إدماج بيانات العالم الحقيقي في نماذج سيمولنك: التقنيات ودراسات الحالات الإفرادية

إن إدماج بيانات العالم الحقيقي في نماذج محاكاة هو ممارسة حاسمة تعزز إلى حد كبير الدقة النموذجية والتحقق من صحة النماذج وإمكانية التطبيق العملي عبر التخصصات الهندسية، ومن خلال إدراج القياسات الفعلية، وقراءات الاستشعار، والبيانات التشغيلية في بيئات المحاكاة، يمكن للمهندسين أن يخلقوا نماذج أكثر واقعية تمثل النظم المعقدة وسلوكها في ظل ظروف العالم الحقيقي، ويستكشف هذا الدليل الشامل مختلف التقنيات والمنهجيات وأفضل الممارسات والتطبيقات الهندسية في عالم واقعي تقدم تكاملا حقيقيا.

فهم أهمية التكامل الحقيقي العالمي للبيانات

إن إدماج بيانات العالم الحقيقي في نماذج محاكاة النسيج يخدم أغراضاً بالغة الأهمية في تدفقات العمل الهندسي الحديثة، أولاً وقبل كل شيء، يتيح التحقق من صحة النموذج عن طريق مقارنة النواتج المحاكاة مع السلوك الفعلي للنظام، وضمان أن تعكس التمثيلات الرياضية بدقة الواقع المادي، وهذه عملية التحقق أساسية لبناء الثقة في نتائج المحاكاة قبل نشر نظم في بيئات الإنتاج.

كما أن إدماج البيانات في العالم الحقيقي ييسر تقدير البارامترات وتحديد النظم، إذ يمكن للمهندسين، عن طريق إدراج بيانات تشغيلية فعلية في نماذج، أن يربطوا بارامترات تضاهي السلوك الملاحظ، وتحسين التكوين النموذجي، وهذا النهج ذو قيمة خاصة عند التعامل مع النظم المعقدة التي قد لا تستوعب فيها النماذج النظرية جميع المعاني من تشغيل عالم حقيقي.

وعلاوة على ذلك، فإن التعلم التدريجي يمكّن نماذج التعلم الآلات من التعلم المستمر عن طريق تجهيز البيانات غير الاستبدادية الواردة من مجرى البيانات، وإنشاء نظم معلوماتية تستكمل باستمرار لدمج المعارف الجديدة مع الحفاظ على المعارف السابقة، وهذه القدرة تزداد أهمية مع تشغيل النظم في بيئات دينامية تتغير فيها الظروف بمرور الوقت.

التقنيات الأساسية لإدماج البيانات في سيمولينك

وتوفر عملية " سيمولينك " مسارات متعددة لإدماج بيانات العالم الحقيقي في نماذج، تكون مناسبة لكل منها لمختلف أنواع البيانات، والمصادر، ومتطلبات التطبيق، ويعتبر فهم هذه التقنيات وحالات استخدامها المناسبة أمرا أساسيا لتحقيق تكامل فعال للبيانات.

استخدام القفل من مكان العمل

مجموعة الفضاءات تعمل على قراءة البيانات في نموذج سيمولينك من مكان العمل وتزود البيانات كإشارة أو حافلة غير متعمدة في ناتج المبنى مما يسمح لك بتحميل البيانات من مكان العمل الأساسي أو مكان العمل النموذجي أو إخفاء مكان العمل هذا واحد من أكثر الطرق شيوعا لاستيراد البيانات إلى نماذج سيمولينك

ويمكنكم تحديد كيفية بناء المجمع الناتج من بيانات أماكن العمل، بما في ذلك فترة عينة النواتج، وضبط السلوك والاستقراء، وما إذا كان ينبغي استخدام الكشف عن طريق الصفر، والمجموعة تدعم أشكال البيانات المتعددة، مما يجعلها متباينة بالنسبة لمختلف التطبيقات.

