Bilgi Artışı
Verileri toplama, depolama, organize etme, analiz etme ve rasyonelleştirme ve akıllıca kararlar verme yeteneğimiz, artık değişimin büyük hacmi ve hızı tarafından zorlanmaktadır. Uzun süredir yerleşik merkezileştirme paradigmaları çöküyor ve birçok durumda yerelleştirilmiş depolama ve işleme tek geçerli seçenektir.
Bu, 50–250 Milyar birlikte var olan öğeyi kapsayan bir Nesnelerin İnterneti (IoT) için en olası yol olan biyolojik emsallerle uyumludur. Üretilecek ve saklanacak IoT verilerinin olası derinliği ve genişliği, birçok yeni zorluk sunacak ve yeni düşünme, analiz, ağ oluşturma ve operasyon modları talep edecektir.
IoT'nin çoğu özerk ve bizim için büyük ölçüde görünmez olacak olsa da, küçük bir kısmı, işletmelere, kurumlara ve hükümete sağlananlarla birlikte daha fazla kişisel avantaj sağlamak için dikkatimizi talep edecektir.
Yeşil Gündemin bir bileşeni olarak IoT'nin gerekliliği ve ekolojik olarak sürdürülebilir toplumların gerçekleştirilmesi o kadar açık değil. Malzeme tedariği, nakliye, işleme, üretim, teslimat, kullanım ve bakım ve yeniden kullanım, yeniden kullanım ve geri dönüşüm yoluyla nihai imha ile ilgili canlı denetim izleri, sıfıra yakın bir malzeme ve enerji israfı geleceği elde etmemizin tek yoludur. Bu aynı zamanda çiftçilik, gıda malzemeleri, emtialar ve sarf malzemeleri için de geçerlidir.
Zamanında bilgi eksikliği nedeniyle dünya çapında lojistik faaliyet kaybının yılda ~ 3Tn $ olduğu tahmin edilmektedir. Örneğin, nakliye konteyneri paylaşımı, takibi ve envanter kontrolü, sektör gerekli teknolojiye sahip olmadığı için neredeyse yok denecek kadar azdır.
Müşteriler soruyor: mallarım nerede? Ama kimse emin değil! Neden? Niye? Gemiler ve kamyonlar takip edilir, ancak konteynerler, paletler ve kutular izlenmez. Ancak konteynerler, paletler, kutular ve paketler elektronik olarak etiketlenebilseydi ve birbirleriyle konuşabilseydi, lojistik dünyası büyük ölçüde değişecekti. Verimlilik artacak, kayıplar azalacak ve müşteri güveni ve ekonomi iyileşecekti.
Düşünce endüstrisi ve tam zamanında ticaret artık rekabeti büyük ölçüde yönlendiren müşteri talebi ve tutumlarıyla norm haline geldi. Ve böylece Büyük Veri, yukarıdaki lojistik vakasında örneklendiği gibi hem gerekli hem de hayati bir bileşen ve kolaylaştırıcı olmuştur. Ancak bir sonraki aşamada, birincil bileşeni üstlenecek olan Küçük Veri olacaktır. Büyük Veri artık makro üretimi ve sunumu tatmin ederken, Küçük Veri'nin yeni özelleştirme seviyeleri sunması bekleniyor.
Son olarak, iletişim ve bilgi kullanılabilirliğinin her zaman değişime neden olduğunu gözlemliyoruz, ancak IoT durumunda, bu kullanılabilirliğe Küçük Veri hakim olacaktır. Bu yeni boyut, bireysel, örgütsel ve toplumsal düzeyde yaptığımız şeylerin çoğunun temelden yeniden düşünülmesini teşvik edecektir. Bu değişikliklerin nasıl gelişebileceğini göstermek için, büyük fırsatlar sunan az sayıda örneği inceleyeceğiz.
