در سال 2022، به دنبال این 10 ترند اینترنت اشیا باشید

قدم بعدی ما در تحقیق و توسعه اینترنت اشیا باید در کدام مسیر برداشته شود؟

شاید این سوال شما به عنوان یک توسعه‌دهنده، محقق یا شرکت فعال در زمینه IoT باشد.

طبق نظر مشاوران، کارشناسان و یافته‌های تیم IoT Analytics، مهم­ترین ترندهای فناوری IoT در سال 2022 را در زیر قرار داده‌ایم:

 

۱. اینترنت اشیا، یک فناوری حیاتی برای اقتصاد پایدار 

در جامعه اینترنت اشیا، قابلیت دستگاه‌های متصل برای پیاده‌سازی و توسعه کاربردهایی مانند نظارت بر محیط‌، مدیریت محلی و بهینه‌سازی انرژی به خوبی شناخته شده­است. محدود بودن ارزش تجاری این کاربردها باعث کنار گذاشتن آن‌ها توسط اکثر بازیگران اصلی اینترنت اشیا شده است. فناوری IoT با تمرکز فزاینده بر ایجاد اقتصاد سبز و کاهش تغییرات اقلیمی، راه­حل­های سبز را برای شرکت­‌ها، شهرها و جوامع ایجاد می­کند. کاهش هزینه‌­های انرژی، فعال کردن استقرار از راه دور و نظارت بر نقاط خرابی، از کاربردهایی هستند که به زودی به محرک­های توسعه اینترنت اشیا تبدیل خواهند شد. هدف اصلی جامعه اینترنت اشیا باید ادغام این فناوری در انواع مدل‌های قابل رشد یک اقتصاد جهانی پایدار باشد.

مثال‌­ها

اقدامات شرکت Libelium و مدیریت محلی مبتنی بر اینترنت اشیا (به عنوان مثال شرکت‌های Dryad Networks یا Kerlink و NetOp برای مدیریت آتش و شرکت Opti برای مدیریت سیل) مثال‌­­هایی از نظارت بر محیط با استفاده از IoT هستند. از دیدگاه سیاست، ایده صنعت نسل 5 معرفی شده توسط کمیسیون اروپا، تنها در رابطه با بکارگیری فناوری‌های جدیدتر نیست، بلکه در مورد نقش فناوری‌های پیشرفته در پایداری صنعت است. نسل بعدی اتحادیه اروپا تقریباً 800 میلیارد یورو در این مورد سرمایه­گذاری کرده است که تقریباً ۳۰٪ این سرمایه­گذاری برای انرژی سبز  و ۳۰٪ برای دیجیتال می­باشد.

 

۲. استقرار پلتفرم­‌ها در لبه 

طبق تحقیقات قبلی IoT Analytics، رقابتی شدید در بین پلتفرم‌های اینترنت اشیا -که به طور جدی در سال 2015 به بازار معرفی شدند- صورت گرفته است. در سال ۲۰۲۲، اکثر ارائه‌دهندگان پلتفرم از سمت مدل‌­های فضای ابری به سمت لبه حرکت کرده‌اند و اکنون، پلتفرم‌های لبه، به‌ویژه مدل‌های صنعتی، در مراحل آغازین فعالیت خود می‌­باشند.

فناوری‌های مجازی‌ساز مانند ماشین‌های مجازی و کانتینرها، قابلیت جابه‌­جایی نرم­‌افزارها را برای فروشندگان سخت‌افزارهای پردازشی امکان‌پذیر می‌کنند. این فناوری‌ها توسط بخش‌ فناوری اطلاعات (IT) اجرا شده است، اما بخش‌ فناوری عملیاتی (OT)، همچنان از مبدل‌ها برای راه‌اندازی این نرم‌افزارها استفاده می‌کنند (به عنوان مثال، یک مبدل پروتکل برای ترجمه پروتکل‌های اترنت به یکدیگر یا یک PLC برای اجرای منطق‌های کنترلی). 

