر انتظارات از سیستمهای بهینه را باز تعریف کرده‌اند.
تکنولوژیهای اینترنت اشیا می‌توانند درخواست‌ها برای سیستمهای تعیین مکان با قابلیت بلادرنگ بودن و پردازش اعمال پیچیده را پاسخ دهند اما مسائلی هست که هر کدام از بخش‌های این زنجیره باید به آن غلبه کنند. از آنجا که سیستم مبتنی بر جی پس اس دقیق‌تر و سریع‌تر شده است، طیف وسیعی از ابزارهای گیج کننده وجود دارد که این دادهها را پردازش کند.
این ابزارها بسیار زیاد هستند. وقتی بحث سیستمهای بلادرنگ تشخیص مکان به میان می‌آید، مشاغل مرتبط با مدیریت بار، با تصمیم‌های سختی روبرو خواهند شد چرا که بحث در مورد بازاری است که به گفته مارکت ریسرچ، ارزشش تا سال ۲۰۲۲ به ۷.۵ میلیارد دلار میرسد و از سال ۲۰۱۶ تا ۲۰۲۲ به میزان ۳۱.۴ رشد داشته است.
جربان اطلاعات مربوط به ردیابی
بن ویزن، مدیر اجرایی شرکت کریر لاجستیک و خالق نرمافزار مدیریت انتقال FAST میگوید: امروزه شاهد اصطلاحات جدیدی مثل “اوبری کردن” و “آمازونی کردن” تجربیات مربوط به حمل بار هستیم. حالا دیگر نحوه تعامل مردم با بارها عوض شده است. امروزه انتظار این است که مردم سفارش‌های بار خود را با یک نشانه روی نقشه ردیابی کنند و دیگر تحویل، یک مسئله ثانویه محسوب میشود و اغلب (حداقل درمورد شرکت آمازون) این فرآیند رایگان است.
این مدیرباسابقه که بیش از ۳۰ سال است در بخش مدیریت حمل و نقل فعالیت میکند، اضافه کرد: در نتیجه، صنایع ردیابی روی جریان اطلاعات و جمع‌آوری داده از سنسورهای اینترنت اشیا در شبکه، سرمایه گذاری کرده‌اند. مشاغل باید مهارتهای خودشان را ارتقا دهند تا بتوانند اطلاعات را نه تنها به عنوان داده به کار بگیرند بلکه به عنوان رویدادهایی برای قدمهای عملیاتی آینده به حساب آورند.
جمع آوری داده بلادرنگ
جمع آوری داده چالشهای مختص به خود را دارد و حداقل تا زمانی که دادهها برای مرکز رایانش ابری ارسال شوند، این چالشها هیچ تغییری نخواهند کرد. در اغلب موارد همین اتفاق میافتد. چالش پردازش داده در فرونت اند یکی از محرکهای موجود، پس از رسیدن به محاسبات در لبه است.
اینها نظرات یان اسکریت، مشاور بازاریابی شرکت هایو ام کیو و خالق نرمافزار کارگزاری پیام MQTT و دیگر نرم‌افزارهای مدیریت حوزه اینترنت اشیا، لجستیک و پیادهسازیهای مربوط به آنها است. او تاکید میکند که سیستمهای حوزه اینترنت اشیا وقتی اتصالات دچار اختلال شوند، پیمایش محیط را به سختی انجام میدهند: چالش کلیدی سیستمهای مربوطه این است که وسایل در حال حرکت هستند. هر وسیله به طور معمول از طریق یک شبکه سلولی یا ماهوارهای به جهان خارج متصل است اما وقتی دستگاه حرکت میکند، اتصال بین دستگاه و ابر ممکن است قطع شود. قطعی اتصالات دو مشکل به وجود میآورد. مشکل اول این است که داده آماده است اما شبکهای برای ارسال آن در دسترس نیست. مشکل دوم نیز این است که سیستمها باید دوباره اتصالات بین دستگاه و ابر را به سریعترین شکل ممکن برقرار کنند.
اسکریت میگوید نرم افزار MQTT شرکت هایو ام کیو برای اتصال مجدد ارتباطی قطعشده، طراحی شده است و با فیدهای دادهای بسیاری کار میکند. پروتکلهای رقیب با MQTT، پروتکلهایی مثل HTTP,AMQP,LwM2M و همچنین سیستمهای اختصاصی هستند.
جریانهای داده، دریاچههای داده
هنگامی که داده های تعیین مکان سیستمهای اینترنت اشیا جمع آوری می شوند ، به ندرت به عنوان یک جریان ثابت در می آیند. از آنجا که اینترنت اشیا شروع به تحقق وعده هزاران یا حتی میلیون ها دستگاه در این زمینه می کند ، نقص و سرریز داده های ورودی همچنان یک نگرانی محسوب می شود.
اسکریت میگوید که این صنعت از نظر یکپارچگی شاهد رشد چشمگیری بوده است. این رشد از طریق استفاده از نرم افزار MQTT و آپاچی کافکا بوده است. او میگوید، این دو نرمافزار مکمل یکدیگر هستند. کافکا یکی از میزبانان متنباز ابزارهای استاندارد بیگ دیتا است که در سالهای اخیر فرآیندهای زیادی را مدیریت کرده است. کافکا با بخشهایی چون ابزارهای کوئری و جریان داده، رابطی برای متدهای پردازش جدید به منظور موقعیتدهی و ردیابی سیستمهای اینترنت اشیا و اهداف مشابه است.