Bilimsel bilgiye örnek
Bilgiye ulaşma yolları
Bilgi Erişim Sistemleri nedir
Bilimsel Bilgiye Erişim Yolları
Bilgi toplumunda iletişim konuları
Bilginin güvenilir olmasının toplumların gelişmesine etkisi nedir
Doğru bilgi
Bilginin önemi
Sanayi
Günümüzün üretim süreçleri ve tedarik zincirleri, Viktorya dönemi atalarının çok cilalı ve verimli bir versiyonudur: otomatikleştirilmiş, daha hızlı ve daha ince, daha yüksek hassasiyete, daha iyi performansa ve azaltılmış malzeme ve enerjiye sahiptir ve kesinlikle daha güvenilirdir, ancak temelde bunu yapamazlar. sürdürülebilir gelecekler sunmak. Bu, daha fazla verimlilik için bir kaplamadan daha fazlasını gerektirecektir.
Gelecek, verimli geri dönüşümle birlikte dağıtım, tedarik ve destek maliyetlerinin çoğunu ortadan kaldırırken malzeme ve enerji kullanımında azalma talep ediyor. Ancak, yenisi 1 W'tan daha azına ihtiyaç duyduğunda eski ekipman 10 W tüketiyorsa tüm bunların amacı nedir? Nihayetinde sürdürülebilirliğe giden yol bilim ve termodinamik tarafından yönlendirilmelidir.
Bu nedenle, malzemeleri çıkarma noktalarından taşıma ve iyileştirme yoluyla işleme ve üretime ve distribütöre, satıcıya, alıcıya/kullanıcıya, destek ve bakım organizasyonuna, bertarafına ve son olarak tam olarak izlemek için Büyük ve Küçük Verilere ihtiyacımız var. eko-duyarlı geri dönüşüm. Bu, kapalı bir yaratıcı düşünce ve sürekli iyileştirme döngüsüne giren tasarımcılar, üreticiler ve kullanıcılarla yolculuğun neredeyse her mm, cm, m ve km'sinde olacak.
Daha da yanal olarak, tam bir üretim ve kullanım kaydı, sahte ürünlere karşı koruma sağlarken, kazalar, yangından zarar görmüş mallar ve yanlış yerleştirilmiş, nadir ve bulunması zor ürünler gibi diğer arızalar karşısında yedek parça geri kazanımını ve yeniden kullanımını kolaylaştırır. Ordu, çalışan araçların, uçakların ve silah sistemlerinin sayısını gerçek zamanlı olarak ve genellikle baskı altında en üst düzeye çıkarmak için bu yaklaşımı zaten iyi bir şekilde kullanıyor.
Çiftçilik sektörü, hayvan bakımı ve biçerdöverlerin ve diğer yüksek maliyetli bitki öğelerinin paylaşılmasıyla büyük bitki öğelerinin maksimum kullanımı için teknolojilerin izlenmesi, izlenmesi ve analiz edilmesinde oldukça ilerlemiştir.
Ayrıca, hayvan diyetlerini büyüme, hamilelik ve süt üretim döngüleri ile birlikte hava koşullarına uyarlamak için gelişmiş gıda karışımlarını kullanırlar. Bu tür uygulamalar, hammaddelerin, makinelerin ve tesislerin plastiklere, metal levhalara, belirli 3D yazıcılara, değirmenlere veya şekillendiricilere kadar paylaşılabildiği endüstri için de aynı derecede alakalı.
Daha az ekipman ve atıl duran daha az insan, daha az enerji için daha fazla çıktı, her şeyin verimli bir şekilde geri kazanılması, yeniden kullanılması, yeniden kullanılması ve geri dönüştürülmesi, ancak hepsinden iyisi, tasarım ve üretim verileri bireysel bileşen kayıtlarının bir parçası haline geldiğinde entegre öğrenme ve yenilik.
Diğer ilerlemeler arasında güvenlik ve standart altı onarımlara, değiştirme ve kurulum hatalarına, çalıştırma özelliklerinin ötesindeki gezilere ve elektronik enfeksiyonlara/kötü amaçlı yazılımlara/saldırılara karşı koruma da yer alır.
Aletler
Tüketici ürünlerinin (radyo, TV, ocaklar, buzdolapları, dondurucular vb.) ortalama ömrü 7 yıldır ve bu süre zarfında birbirini takip eden ürün nesillerinde önemli iyileştirmeler uygulanmaktadır. Bunlar genellikle daha az parça, daha az ve daha iyi malzeme, daha iyi performans, daha fazla yerleşik "zeka" ve elbette yeni zaman ve enerji tasarrufu sağlayan üretim yöntemleri görür. Satın alma, kullanım ve değiştirme alışkanlıkları kişiye ve eve, bölgeden bölgeye ve ülkeden ülkeye değişiklik gösterir, ancak yükseltmeler 5 yıllık tekrarlanabilir bir zaman aralığında gerçekleşme eğilimindedir.