فروشندگان پلتفرم لبه بر اساس سه مورد گروه‌بندی می‌شوند؛ نوع سخت‌افزار، پلتفرم‌های فضای ابری/  اینترنت اشیا و نرم­افزارهای در لبه‌. همچنین، می‌توان فروشندگان را بر اساس کسب‌وکار اصلی آن­ها نیز گروه‌بندی کرد: فروشندگان سخت‌افزار (فروشندگان سخت‌افزار OT مانند Siemens،  Phoenix Contactو Bosch ، فروشندگان سخت­افزار IT، مانند Cisco، HPE)، فروشندگان فضای ابری (AWS، Azure) و فروشندگان نرم­افزار (Zededa، CPLANE). 

سوالی که وجود دارد این است که آیا ارائه‌­دهندگان فضای ابری بر این فضا تسلط خواهند یافت یا جایی برای فروشندگان سخت‌­افزار و استارت­آپ‌­های نرم‌­افزاری هم وجود دارد؟ اگر فضایی برای ارائه‌­دهندگان غیر ابری وجود داشته باشد، مشتریان کدام نوع پلتفرم را ترجیح می‌دهند؟ پلتفرمی را که از سخت‌افزارهای آگنوستیک پشتیبانی می‌کند (یعنی، با انواع سخت‌­افزارها سازگار باشد و داده تمام دستگاه‌ها را در یک پلتفرم جامع لبه مدیریت کند) یا پلتفرم‌هایی را که مختص یک دستگاه خاص هستند (یعنی پردازش داده­ها در لبه فقط در سخت­افزار مخصوص آن دستگاه امکان پذیر است)؟

در مورد دوم، ممکن است شاهد یک ترند فناوری اینترنت اشیا در پلتفرم‌­های در لبه­ باشیم که فقط با سخت‌افزار یک فروشنده خاص کار می­‌کنند. اگر مورد اول درست باشد، شرکت‌های نرم‌افزاری hardware-agnostic سازنده پلتفرم‌های لبه، همچنان به همکاری فروشندگان سخت‌افزاری نیاز خواهند داشت.  

مثال

در اواخر سال 2021، DELL با پلتفرم اینترنت اشیای Litmus برای پیاده‌سازی کاربردهای پردازش در لبه وارد همکاری شد تا به شرکت­ها کمک کند که اینترنت اشیای صنعتی در لبه (از جمله دستگاه­ها، برنامه­ها و داده­ها) را به صورت ایمن و منعطف اجرا کنند. 

 

۳. ابتکار در تولید با کمک اینترنت اشیای صنعتی

معمولا مهندسان به فناوری به عنوان یک راه‌حل نگاه می‌­کنند، در حالی که باید ریشه دقیق مشکلات را پیدا کنند. نقش اینترنت اشیا بسیار فراتر از SCADA (سیستم­‌های کنترل نظارتی و جمع‌­آوری داده­) است. در گذشته، یک پروژه اینترنت اشیا به سادگی یک فرآیند دیجیتالی بود اما اکنون که داده­ بیشتری در دسترس است، متخصصان تولید باید سوالات مهم‌تری را مطرح کنند؛ مثلا، «با استفاده از این حجم از داده، چه مشکلاتی را می‌توان در کسب‌وکارها حل کرد؟»

اسکادا یک سیستم کنترلی برای نظارت بر فرآیندها با جمع­‌آوری داده­ سنسورها، محرک­ها و غیره در زمان واقعی، جهت کنترل تجهیزات از راه دور می‌­باشد. IoT را می­توان گسترشی از SCADA دانست. امروزه پردازش فضای ابری به سیستم­‌های اسکادا اضافه شده­ و باعث ساده‌­تر شدن فرآیند نظارت شده است.

