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.
Genelleştirilmiş Öngörülü Kontrol
GPC yöntemi Clarke ve diğerleri tarafından önerilmiştir. hem endüstride hem de akademide en popüler MPC yöntemlerinden biri haline gelmiştir. Birçok endüstriyel uygulamada başarılı bir şekilde uygulanmış olup, aşırı parametrelendirme veya yetersiz bilinen gecikmelere göre iyi performans ve belirli bir derecede sağlamlık göstermektedir. Tesisin ön bilgisine ve kontrol hedeflerine bağlı olarak kullanıcı tarafından belirtilmesi gereken makul sayıda tasarım değişkeni ile çok çeşitli tesisler için birçok farklı kontrol problemini çözebilir.
GPC’nin temel fikri, bir tahmin ufku üzerinde tanımlanan çok aşamalı bir maliyet fonksiyonunu en aza indirecek şekilde bir gelecek kontrol sinyalleri dizisini hesaplamaktır. Optimize edilecek indeks, tahmin edilen sistem çıktısı ile ufuk boyunca tahmin edilen bazı referans dizileri arasındaki mesafeyi ölçen ikinci dereceden bir fonksiyonun ve kontrol çabasını ölçen ikinci dereceden bir fonksiyonun beklentisidir.
Bu yaklaşım, Lelic ve Zarrop ve Lelic ve Wellstead tarafından, iyi bilinen kutup yerleştirme kontrolörlerinin bir uzantısı olan ve genişletilmiş ufuk kontrolörleri sınıfına ait olan genelleştirilmiş bir kutup yerleştirme kontrolörü elde etmek için kullanılmıştır.
Genelleştirilmiş Öngörülü Kontrol, aynı kavramlara dayandığı için daha önce bahsedilen diğer kestirimci kontrolörlerle ortak birçok fikre sahiptir, ancak bazı farklılıkları da vardır.
Daha sonra görüleceği gibi, analitik bir çözüm sağlar (kısıtlamaların yokluğunda), kararsız ve minimum olmayan fazlı tesislerle başa çıkabilir ve kontrol ufku kavramını ve ayrıca maliyette kontrol artışlarının ağırlıklandırılmasının dikkate alınmasını içerir. işlev. GPC için mevcut olan genel seçenekler grubu, bazıları alt kümeler veya sınırlayıcı GPc vakaları olarak kabul edilebilecek diğer yaklaşımlara kıyasla daha çeşitli kontrol hedeflerine yol açar.
Genelleştirilmiş Öngörülü Kontrol Formülasyonu
Tek girişli tek çıkışlı tesislerin çoğu, belirli bir ayar noktası etrafında ve doğrusallaştırmadan sonra çalışmayı düşünürken, ile tanımlanabilir. Burada u(t) ve y(t) tesisin kontrol ve çıktı dizisidir ve e(t) sıfır ortalama beyaz gürültüdür. A, Bant C, geri kaydırma operatörü Z-1’de aşağıdaki polinomlardır.
d, sistemin ölü zamanıdır. Bu model, Denetleyici Otomatik Gerilemeli Hareketli Ortalama (CARMA) modeli olarak bilinir. Bozulmaların durağan olmadığı birçok endüstriyel uygulama için entegre bir CARMA (CARIMA) modelinin daha uygun olduğu tartışılmıştır. Bir CARIMA modeli tarafından verilmektedir.
Basitlik için, aşağıda C polinomu 1 olarak seçilmiştir. C-l kesilebilirse, A ve B’ye soğurulabileceğine dikkat edin. Renkli gürültünün genel durumu daha sonra ele alınacaktır. Genelleştirilmiş Öngörülü Kontrol (GPc) algoritması, formun çok aşamalı maliyet fonksiyonunu en aza indiren bir kontrol dizisinin uygulanmasından oluşur.
Model Öngörülü Kontrol nedir
Model Öngörülü Kontrol Ders Notları
E {.} beklenti operatörü ve fi(t +.1 It), t zamanına kadar veriler üzerinde sistem çıktısının optimum j-adım ileri tahmini olduğunda, N1 ve Nzare minimum ve maksimum maliyetlendirme ufukları, Nu kontrol horizonu, o(.i) ve A(j) ağırlık dizileridir ve w(t +.1) (2.2)’de gösterildiği gibi hesaplanabilen gelecekteki referans yörüngesidir. 0(.1)’de 1 olarak kabul edilir ve A(j) sabit olarak kabul edilir.