Bağımsız Grup Verileri
Formüldeki iki farklı standart sapma arasındaki farka dikkat edin: σTG, değişim puanlarının standart sapmasıdır, σT ise seviye puanlarının standart sapmasıdır. Tedavi etkisi herkes için aynı olsaydı, değişim puanlarının standart sapması, etkileşimde olduğu gibi 0 olurdu. Yani bağımlı değişkenin seviye puanı standart sapması ne kadar büyük olursa olsun etkileşim 0 olabilir.
Kazanç puanlarının ham puan standart sapması σTG, özne etkileşimi ile ham puan tedavisini ölçer. Bu etkileşim, karşılık gelen iki ana etkiden biri ile karşılaştırılabilir. Ham puan formunda, konu ana etkisi, seviye puanı standart sapması (“grup içi” standart sapma) σT ile ölçülür. Bu nedenle, ham puan etkileşiminin ham puan konusu ana etkisi ile karşılaştırılması, standartlaştırılmış etkileşim olan σTG/σT oranıdır. Diğer bir deyişle, standartlaştırılmış etkileşim, deneklerin etkileşim etkisinin, öznenin ana etkisine oranıdır.
Etkileşim ayrıca tedavinin ana etkisi ile de karşılaştırılabilir. Ham puanlar için bu, daha önce homojen ve heterojen etkileşimlerin tanımlanmasını tartışırken kullanılan E(TG)/σTG oranıdır. Ayrıca standartlaştırılmış ortalama ve standart sapmanın, ham puan ortalaması ve standart sapma ile aynı orana sahip olduğuna dikkat edin.
Bu nedenle, tedavi ana etkisinin denek etkileşimine göre tedaviye oranı, standart puanlar için ham puanlarla aynıdır. Varyansın Homojenliği. Ön test ve son test standart sapmalarını karşılaştırmak önemlidir. Eşitlerse, o zaman “varyans homojenliği”ne sahibiz; aksi takdirde, “heterojenlik varyansı”na sahibiz. Tedavi etkisi herkes için aynıysa, son test puanı ön test puanı ile ilişkilidir.
Yani, denek etkileşimi tarafından herhangi bir tedavi yoksa, varyansın homojenliği garanti edilir. Ayrıca, tedavi etkisi olmasaydı, tüm denekler için T2 = T1 olduğundan, varyanslar da eşit olurdu.
Bağımsız bir grup tasarımının kullanıldığını varsayalım. O zaman araştırmacı hiçbir etkileşim olmadığını varsayıyor. Araştırmacı haklıysa, veriler varyansın homojenliğini karşılayacaktır. Araştırmacı varyansın heterojenliğini bulursa, denek etkileşimi tarafından bir tedavi olmalıdır. Bu nedenle, varyans heterojenliği bulgusu, asli nedenlerle çok önemli bir bulgudur. Özellikle, varyansın heterojenliği varsa, ortalama fark sadece ortalama tedavi etkisidir ve farklı bireyler için tedavi etkileri oldukça farklı olabilir. Bu, etkileşimler bölümünde daha ayrıntılı olarak tartışılacaktır.
Bağımsız gruplar tasarımı kullanılıyorsa, varyansın heterojenliği için istatistiksel bir test, denek etkileşimine göre bir tedavi için bir ön testtir. Ön test ve son test varyansları farklı ise mutlaka bir etkileşim vardır. Varyans homojenliği varsa, etkileşim olmadığı sonucuna varabilirsek iyi olur. Bununla birlikte, büyük bir etkileşimin olduğu ancak varyanslar arasında hiçbir farkın olmadığı varsayımsal veriler oluşturmak kolaydır.