مثال

بسیاری از بازاریابان، تعمیرات و نگهداری قابل پیش‌بینی را یک ویژگی تاثیرگذار (اصطلاحا killer app) برای اینترنت اشیا می‌­دانند. در کنفرانس بین‌المللی تعمیرات و نگهداری سال 2021، استراتژی بین شرکت‌کنندگان و ارائه‌دهندگان، استفاده از داده‌ پروژه‌های اینترنت اشیا صنعتی در برنامه‌های تحلیل پیش‌بینی‌ بود. با تجزیه و تحلیل داده­، می‌توان مشکلات را پیش‌­بینی و اغلب به طور خودکار به یک موتور گردش کار ارسال کرد. این کار منجر به نگهداری قابل اطمینان شده و با جلوگیری از تعطیلی برنامه­‌ریزی نشده، تولید را بهینه می‌­کند. به عنوان مثال، BASF (کارخانه محصولات شیمیایی) با اضافه کردن قابلیت پیش­بینی تعمیرات به یکی از نیروگاه­‌های خود -از طریق اشنایدر الکتریک- می‌­تواند بر پست تامین برق نیروگاه و همچنین مراکز کنترل و سلامت موتورها، نظارت کند. 

 

۴. افزایش محبوبیت فضای ابری  

در حال حاضر، شرکت‌ها مهاجرت به فضای ابری را در اولویت اول خود برای چند سال آینده قرار داده‌اند. آن‌­هایی که در ابر سرمایه گذاری کرده‌­اند، به دنبال راه­‌هایی برای افزایش کارایی و قابلیت­‌های آن بوده و بقیه نیز به سرعت در حال آماده‌سازی اقدامات مهاجرت به این فضا می‌باشند. در طی دهه اخیر، بازار فضای ابری ثبات خوبی داشته و همه‌گیری کرونا نیز به طور قابل توجهی باعث رشد سریع­‌تر این بازار شده­ است. از آن­جایی که استفاده از فضای ابری در سطح زیرساخت، پلتفرم یا نرم‌افزار به یک امر عادی تبدیل شده است، صنعت شاهد موج جدیدی از نرم‌­افزارهایی است که برای مقیاس و عملکرد فضای ابری، توسعه یافته و بهینه شده‌اند. سرعت و انعطاف بیشتر این نرم‌­افزارها به افزایش قابلیت اطمینان، کاهش زمان عرضه به بازار و همچنین کاهش پیچیدگی­‌ها و هزینه‌­های زیرساختی کمک می‌کنند.

مثال

پس از موج اول همه‌گیری کووید-۱۹، مهندسان مخابرات (CSPs) از جمله اپراتورهای مخابراتی جهانی، ارائه‌دهندگان اینترنت پهن‌باند و ارائه‌دهندگان خدمات پخش ماهواره‌ای به سرعت خدمات ابری خود را ارتقا دادند تا مشکلات ناشی از افزایش بی‌سابقه تقاضا، مانند ملاقات‌های ویدئویی مجازی، را برطرف کنند. این ارتقا ساختاری، محرک بزرگی در توسعه نرم­‌افزارهای فضای ابری بوده و باعث بهبود زیرساخت های مورد نیاز برای تعمیرات و نگهداری و کاهش نظارت خواهد شد. طبق گزارش TM Forum، 38٪ از CSPها در حال اجرای استراتژی‌­های تحول دیجیتال خود در سال 2021 بودند (50٪ افزایش نسبت به سال گذشته ) که 45٪ از این استراتژی­‌ها شامل نرم‌­افزارهای فضای ابری بوده است. به عنوان مثال، در اواخر سال گذشته، شرکت Vodafone برای انجام پروژه‌های مبتنی بر 5G Standalone خود در اروپا، پلتفرم مشترکی را با همکاری شرکت vmWare توسعه داد. 