کای واینر، مهندس میدان و معماری در شرکت کانفلوئنت میگوید که بیشتر شرکتها امروزه از ماشینهای داده و سنسورهای تولیدی خود به طور مداوم استفاده نمیکنند چرا که نمیتوانند به آنها دسترسی داشته باشند. داده هم به خاطر محدودیتهای تکنیکی یا پیچیدگی پیادهسازی تکنولوژیهای قبلی بیمصرف میشود.
واینر میگوید، داده های غیرقابل دسترسی و غیرقابل پردازش مانع از این می شود که توسعه دهندگان بتوانند به طور واضح بین ارزش تجاری داده های اینترنت اشیا ارتباط ایجاد کنند.
وی میگوید که خدمات میکروسکوپی مانند کافکا می تواند در مقیاس گسترده توزیع شود. بنابراین ، آنها می توانند با همه سیستم های مورد نیاز یکپارچه شوند و امکان پردازش داده ها را در زمان واقعی فراهم کنند. بزرگترین چالش فنی اساسی برای بسیاری از شرکتها، ادغام چندین فن آوری ، استاندارد و رابط مختلف است.
تعداد زیادی جایگزین مثل MQTT برای مولفههای کافکا وجود دارند که حین استفاده، دریاچههای داده را ایجاد میکنند. این دریاچهها قبل از پردازش و مرتبسازی دادههای اینترنت اشیا، امکان رسیدن سریع و تفکیک نشده دادهها را فراهم میکنند. ابزارهای رقابتی برای کافکا، شامل ربیت ام کیو، آپاچی اسپارک و سایر سیستمها هستند.
ساخت در مقابل خرید
مهارت های پیشرفته مورد نیاز برای ادغام عناصر مختلف در سیستم های داده بزرگ امروزی باعث می شود برخی از شرکتهای ساخت اشیای متصل داخل خانه بر “خرید” به جای “ساخت” تأکید کنند. این مسئله میتواند به معنای انتخاب پلتفرمهای جامع برای استفاده باشد.
استیون گلپا ، معاون مدیریت محصول شرکت آیریس میگوید: هنگامی که به مقیاس دهی اینترنت اشیا و ورود جریان داده به فرآیندهای بلادرنگ دریاچه داده فکر میکنید، عملی مفید به نظر میرسد. برای مثال شرکتهایی که دارای سرعت تولید بسیار بالایی هستند، ممکن است که قطعات کافکا را به اندازه سایر شرکتهای آشنا به تکنولوژی کافکا، استفاده نکنند.
به گفته لوئیس پاراجز ، معاون اجرایی فروش و بازاریابی در پلتفروم فروش شرکت توروو ، امروزه فشار بر روی شبکههای حمل و نقل برای تصمیم گیری سریع‌تر باعث می شود که روش های سنتی ادغام غیرقابل قبول شوند و سیستم های از پیش ادغام شده بتوانند بهتر با سیستمهای قدیمی کار کنند.
وی گفت: ما همه ی مؤلفه های شبکه لجستیک را به گونه ای سازماندهی می کنیم که مشتریان ما تصویر کاملی از زنجیره تأمین و نحوه عملکرد آن را داشته باشند. هدف اصلی ما این است که مردم به شکل بلادرنگ به دارایی ها ، اقلام و سفارشات موجود در زنجیره تأمین و همچنین اجرای فعالیت های حمل و نقل و تسویه حساب، واقف شوند.
مجموعه مهارت های بعدی
تلاش برای جمع آوری و پردازش داده های مکان به شکل بلادرنگ و ارتباط آن با آب و هوا ، ترافیک ، سنجش موتور و سایر داده ها ، استخرهای بزرگی از اطلاعات و مرحله ای برای جهش بعدی در توسعه اینترنت اشیا ایجاد می کنند.
ویزن میگوید مرحله بعد از آن ، پردازش رویدادهای پیچیده است که تصمیم گیری و فعالیت سریع را شاید از طریق هوش مصنوعی به کار گیرند: مجموعه مهارت های بعدی این است که بدانیم با داده ها چه باید کرد. به عنوان نمونه ، اقدامات ساده ای مانند پارک کردن کامیون در محل بارگیری را میتوان ذکر کرد. اکنون باید فرآیندهای پیچیده فعالیت خودکار را از این عمل حذف کنیم.
برای کسب و کارهایی که فعالیتشان فراتر از انتشارات گزارشات پایه است، گامهای کوچک نیز میتواند جهشی بزرگ باشد. آنها البته به عملگرایی نیز نیاز دارند.
ویزن به عنوان کسی که آیندهی اینترنت اشیا و استانداردهای دادههای بزرگ را به عنوان بخشی از تکنولوژیهای جریان اصلی، محدود میداند، به دیگران هشدار میدهد که تصمیم گیری روی نقشهراه تکنولوژی‌هایشان به معنای ایجاد تعادل بین بهترین چیزهایی است که امروز میتوان روی آنها کار کرد. این چیزها در آینده در خدمت شما خواهند بود.
منابع خبر :