DATA Analytics בסביבת MATLAB

למידע ופרטים נוספים מלאו ושלחו את פרטיכם, ואנו נחזור אליכם במהירה:


ThingSpeak היא פלטפורמת IoT שמאפשרת לאסוף נתונים ממכשירי קצה ולהעבירם בצורה פשוטה ומאובטחת לענן, ושם לבצע אנליזות מבוססות MATLAB בשימוש בכלים המוכרים לנו.  סרטון זה מציג פרוייקט IoT מבוסס ענן בסביבה המוכרת של MATLAB ועד כמה פשוט לעשות זאת באמצעות ThingSpeak.

Arduino Support in Simulink

Arduino Support in Simulink

MATLABפתרונות MATLAB לסביבת ה-IoT

ה-Internet Of Things (או IoT בקצרה) הוא רשת של חפצים פיזיים (או "דברים") המשובצים באלקטרוניקה, תוכנה וחיישנים, המאפשרים תקשורת מתקדמת בין החפצים ויכולות איסוף והחלפת מידע.

את תקשורת זו ניתן לחלק ל-3 נושאים מרכזיים:

הפתרונות הקיימים היום בסביבת MATLAB ו-Simulink תומכים במערכות IoT ע"י מתן אפשרות לפיתוח ובדיקה של רכיבי קצה, רכישה ואיסוף של מידע ולבסוף בניתוח של המידע המתקבל מחיישן ה-IoT.

בתמונה המוצגת לעיל, ניתן לראות סכימה של מערכת IoT סטנדרטית. רכיבי הקצה המצויים בשמאל התמונה מתארים חיישנים בפועל (כמו חיישני טמפרטורה, מדי קצב לב, מדי לחץ הידראולי, חיישני מערכת סלולרית ועוד) אשר רוכשים את המידע הפיסי ומשדרים אותו לרשת. במרכז התמונה ניתן לראות את מערכת איסוף המידע, האחראית על איסוף, עיבוד ושמירת המידע העצום המגיע מחיישני הקצה, אשר לרוב פזורים מבחינה גיאוגרפית. בדר"כ למערכת זו יש שליטה ויכולת לניתוח המידע, ואף לפעול בהתאם למדידות עצמן.

בחלקה הימני של התמונה מופיע הניתוח של המידע ההיסטורי. בחלק מהמקרים ניתוח זה מבוצע ב-Offline או ע"י דו"חות שמופקים לפי דרישת משתמש. המידע נשלף מתוך מערכת אגירת המידע לסביבת התוכנה על מנת לאפשר לחוקרים לבנות מודלים, להפיק תובנות ולפתח אלגוריתמים שיוטמעו על מערכת עיבוד הנתונים או על חיישני ה-IoT עצמם.

פיתוח ובדיקה של חיישני הקצה

ה"דברים" לרוב נדרשים לתקשר עם מרכז תקשורת מקומי בעזרת פרוטוקול תקשורת פיסי, כגון: Bluetooth, Zigbee ,Wi-Fi או סלולר, כגון: 4G. בעזרת MATLAB ו-Communications System Toolbox ניתן למדל ולבדוק את חיבורי התקשורת, וניתן לבדוק את הרכיב עצמו בעזרת צב"ד, שניתן לשלוט עליו ישירות מתוך MATLAB באמצעות Instrument Control Toolbox.

פיתוח ובדיקה של חיישני הקצה

סביבת Simulink תומכת במגוון רחב של מערכות חומרה אשר ניתן להשתמש בהן לבניית אבי-טיפוס ורכיבי IoT. ניתן למדל אלגוריתמים בסביבת Simulink ואז להטמיע אותם ברכיב ה-IoT ע"י יצירה אוטומטית של קוד C או HDL. בעזרת אלגוריתמים שיבצעו עיבוד ראשוני של המידע כבר על חיישן הקצה, ניתן להפחית את כמות המידע שתועבר למערכת איסוף המידע, ובכך לייעל משמעותית את פעולת המערכת.