Tahmine dayalı kontrolün amacı, gelecekteki tesis çıktısı y(t+ .i) w(t+ j)’ye yakın olacak şekilde gelecek kontrol dizisi u(t), u(t+1),…’yi hesaplamaktır. Bu, J(NI, Nz,Nu ) minimize edilerek gerçekleştirilir.
Maliyet fonksiyonunu optimize etmek için .1 2 N1 ve .1 ~ Nz için y(t +.i)’nin optimal tahmini elde edilecektir. Aşağıdaki Diophant denklemini göz önünde bulundurun.
Ej ve Fj polinomları benzersiz bir şekilde sırasıyla .1 – 1 ve na dereceleriyle tanımlanır. Geri kalan z-j Fj(z-l) olarak çarpanlarına ayrılana kadar 1’i A(z-l)’ye bölerek elde edilebilirler. Bölmenin bölümü, Ej(z-l) polinomudur.
Ej ve Fj polinomlarının özyinelemeli olarak elde edilebileceğini göstermek çok basittir. Diophantine denkleminin özyinelemesi gösterilmiştir. Aşağıda daha basit bir gösterim verilmiştir. Diophantine denkleminin özyinelemesine dayanmayan başka GPC formülasyonları da vardır.
Ej ve Fj polinomlarının, bölmenin geri kalanı z-jFj(z-l) olarak çarpanlara ayrılabilene kadarA(Z-I)’ye1bölünerek elde edildiğini düşünün.
GPc problemini çözmek için (2.5) denklemini optimize etmek için u(t), u(t + I), …, u(t + N) kontrol sinyalleri seti elde edilmelidir. Ele alınan sistem ölü zaman d örnekleme periyoduna sahip olduğundan, sistemin çıkışı d + 1 örnekleme periyodundan sonra u(t) sinyalinden etkilenecektir.
Horizonu tanımlayan N1, N2 ve Nu değerleriN1=d+I,N2=d+NandNu =N ile tanımlanabilir. (2.5) ifadesine eklenen terimler olarak N1 < d + 1 yapmanın bir anlamı olmadığına dikkat edin, sadece geçmiş kontrol sinyallerine bağlı olacaktır. Öte yandan, N1 > d+1 ise, en kesin olarak tahmin edilen referans dizisindeki ilk noktalar dikkate alınmayacaktır.
Beklenen çıktı dizisi [Y(t + 1), y(t + 2)”” ,y(t + N)jT, G matrisinin ilk satırına eşittir. Bu, G matrisinin ilk satırı şu şekilde hesaplanabilir: manipüle edilen değişkene bir birim adım uygulandığında tesisin adım yanıtı. Serbest yanıt terimi tarafından özyinelemeli olarak hesaplanabilir.
u’nun yalnızca ilk öğesinin uygulandığına ve prosedürün bir sonraki örnekleme zamanında tekrarlandığına dikkat edin. Verilen GPC’nin çözümü, önemli miktarda hesaplama gerektiren bir N x N matrisinin tersine çevrilmesini (veya üçgenleştirilmesini) içerir. (14]’te kontrol ufku kavramı, öngörülen kontrol sinyallerinin Nu < N’den sonra sabit olacağı varsayılarak gerekli hesaplama miktarını azaltmak için kullanılır.
Bu, hesaplama miktarını azaltan ancak GPc’nin optimalliğini sınırlayan bir Nu x Nu matrisinin tersine çevrilmesine yol açar. Bir sonraki bölümde, reaksiyon eğrisi yöntemiyle modellenebilen süreçler için kendi kendini ayarlayan GPC’yi uygulamaya yönelik hızlı bir algoritma sunulmaktadır. Hızlı GPC’ler elde etmek için Hopfield sinir ağlarının kullanımı da önerilmiştir.
Renkli Gürültü Kılıfı
(2.8) denkleminin gürültü polinomu C(z-l) 1’e eşit olmadığında, tahmin biraz değişir. Bu durumda tahmin ediciyi hesaplamak için aşağıdaki Diophantine denklemi çözülür.
Bu tahmin denkleminin, tahminleri öz yinelemeli bir şekilde oluşturmak için kullanılabileceğine dikkat edin. Optimum j-adım ileri tahmini için açık bir ifade, Diophantine denklemi çözülerek elde edilebilir.