انرژی کارآمد برای اینترنت اشیاء (مقاله ترجمه شده)

چکیده

اینترنت اشیاء یک تکنولوژی هوشمند است که هر چیزی را در هر نقطه و در هر زمانی به هم متصل می‌کند. ماهیت اینترنت اشیا ایجاب می‌کند تخلیه انرژی در منابع صورت گیرد. بنابراین، بهره‌وری انرژی از منابع اینترنت اشیا به‌عنوان یک مسئله مهم در حوزه‌ی پژوهشی مطرح است. در این مقاله، یک معماری انرژی-کارآمد برای اینترنت اشیا مطرح شده است، که متشکل از سه لایه، حس و کنترل، پردازش اطلاعات و ارائه است. طراحی معماری اجازه می‌دهد تا سیستم فاصله خواب سنسورها را براساس سطح باتری باقی‌مانده خود، سابقه استفاده قبلی خود و کیفیت اطلاعات مورد نیاز برای یک کاربرد خاص پیش‌بینی کنند. مقدار پیش‌بینی شده می‌تواند برای افزایش استفاده از منابع ابر با تخصیص مجدد منابع وقتی که گره حسگر مربوطه در حالت خواب است استفاده شود. این مکانیزم استفاده کارآمد از انرژی در تمام منابع اینترنت اشیا می‌گردد. نتایج تجربی نشان می‌دهد که مقدار قابل توجهی از صرفه‌جویی انرژی در گره‌های حسگر و بهبود بهره‌برداری از منابع ابر نهفته است.

مقدمه

با ظهور یک دوره جدید در محاسبات، اینترنت اشیاء [1] به‌عنوان ساختار اصلی محاسبات فراگیر مورد استفاده قرار گرفت [2]. اینترنت اشیا یک تکنولوژی هوشمند است که هر "چیز" را از طریق یک شبکه به یکدیگر متصل می‌کند. اصطلاح "چیز" شامل حسگرها، فعال‌کننده‌ها ، سخت‌افزار، نرم‌افزار و ذخیره‌سازی در رشته‌هایی مانند بهداشت و درمان، صنعت، حمل‌ونقل و لوازم خانه است. هدف اصلی از اینترنت اشیا به حداکثر رساندن ارتباطات اشیاء سخت‌افزاری با جهان فیزیکی برای تبدیل داده‌های این اشیاء به اطلاعات مفید بدون هیچ گونه کمک انسانی است. اینترنت اشیا شامل سه عنصر است: سخت‌افزار، میان‌افزار و ارائه. عنصر سخت‌افزار از سنسورهای تعبیه شده در باتری، دیسک و سیستم‌های ارتباطی تشکیل شده است. این حسگرها داده‌ها را از منطقه نظارت جمع‌آوری می‌کنند و سخت‌افزار ارتباطی آنها داده‌های جمع‌آوری شده را به عنصر میان‌افزار می‌فرستند. مقدار قابل توجهی از داده‌های دریافت شده توسط میان‌افزار با استفاده از ابزارهای مختلف تجزیه‌وتحلیل داده برای استخراج اطلاعات تفسیری پردازش می‌شوند. عنصر ارائه در اینترنت اشیا مسئول مصورسازی داده‌های پردازش شده و نتایج به شکلی قابل خواندن است. همچنین نیازمندی‌های کاربر را دریافت کرده و به عنصر میان‌افزار جهت انجام امور ضروری می‌فرستد. شکل 1 عناصر و انتقال داده‌ها را در سیستم‌های اینترنت اشیا نشان می‌دهد.

انرژی محدود عناصر سخت‌افزاری درحال جمع‌آوری و انتقال داده‌ها مصرف می‌شود. بیشتر داده‌های جمع‌آوری شده، تحلیل و با دقت اطلاعات آنها استخراج می‌شود اما، در هر زمان، انرژی را مصرف می‌کنند. با توجه به محدودیت انرژی، نیاز به حفظ تعادل بین کیفیت اطلاعات استخراج شده و انرژی مصرف شده توسط سیستم‌های اینترنت اشیا وجود دارد. علاوه‌براین، طول عمر هر منبع در اینترنت اشیا بستگی به دردسترس بودن انرژی دارد. از دست دادن انرژی، کل محیط را تحت تاثیر قرار می‌دهد. بنابراین، نیاز برجسته‌ای برای کاهش مصرف انرژی برای افزایش طول عمر منابع و اجرای موثر بر سیستم‌های اینترنت اشیا وجود دارد.