"דברים" (חיישני קצה) רבים ממומשים כיום על גבי חומרה זולה כמו Arduino, Raspberry Pi,ARM  ובעזרת MATLAB ו-Simulink ניתן להגדיר אותם, לתכנן עבורם אלגוריתמיקה מסוימת, לשלוט על אופן פעולתם, ואף לחברם למערכות נוספות. קיימים יישומים מוכנים ומובנים מראש, ובכדי להשתמש בהם רק צריך להוריד אותם מהאתר של MathWorks או ישירות מתוך MATLAB באמצעות תפריט ה-Add-Ons שהתווסף לפני כשנתיים לתפריטים של MATLAB.

איסוף וגישה למידע ה-IoT
Introduction to ThingSpeak

Introduction to ThingSpeak

איסוף וגישה למידע ה-IoT

את כל המידע הנאסף מהחיישנים, ניתן להזרים ל-ThingSpeak, מערכת Data Aggregator אשר שירותיה ניתנים חינם ע"י חברת MathWorks. מערכת זו מוצעת כשירות בענן, וזמינה ברחבי העולם. בחשבון זה ניתן להגדיר ערוצי מידע עבור כל חיישן, וה-API הפשוט מאפשר חיבור קל ומהיר, ע"י שימוש ב-API מסוג RESTful.

קיימים מודולים מוכנים ומובנים התומכים בפיתוח רכיבי Arduino, Raspberry Pi ועוד. באתר ניתן למצוא גם מספר גדול של דוגמאות, לרבות חומרה וקטעי קוד אשר יסייעו לכם להתחיל בקלות.

הערוץ מאפשר מעבר מהיר של מידע ל-ThingSpeak, שם הוא נשמר ומנוהל.

אם המידע קיים כבר במאגר מידע מסוג אחר, או בענן פרטי, או במערכת Data Aggregator אחרת, ניתן לגשת אליה ישירות מתוך MATLAB ע"י שימוש בפקודות מובנות או ע"י שימוש ב-Database Toolbox. כלי זה מאפשר גישה לכל מאגרי המידע מסוג JDBC או ODBC, בעזרת פקודות SQL. ניתן להשתמש גם בפקודות webread ו-urlread בכדי לקרוא בקלות מידע הקיים בשירותי רשת אחרים.

ניתוח מידע מחיישני IoT לצורך בניית אלגוריתמים

Analyzing Test Data from a Worldwide Fleet of Fuel Cell Vehicles at Daimler AG

ניתוח מידע מחיישני IoT לצורך בניית אלגוריתמים

בעזרת MATLAB ניתן לנתח את המידע המגיע מחיישני IoT. כמות המידע המגיעה מחיישנים אלו הולכת וגדלה, אך קבלת תובנות ממידע זה יכולה להיות קשה. הצעד הראשון בהבנת המידע הוא ניתוח המידע ההיסטורי. לרוב נבחר לבצע מספר חישובים סטטיסטיים על המידע בכדי למצוא אנומליות, לסנן את המידע מנקודות מדידה לא תקינות, או לסנן רעש הנובע מהמדידה עצמה.

לצורך חיזוי של נקודות עתידיות והתנהגות עתידית, ניתן להשתמש בטכניקות של לימוד מכונה, המאפשרות ללמוד ולהפיק מידע ישירות מתוך המדידות, מבלי להניח מראש מודל המבוסס על משוואה. אלגוריתמים אלו הם בעלי יכולת לשיפור אדפטיבי תוך כדי פעולה, ולכן עם הזמן הם ישפרו את הביצועים ככל שמספר המדידות יגבר. MATLAB וכלי הסטטיסטיקה הנוספים מספקים פונקציות ואלגוריתמים מובנים המאפשרים יכולות לסינון המידע, ביצוע דגימה מחודשת וסינכרון בין מדידות, וכן ביצוע סיווג, רגרסיה ואישכול – פעולות נדרשות בסביבת ה-IoT. במידה וכמות המידע היא גדולה מאד, MATLAB מאפשרת אפשרות לעבודה גם בסביבת Big Data.