 

۵. تحول عملیاتی توسط هایپراتوماسیون (Hyperautomation)

امروزه نظر مردم این است که هوش مصنوعی، کلید تغییر هر برنامه سازمانی است؛ اما، واقعیت این است که در حال حاضر، هوش مصنوعی برای ایجاد سودمندی واقعی در سازمان، به "کاوش در حفر اطلاعات" نیاز دارد و این فناوری تنها بخشی از معادله است; بخش دیگر آن که نادیده گرفته شده­، اتوماسیون فرآیند رباتیک (RPA) می‌باشد. RPA، فناوری جدیدی است که در آن مدیریت فرآیندها با استفاده از ربا­ت‌­ها انجام شده و باعث کاهش هزینه‌­ها و زمان انجام کارها می‌­شود; در این صورت، نیروی انسانی می‌­تواند به کارهای مهم­تر دیگری رسیدگی کند. حال، زمانی که هوش مصنوعی و RPA به درستی با هم ترکیب شوند، هایپراتوماسیون صورت می­‌گیرد. 

بیماری COVID-19، باعث به وجود آمدن نقطه عطفی شد که ایمنی کارگران و فناوری‌های مورد نیاز برای حمایت از آن‌­ها در اولویت باشد. کمبود نیروی کار که قبل از همه‌گیری شروع شده بود، حالا چالش‌برانگیزتر از قبل از همه‌­گیری کرونا شده است. به همین دلیل، برای بالا بردن بازدهی و بهبود فرآیندهای کاری، استفاده از هایپراتوماسیون در همه سطوح رشد یافته است.

مثال

در برزیل، شرکت Deloitte، فرآیندهای گزارش‌­گیری­ خود را توسط RPA ادغام شده با هوش مصنوعی و از طریق چک کردن مستقیم حساب­‌ها با ارقام بانک مرکزی و به‌­روزرسانی آن­ها در لحظه، بهینه کرد. این بهینه‌سازی زمان تولید گزارش ماهانه را از دو هفته به یک ساعت کاهش داد. از طریق همین RPA هوشمند، زمان آماده‌سازی گزارش هزینه سفر ماهانه از سه ساعت به ده دقیقه کاهش پیدا کرد.

 

۶. هوش مصنوعی در لبه (نازک)

سازمان‌ها در حال بازنگری بکارگیری پردازش هوش مصنوعی در ابر یا لبه هستند. تا به حال، نرم‌­افزارهای لبه هوش مصنوعی روی دستگاه‌های در لبه پرمصرف با توان محاسباتی بالا اجرا می‌شدند؛ به طور مثال، کامپیوترهای صنعتی و روترهای در لبه. با تغییر فضا به سمت لبه نازک (Thin-Edge) می­‌توان توان محاسباتی را کاهش داد. 

توسعه­‌های فناوری لبه نازک در زیر آورده شده‌­اند:

1. توسعه در نیمه ­هادی‌­ها، باعث کاهش هزینه و مصرف انرژی قطعات الکترونیکی شده است. به این معنی که هوش مصنوعی را می­توان به کوچک­ترین سطح دستگاه نزدیک­ کرد؛ یعنی، می­‌توان بر روی دستگاه­‌های هوشمند و میکروکنترلرها (MCU)، الگوریتم­‌های هوش مصنوعی را با توان محاسباتی کم­تر قرار داد.

2. با کارآمدتر شدن الگوریتم‌­های هوش مصنوعی در ۵ سال گذشته، قدرت محاسباتی بسیار کم­تری- نسبت به چند سال قبل- برای آموزش بخش شبکه عصبی تشخیص بصری در اشیا نیاز است. با توجه به پیش‌بینی کارشناسان، توان محاسباتی در هر 16 ماه، دو برابر کاهش پیدا خواهد کرد.

مثال

در سال 2021، شرکت Renesas، از پیشگامان صنعت میکروکنترلرها، محصول جدید خود را که دارای پردازنده گرافیکی (GPU) لبه نازک می‌باشد، به خط تولید محبوب خود، RZ/V، اضافه کرد. پردازش تصویر، اصلاح رنگ مبتنی بر هوش مصنوعی و کاهش نویز برای دستگاه‌­ها در زمان واقعی، توسط این GPU فراهم شده‌اند. 

