Εικονικές πειραματικές πλατφόρμες για ασύρματα δίκτυα αισθητήρων
Η έννοια του Internet of Things (IoT) έχει πλέον εισαχθεί στην καθημερινότητά μας, με συσκευές που ελέγχουμε μέσα από τα κινητά μας τηλέφωνα και μας ενημερώνουν για ό,τι συμβαίνει χωρίς να χρειαστεί να το ελέγξουμε οι ίδιοι. Έχουν ήδη κυκλοφορήσει μάλιστα και συσκευές που αξιοποιούν τις εξελίξεις σε...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Μορφή: | Thesis |
Γλώσσα: | Greek |
Έκδοση: |
2020
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/13145 |
id |
nemertes-10889-13145 |
---|---|
record_format |
dspace |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Εικονικοί αισθητήρες Αισθητήρες φωτεινότητας Μηχανική μάθηση Virtual sensors Light sensors Machine learning |
spellingShingle |
Εικονικοί αισθητήρες Αισθητήρες φωτεινότητας Μηχανική μάθηση Virtual sensors Light sensors Machine learning Δρακουλέλης, Μιχάλης Εικονικές πειραματικές πλατφόρμες για ασύρματα δίκτυα αισθητήρων |
description |
Η έννοια του Internet of Things (IoT) έχει πλέον εισαχθεί στην καθημερινότητά μας, με συσκευές που ελέγχουμε μέσα από τα κινητά μας τηλέφωνα και μας ενημερώνουν για ό,τι συμβαίνει χωρίς να χρειαστεί να το ελέγξουμε οι ίδιοι. Έχουν ήδη κυκλοφορήσει μάλιστα και συσκευές που αξιοποιούν τις εξελίξεις σε Artificial Intelligence (AI) τεχνολογίες, παντρεύοντάς τες με το IoT, ώστε να αυτοματοποιήσουν εντελώς τις εκάστοτε διαδικασίες. Οι δυνατότητες όμως του IoT είναι απεριόριστες και σίγουρα δεν περιορίζονται σε εφαρμογές που συναντάμε στην προσωπική μας ζωή.
Ίσως οι πιο ωφέλιμες δυνατότητες του να βρίσκονται σε βιομηχανικές εφαρμογές. Μάλιστα η προοπτική αυτή φαίνεται τόσα πολλά υποσχόμενη στον συγκεκριμένο τομέα, ώστε έχει οριστεί με την έννοια του Industry 4.0. Το Industry 4.0 περιλαμβάνει όλες τις διαδικασίες που απαιτούνται για την ενσωμάτωση των διεργασιών μιας βιομηχανίας με IoT συστήματα, με σκοπό την βελτίωσή τους σε κάθε επίπεδο. Χαρακτηριστικά παραδείγματα είναι η αύξηση της παραγωγικότητας, η μείωση των εργατικών ατυχημάτων, η μείωση της σπατάλης πόρων και η συνεισφορά της στην προληπτική συντήρηση. Ακόμα και σε περιπτώσεις που δεν είναι εμφανείς, η μελέτη των δεδομένων που παράγονται από εφαρμογές IoT μπορεί να αναδείξει δυσλειτουργίες. Δυστυχώς όμως, υπάρχουν πολλές περιπτώσεις που η υλοποίησή του παρουσιάζει πρακτικά προβλήματα. Παραδείγματα είναι η αδυναμία επέμβασης σε μηχανήματα ή χώρους, όπου, συνήθως λόγω της παλαιότητάς τους, παρουσιάζουν ασυμβατότητες που απαιτούν διαφορετική προσέγγιση. Για το λόγο αυτό γίνεται έρευνα στο χώρο των εικονικών αισθητήρων (virtual sensors) και πλατφόρμων αισθητήρων (virtual testbeds). Η συγκεκριμένη διπλωματική εργασία εστιάζει στον τρόπο με τον οποίο μπορεί να εφαρμοσθεί η συγκεκριμένη μέθοδος για την αντιμετώπιση προβλημάτων φωτεινότητας σε επαγγελματικούς χώρους μέσω εικονικών αισθητήρων. Συγκεκριμένα, παρουσιάζεται μια νέα προσέγγιση για την άμεση εκτίμηση φωτεινότητας σε σημεία ενδιαφέροντος, αξιοποιώντας αλγορίθμους εξόρυξης δεδομένων. Με την εγκατάσταση τυπικών αισθητήρων φωτεινότητας σε πιο προσβάσιμα σημεία μπορεί να γίνει αξιοποίηση των δεδομένων τους για να υπολογιστεί η αντίστοιχη φωτεινότητα στα σημεία που μας ενδιαφέρουν. Στη συνέχεια, γίνεται εφαρμογή των συγκεκριμένων τεχνικών σε διάφορους επαγγελματικούς χώρους με διαφορετικές απαιτήσεις και αποδεικνύεται η χρησιμότητα της συγκεκριμένης μεθοδολογίας. |