کارهای گذشته

در سال 2013، Gubbi و همکارانش [1] یک چشم‌انداز روشن از اینترنت اشیا ارائه کردند که به‌عنوان "سنجش انرژی کارآمد" در یکی از تحقیقات مورد چالش قرار گرفت. آنها یک معماری ابر محور از اینترنت اشیا ارائه دادند و تاکید کردند که در مناطق مختلف از جمله صنعت، خانه، سیستم‌های پزشکی و بسیاری از حوزه‌های دیگر قابل اجرا است. پس از آن، بسیاری از نویسندگان به سمت نرم‌افزار یکپارچه از اینترنت اشیا و محاسبات ابری در صنایعی مانند تولید [3]، نظارت بر محیط [4]، سیستم‌های زمان واقعی [5]، صرفه‌جویی انرژی [6]، تولید ابر [7]، [8] و زنجیره تامین [9] سوق پیدا کردند. Xu و همکارانش در [10] یک نظرسنجی برای استفاده از اینترنت اشیا در صنایع ارائه دادند. اینترنت اشیا نیز در برنامه‌های مختلف دیگری مانند موارد ذکر شده در [11] - [18] استفاده شد.

PA

شکل. 2 نشان می‌دهد که PA متشکل از سه لایه، سنجش و لایه کنترل (SCL)، لایه پردازش اطلاعات (IPL) و لایه کاربرد (AL)، همراه با مسائل به کار گرفته شده توسط هر لایه است. SCL داده‌ها را از محیط هدف و به‌صورت انرژی کارآمد جمع‌آوری کرده و آنها را به IPL می‌فرستد. AL از اطلاعات جمع‌آوری شده توسط IPL در حوزه‌های مختلف مانند نظارت بر سلامت، شهر هوشمند، حمل‌ونقل هوشمند و غیره استفاده می‌کند. این سه لایه با جزئیات بیشتر در پایین شرح داده شده است.

SCL

SCL متشکل از عناصر سخت‌افزاری یک سیستم اینترنت اشیا است. که داده های خام در حجم بزرگ را جمع‌آوری کرده و آنها را برای تحلیل و بررسی داده می‌فرستد. سه جزء اصلی این لایه، گره‌های حسگر (SNS)، گره‌های دروازه با صرفه‌جویی در انرژی (eGNs) و یک ایستگاه پایه با انرژی کارآمد (که گره تکامل یافته یا eNode نامیده می‌شود) است. هر یک از این اجزا در زیر توضیح داده شده‌اند.

تجزیه‌وتحلیل نظری

قبل از ارائه‌ی تجزیه و تحلیل نظری از سیستم، ابتدا روش محاسبه سطح انرژی یک گره توضیح داده می‌شود. مشاهده شده است که مصرف انرژی گره خاص در سیستم با فاصله خواب آن نسبت عکس دارد، که به نوبه خود، به عوامل مختلف از جمله باقی‌مانده سطح باتری، عامل تضاد، کیفیت اطلاعات و COVبستگی دارد. هرچه قدر فاصله خواب بیشتر، مصرف انرژی کمتر و بالعکس. علاوه براین، هر گره یک مقدار مشخص از انرژی را در حالت فعال (EA) و در حالت خواب (ES) مصرف می‌کند. مقدار انرژی مصرف شده در حالت فعال و خواب به گره وابسته است. از این رو، با محاسبه فاصله خواب و با استفاده از عوامل مختلف، سطح انرژی یک گره را می‌توان با استفاده از رابطه زیر تعیین کرد

Energy consumed = Ts ∗ Es + (T − Ts) ∗ Ea.