 

۷. نفوذ «هوش مصنوعی نامرئی»، در زندگی ما 

امروزه هوش مصنوعی (AI) در همه جا وجود دارد. هوش مصنوعی نه یک محصول، بلکه فناوری و حتی اختراع هم نیست. هیچ تاریخی را برای شروع و پایان کار هوش مصنوعی نمی­‌شود تعیین کرد. چون انسان از ابتدا امید به بازتولید هوش انسانی داشته و خواهد داشت، با پیشرفت فناوری‌هایی مانند قدرت محاسباتی، اینترنت، سنسورها و توسعه الگوریتم‌های ماشین لرنینگ، این امید افزایش پیدا کرده‌­است. بیش­تر از هر چیز، هوش مصنوعی یک تلاش است. آن­چه هوش مصنوعی را از سایر فناوری‌های صنعت ۴ متمایز می‌کند، توانایی آن در بکارگیری خلاقیت است. AI می‌تواند هر چیزی را که تصور می‌کنید، انجام دهد. 

به دلیل انطباق‌پذیری بالا، هوش مصنوعی می‌تواند هر صنعتی را در برگرفته و تقریباً بر هر کارکرد شغلی تأثیر بگذارد. این قضیه ممکن است برای بسیاری از مردم ناخوشایند باشد، اما باید قبول کنیم که صنایع با شناخت بهتر ما از طریق AI می­توانند خدمات بهتری نیز به ما ارائه دهند. 

مثال

در سال 2021، شرکت داروسازی آمریکایی Charles River Laboratories، همکاری خود را با گروه طراحی داروی Valence Discovery مبتنی بر هوش مصنوعی اعلام کرد. این شرکت داروسازی، قبل از تولید انبوه داروها، واکنش‌­های شیمیایی افراد پس از مصرف داروها را با کمک هوش مصنوعی مدل­سازی می­کرد. از این طریق می‌توانست عوارض هر دارو را بدون آسیب رساندن به حیوانات یا آزمون و خطا بر روی بیماران، متوجه شود؛ بدون اینکه پزشکان و بیماران بدانند که این دارو از چه طریقی ساخته شده ­است.

 

۸. ورود واقعیت افزوده (AR) و واقعیت مجازی (VR) به محیط سازمانی 

زندگی هوشمند فقط به خانه­‌ها و صنایع محدود نمی‌­شود، بلکه سازمان‌­ها هم با هوشمندسازی، به اثربخشی بهتر و عملیات اجرایی از راه دور نزدیک شده‌اند. با همه‌­گیری کرونا، توجه به انجام عملیات میدانی از راه دور افزایش پیدا کرده و سازمان‌­ها به فناوری­‌های جدید (فناوری‌­هایی مثل اینترنت اشیا و همگرایی آن با سایر تکنولوژی‌­های شبیه‌سازی محیطی (مانند Digital Twins)) روی آورده‌اند؛ البته این همگرایی، به داده زیادی احتیاج دارد که ظهور 5G، ترند شماره ۹، و محاسبات در لبه، به این همگرایی و توسعه کاربردهای VR و AR در سازمان سرعت می­‌بخشد. 

مثال­

همکاری Lufthansa Technik با Vodafone و Nokia، یک محیط IoT برگرفته ­از 5G، واقعیت افزوده و دوقلوهای دیجیتال را گرد هم می‌­آورد. طی همکاری این شرکت‌­ها، در محل تعمیرات ونگهداری یک سازمان بزرگ حمل و نقل هوایی، دو شبکه خصوصی 5G راه­‌اندازی شده­ است. با وجود این زیر ساخت، مشتریان وسایل حمل­‌ونقل هوایی می­‌توانند با کمک واقعیت افزوده و پخش ویدیو، سیستم‌­­ها را از راه دور عیب‌­یابی کنند.