author2 |
Νικολετσέας, Σωτήρης |
author_facet |
Νικολετσέας, Σωτήρης Δρακουλέλης, Μιχάλης |
format |
Thesis |
author |
Δρακουλέλης, Μιχάλης |
author_sort |
Δρακουλέλης, Μιχάλης |
title |
Εικονικές πειραματικές πλατφόρμες για ασύρματα δίκτυα αισθητήρων |
title_short |
Εικονικές πειραματικές πλατφόρμες για ασύρματα δίκτυα αισθητήρων |
title_full |
Εικονικές πειραματικές πλατφόρμες για ασύρματα δίκτυα αισθητήρων |
title_fullStr |
Εικονικές πειραματικές πλατφόρμες για ασύρματα δίκτυα αισθητήρων |
title_full_unstemmed |
Εικονικές πειραματικές πλατφόρμες για ασύρματα δίκτυα αισθητήρων |
title_sort |
εικονικές πειραματικές πλατφόρμες για ασύρματα δίκτυα αισθητήρων |
publishDate |
2020 |
url |
http://hdl.handle.net/10889/13145 |
work_keys_str_mv |
AT drakoulelēsmichalēs eikonikespeiramatikesplatphormesgiaasyrmatadiktyaaisthētērōn AT drakoulelēsmichalēs virtualtestbedsforwirelesssensornetworks |
_version_ |
1771297263912484864 |
spelling |
nemertes-10889-131452022-09-05T14:05:44Z Εικονικές πειραματικές πλατφόρμες για ασύρματα δίκτυα αισθητήρων Virtual testbeds for wireless sensor networks Δρακουλέλης, Μιχάλης Νικολετσέας, Σωτήρης Νικολετσέας, Σωτήρης Γαροφαλάκης, Ιωάννης Μακρής, Χρήστος Drakoulelis, Mike Εικονικοί αισθητήρες Αισθητήρες φωτεινότητας Μηχανική μάθηση Virtual sensors Light sensors Machine learning Η έννοια του Internet of Things (IoT) έχει πλέον εισαχθεί στην καθημερινότητά μας, με συσκευές που ελέγχουμε μέσα από τα κινητά μας τηλέφωνα και μας ενημερώνουν για ό,τι συμβαίνει χωρίς να χρειαστεί να το ελέγξουμε οι ίδιοι. Έχουν ήδη κυκλοφορήσει μάλιστα και συσκευές που αξιοποιούν τις εξελίξεις σε Artificial Intelligence (AI) τεχνολογίες, παντρεύοντάς τες με το IoT, ώστε να αυτοματοποιήσουν εντελώς τις εκάστοτε διαδικασίες. Οι δυνατότητες όμως του IoT είναι απεριόριστες και σίγουρα δεν περιορίζονται σε εφαρμογές που συναντάμε στην προσωπική μας ζωή. Ίσως οι πιο ωφέλιμες δυνατότητες του να βρίσκονται σε βιομηχανικές εφαρμογές. Μάλιστα η προοπτική αυτή φαίνεται τόσα πολλά υποσχόμενη στον συγκεκριμένο τομέα, ώστε έχει οριστεί με την έννοια του Industry 4.0. Το Industry 4.0 περιλαμβάνει όλες τις διαδικασίες που απαιτούνται για την ενσωμάτωση των διεργασιών μιας βιομηχανίας με IoT συστήματα, με σκοπό την βελτίωσή τους σε κάθε επίπεδο. Χαρακτηριστικά παραδείγματα είναι η αύξηση της παραγωγικότητας, η μείωση των εργατικών ατυχημάτων, η μείωση της σπατάλης πόρων και η συνεισφορά της στην προληπτική συντήρηση. Ακόμα και σε περιπτώσεις που δεν είναι εμφανείς, η μελέτη των δεδομένων που παράγονται από εφαρμογές IoT μπορεί να αναδείξει δυσλειτουργίες. Δυστυχώς όμως, υπάρχουν πολλές περιπτώσεις που η υλοποίησή του παρουσιάζει πρακτικά προβλήματα. Παραδείγματα είναι η αδυναμία επέμβασης σε μηχανήματα ή χώρους, όπου, συνήθως