در اینجا، Ts مجموع تمام فواصل خواب و T مجموع مدت زمان سپری شده است. از این رو، (T - TS) نشان‌دهنده مجموع مدت زمان برای گره در حالت فعال است.

راه‌اندازی تجربی و تجزیه و تحلیل عملکرد

این بخش در مورد تجزیه و تحلیل تجربی PAبحث می‌کند. راه‌اندازی آزمایشی به دو بخش تقسیم می‌شود: 1) مقداردهی اولیه در SCL و 2) انتقال داده‌ها به محیط ابر.

مقداردهی اولیه در SCL

شکل. 4 راه‌اندازی آزمایشی استفاده شده برای ارزیابی PA در دانشگاه را نشان می‌دهد. در اینجا، پنج نفر داوطلبانه از دانشگاه، برای مشاهده فشار خون (BP)، ضربان قلب (HR) و نرخ تنفس (RR) به سه سنسور متصل شدند. این حسگرها برای نظارت بر فشار خون، ضربان قلب، و RR این افراد عبارتند از: 1) Omron 10 upper arm BP monitor Model BP785 BP785 [45]، 2)polar RS 300 × HR monitor [46] و 3) سیستم مدیریت محتوا 50F OLED wrist RR monitor [47]. جداول 3 و 4 جزئیات مربوط به افراد و سنسورها را بیان می‌کنند.

تجزیه و تحلیل

در این بخش به سمت مقایسه عملکرد PA در سه مورد زیر حرکت می‌کنیم: 1) مقایسه عملکرد با تکنیک‌های مرتبط؛ 2) مقایسه تجربی با تکنیک مرتبط؛ و 3) مقایسه عملکرد PA تحت حالات و تنظیمات مختلف سیستم. دو مورد اول PA را با برخی از روش‌های بهره وری انرژی که در بخش دوم بحث شد مقایسه می‌کند. روش‌های مورد استفاده برای مقایسه SOT [19]، درخت EGF [20]، درختECH [21] و در محلی‌سازی گروه شی (OGL) [22] هستند. مورد سوم تناسب PA در سناریوهای مختلف را برجسته می‌کند.

مقایسه عملکرد

جدول 5 مقایسه عملکرد PA با روش‌های دیگر را نشان می‌دهد. می‌توان مشاهده کرد که 1) بهره‌وری انرژی از منابع ابر تنها در PAدر نظر گرفته شده است و 2) بهره‌وری انرژی SN فکر خوبی در SOT، ECF، و PA است، درحالی‌که EGF و OGL بر روی این موضوع عمل نمی‌کند.

نتیجه‌گیری

در این مقاله، معماری برای اینترنت اشیا مطرح شده است، که استفاده انرژی کارآمد از منابع را تضمین می‌کند. معماری با استفاده از داده‌های پزشکی در آمازون EC2 i2.xlarge تست شده است. نتایج نشان می‌دهد که انرژی به صورت موثر و کارآمد با تعویض سخت‌افزار ذخیره منابع از SCL و IPL به حالت خواب می‌رود. ویژگی کلیدی مدل ارائه شده تبادل اطلاعات مبتنی بر انرژی بین دو لایه است. سنسور براساس نیروی باتری خود و دیگر عوامل، مانند کیفیت اطلاعات استخراج شده، عامل تضاد و COV به حالت خواب می‌رود. این مکانیزم محیط ابر را آماده‌ی پیش‌بینی حداکثر مقدار داده می‌کند که می‌تواند در طول بازه زمانی بعدی دریافت شود. از این رو، PA موجب افزایش بهره‌برداری از منابع سخت‌افزاری در SCL و IPL می‌گردد. به‌طورخلاصه، تPA انرژی کارآمد است. علاوه‌براین، با توجه به ماهیت انعطاف‌پذیر PA، می‌توان آن را به تعداد زیادی شبکه از اینترنت اشیا اعمال کرد.

این مقاله ISI در سال 2017 در نشریه آی تریپل ای و در مجله سیستم ها (IEEE)، توسط گروه علوم و مهندسی کامپیوتر منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله انرژی کارآمد برای اینترنت اشیاء در سایت ای ترجمه مراجعه نمایید.