 

 ۹. 5G، آماده استفاده در اینترنت اشیا

کارشناسان مصرف‌گرا، 5G را صرفاً مکانیزمی برای دانلود سریع‌تر می‌دانستند، اما قدرت اصلی 5G برای اهداف صنعتی و تجاری در شبکه‌­های خصوصی است. 5G تا پایان سال 2022، به ابزاری معمول برای بهینه‌سازی و افزایش کیفیت سیستم­‌های اینترنت اشیا تبدیل خواهد شد. 

مثال

شرکت Nokia، یک شبکه بی­سیم مستقل 5G (5G standalone) را برای کارخانه اصلی فولکس واگن در آلمان ایجاد کرده ­است. از طریق فضای ابری دیجیتال نوکیا (DAC) ، فولکس واگن می‌­تواند دستگاه‌­های هوشمند کارخانه­ خود را به صورت امن و سریع، پردازش کند. دکتر Klaus-Dieter Tuchs، برنامه‌ریز شبکه در فولکس واگن، می­‌گوید: «عملکرد بی‌سیم قابل پیش‌بینی و قابلیت‌های زمان واقعی 5G، پتانسیل بالایی برای کارخانه‌های هوشمند در آینده­ نزدیک دارند. با این استقرار آزمایشی، ما در حال بررسی امکانات 5G و همچنین ایجاد تخصص در عملیات و استفاده از فناوری 5G در زمینه صنعتی هستیم». 

 

۱۰. محبوبیت دسترسی ایمن از راه دور به دارایی‌­ها 

شرکت‌هایی که دسترسی از راه دور به تجهیزات را فعال کرده‌اند، پشتیبانی بهتری هم از سوی تامین‌کنندگان تجهیزات دریافت می­‌کنند؛ زیرا، می‌توانند داده‌ دستگاه‌ها را در زمان واقعی و از راه دور عیب‌یابی و تحلیل کنند. همچنین، با دسترسی به کارشناسان از راه دور (مثلاً، نیروهای با مهارت از کشورهای ارزان)، هزینه کم­تری هم برای نیروی کار مصرف ­می­‌کنند.

اما با افزایش دسترسی، حملات سایبری نیز افزایش می‌­یابند؛ بنابراین، شرکت‌ها باید هزینه زیادی را صرف امنیت سایبری کنند. سه مورد کاربردی از امنیت سایبری، در سال 2022، عبارت­ند از: مشاهده دارایی (asset visibility)، بازرسی عمیق بسته‌­ها (deep-packet inspection) و معماری­‌های مبتنی بر عدم اعتماد (zero trust architectures). نرم­‌افزار مشاهده دارایی، اطلاعات دقیقی در مورد تمام گره‌­ها و کاربران متصل به شبکه ارائه داده و همچنین، توانایی شناسایی سریع کاربران یا دستگاه­‌های مشکوک توسط مدیران را دارد. بازرسی عمیق بسته‌ها، در صورت مشاهده فعالیت مشکوک در پروتکل‌های صنعتی به اپراتورهای این شبکه‌ها هشدار می­‌دهد. معماری‌های مبتنی بر عدم اعتماد اساساً به ایمن بودن شبکه‌ها اعتمادی ندارند؛ به این معنی که هر کاربر، دستگاه و آدرس IP که به منبع دسترسی پیدا می‌­کند، یک تهدید به حساب می‌آید تا زمانی که خلاف آن ثابت شود. در واقع، برای دسترسی، نیاز به تایید هویت دقیق می­‌باشد.  

مثال

طبق گزارش امنیت سایبری  SANS OT/ICS، یکی از تهدیدات غالب در سال ۲۰۲۱، مربوط به سرویس­‌های دسترسی از راه دور بوده که ٪37 آن‌ها، نقطه دسترسی اولیه‌­ی حملات سایبری ذکر شده­‌اند. به دلیل افزایش چشمگیر نیاز به کاهش حملات سایبری، شرکت امنیت اینترنت اشیا کلروتی (Claroty) در سال ۲۰۲۱، تعداد کارمندهای خود را نسبت به قبل از بیماری کووید-19، 75% افزایش داده ­است.

 

منبع خبر: IoT Analytics