λόγω της παλαιότητάς τους, παρουσιάζουν ασυμβατότητες που απαιτούν διαφορετική προσέγγιση. Για το λόγο αυτό γίνεται έρευνα στο χώρο των εικονικών αισθητήρων (virtual sensors) και πλατφόρμων αισθητήρων (virtual testbeds). Η συγκεκριμένη διπλωματική εργασία εστιάζει στον τρόπο με τον οποίο μπορεί να εφαρμοσθεί η συγκεκριμένη μέθοδος για την αντιμετώπιση προβλημάτων φωτεινότητας σε επαγγελματικούς χώρους μέσω εικονικών αισθητήρων. Συγκεκριμένα, παρουσιάζεται μια νέα προσέγγιση για την άμεση εκτίμηση φωτεινότητας σε σημεία ενδιαφέροντος, αξιοποιώντας αλγορίθμους εξόρυξης δεδομένων. Με την εγκατάσταση τυπικών αισθητήρων φωτεινότητας σε πιο προσβάσιμα σημεία μπορεί να γίνει αξιοποίηση των δεδομένων τους για να υπολογιστεί η αντίστοιχη φωτεινότητα στα σημεία που μας ενδιαφέρουν. Στη συνέχεια, γίνεται εφαρμογή των συγκεκριμένων τεχνικών σε διάφορους επαγγελματικούς χώρους με διαφορετικές απαιτήσεις και αποδεικνύεται η χρησιμότητα της συγκεκριμένης μεθοδολογίας. The concept of Internet of Things (IoT) has now been introduced into our everyday life with devices that we control through our mobile phones and inform us of what is happening without having to check ourselves. Devices that exploit developments in Artificial Intelligence (AI) technologies have already been released, marrying them with IoT, to automate the processes. However, IoT’s capabilities are unlimited and are certainly not limited to applications that we encounter in our personal lives. Perhaps its most beneficial capabilities are in industrial applications. Indeed, this prospect seems so promising that it has been defined in the sense of Industry 4.0. Industry 4.0 includes all the processes required to embody the processes of an IoT industry with the aim of improving them at every level. Typical examples are increasing productivity, reducing work-related accidents, reducing resource waste and contributing to preventive maintenance. Even in cases where it is not apparent, the study of data generated by IoT applications may indicate malfunctions. Unfortunately, however, there are many cases where its implementation presents practical problems. Examples are the inability to intervene in machines or spaces, usually due to their age, with the incompatibilities presented requiring a different approach. For this reason the area of virtual sensors and virtual testbeds is being researched. This thesis focuses on how this method can be used to address luminance problems in professional spaces through virtual sensors. In particular, a new approach for direct brightness estimation at points of interest is presented, utilizing data mining algorithms. By installing standard brightness sensors at more accessible points, their data can be used to calculate the corresponding luminance levels at the points of interest. Thereafter, specific techniques are applied to different business premises with different requirements, and the usefulness of this methodology is proven. 2020-02-06T21:27:19Z 2020-02-06T21:27:19Z 2019-09-26 Thesis http://hdl.handle.net/10889/13145 gr 0 application/pdf |