Ortalama fark 7 − 7 = 0’dır, bu da tedavi etkisinin olmadığını gösterir. Son test standart sapma ve ön test standart sapma, varyansın homojenliğini gösteren 2.6’dır. Bu nedenle, bağımsız grup verilerinde bir etkileşim olduğunu ve ortalama farkın yanıltıcı olduğunu gösteren hiçbir şey yoktur. Ancak bireysel kazanım puanlarını düşünürsek farklı bir örüntü ortaya çıkıyor.
Ortalama tedavi etkisi 0’dır, bu da tedavi etkisinin olmadığını gösterir. Ancak “tedavi etkisi yok” bulgusu sadece Ellen için geçerlidir. Peter 4 birim arttı (standart sapmadan fazla) ve Henry 4 birim azaldı (standart sapmadan fazla). Bu nedenle, tedavinin 3 denekten 2’sinde büyük etkileri oldu; etkileri tam tersi yöndeydi.
Bağımsız grup verilerinin analizindeki ilk adım, varyansın homojenliği için bir kontrol olmalıdır. Varyanslar farklıysa, denek etkileşimine göre bir tedavi vardır ve ortalama tedavi etkisi, bireysel denekler için tipik tedavi etkisinin çok yanıltıcı bir resmi olabilir. Varyanslar farklı değilse, bir etkileşim olabilir veya olmayabilir. Söylemek mümkün değil. Kilit sonuç, bağımsız gruplar tasarımıyla, denek etkileşimi yoluyla bir tedavi olasılığını dışlamanın asla mümkün olmadığıdır.
Ölçüm Hatası
Geleneksel varyans analizi, ölçüm hatasını göz ardı etmiştir. Gözlenen puan istatistikleri, ölçüm hatasından etkilenmemiş gibi değerlendirilir. Karışıklıkların bir kısmı, yalnızca ham puanın ana etkisinin dikkate alınmasından kaynaklanmaktadır. Popülasyon ortalama ölçüm hatası 0 olduğundan, popülasyonun gözlemlenen ortalama puanı, popülasyon ortalama gerçek puanı ile aynıdır. Bu nedenle, gözlemlenen puanlar için ham puan muamelesi ana etkisi, gerçek puanlar için ham puan muamelesi ana etkisine (beklenti olarak) eşittir. Yani, ölçüm hatası, popülasyon ham puan muamelesi ana etkisini değiştirmez.
Ancak, istatistiksel kesinlik ve güç hesaplamaları için çok önemli olan ve meta-analiz için çok önemli olan işlem etkisi parametresi, ham puan işlem etkisi değil, standart puan işlem etkisidir. Standartlaştırılmış tedavi etkisi, standart sapmaya bölünen ortalama kazançtır. Ölçüm hatası, popülasyon ortalamasını değiştirmez, ancak popülasyon varyansını arttırır.
Bu nedenle, büyütülmüş standart sapmaya bölmek oranı azaltmaktır. Yani, ölçüm hatası güç parametresinin boyutunu küçültür ve dolayısıyla gücü azaltır ve daha geniş güven aralıklarına yol açar. Ayrıca, gözlemlenen standartlaştırılmış etki boyutunun boyutunu da azaltır (meta-analiz için gereken etki boyutu).
İdeal olarak, ölçüm hatası daha iyi deneysel ölçüm teknikleri ile ortadan kaldırılmazsa azaltılacaktır. Ancak, bazı kusurlar her zaman kalacaktır. Bu nedenle, ölçüm hatası için gözlemlenen tedavi istatistiklerini düzeltmek için bir yönteme ihtiyacımız var. Bu bölümde, popülasyon istatistiklerini kullanarak düzeltme formülleri elde edeceğiz.
Bir denek içi tasarımda dört anahtar istatistik vardır: (1) ham puan tedavi etkisi, (2) ham puan etkileşimi, (3) standartlaştırılmış tedavi etkisi ve (4) standartlaştırılmış etkileşim. Her biri ölçüm hatasından farklı şekilde etkilenir.
Nüfus istatistikleri düzeyinde, denek popülasyonu genelinde ortalama ölçüm hatası 0’dır. Bu nedenle, nüfus istatistikleri için, gözlemlenen ortalama kazanç puanı, ortalama gerçek kazanç puanı ile aynıdır ve popülasyon ham puanı tedavi etkisi değildir.