وعند إعداد البيانات لمبنى العمل، يجب أن يكون نوع البيانات للقيم الزمنية مزدوجا، ويجب أن تزيد القيم الزمنية بصورة احتكارية، وهذا الشرط يكفل المواءمة الزمنية السليمة للبيانات أثناء المحاكاة، ويمكن للمبنى أن يعالج مختلف هياكل البيانات بما في ذلك مصفوفات، والأوقات الزمنية، والهياكل التي تحتوي على معلومات عن الإشارات والزمن.

ويدعم مجمع العمل تحميل البيانات الحقيقية والمعقدة لجميع أنواع البيانات الرقمية المُبنى وأنواع البيانات ذات النقاط الثابتة، كما يمكنك تحميل بيانات وبيانات عن سلسلة البيانات حسب الطلب أو أنواع بيانات الحافلات، وهذه المرونة تجعلها مناسبة لمجموعة واسعة من التطبيقات الهندسية.

العمل مع أهداف التايمز

وتتيح الأجسام الموجودة في سلسلة زمنية طريقة منظمة وفعالة لإدارة البيانات التي تستمد من عينات زمنية في MATLAB و Simulink. Simulink loading and logging both commonly use timeseries objects to pass time series data into and out of simulations. These objects encapsulate both time and data values along with metadata, making them ideal for complex data integration scenarios.

إنشاء الأشياء الزمانية يتضمن تحديد النواقل الزمنية والقيم الإشارة المقابلة، ثم دمجها في هيكل مر الزمن، وهذا النهج يوفر مزايا من حيث تنظيم البيانات وإدارة البيانات الوصفية والتوافق مع آليات مناولة البيانات في سيمولينك، كما أن الأجسام الموجودة في تايمز تدعم عمليات الاستقطاب وإعادة التحديث، التي يمكن أن تكون قيمة عند العمل مع البيانات التي يتم جمعها في فترات غير منتظمة.

بيانات الاستيراد من الملفات الخارجية

Many real-world applications require importing data from external files such as CSV, Excel spreadsheets, or custom binary formats. MATLAB provides extensive file I/O capabilities that can be leveraged to read data from these sources before feeding it into Simulink models. Common approaches include using functions like ]readtable, s

وبمجرد تحميل البيانات في مكان العمل في MATLAB، يمكن أن تكون مصممة بالشكل المناسب وتنتقل إلى سيمولنك باستخدام مجموعة من أماكن العمل أو غيرها من آليات استيراد البيانات، وهذا التدفق مفيد بصفة خاصة بالنسبة لتصورات تجهيز دفع البيانات التي تحتاج مجموعات البيانات المتعددة إلى تحليلها أو عندما تعمل مع البيانات القديمة المخزنة في أشكال محددة من الملفات.

تكامل قاعدة البيانات

(لتطبيقات المؤسسة وإدارة البيانات على نطاق واسع، دمج (سيمولينك) بقواعد البيانات يوفر حلاً قوياً للوصول إلى بيانات العالم الحقيقي، وقاعدة بيانات (ميتل آب) تتيح التواصل مع مختلف نظم قواعد البيانات، بما في ذلك نظام (سي كيل سيرفر) و(أوراكل) و(مايسكيل) وغيرها، ويمكن للمهندسين أن يُجروا الاستفسارات اللازمة لاسترجاع البيانات ذات الصلة، وتجهيزها في نظام MATLAB، وإطعامها في نماذج محاكاة.

ويكتسب تكامل قاعدة البيانات أهمية خاصة في السيناريوهات التي تنطوي على تحليل تاريخي للبيانات، حيث يلزم الوصول بصورة منهجية إلى كميات كبيرة من البيانات التشغيلية، كما يدعم التطبيقات في الوقت الحقيقي حيث يُستفسر عن القياسات الحديثة من قواعد البيانات لإعلام سلوك المحاكاة.

بيانات المرحلة الحقيقية

ويمكن الآن لنموذج المحاكاة الناتج أن يتواصل مع أي تطبيق آخر لنظام الديموغرافيا، إما لنشر نتائج المحاكاة على الشبكة أو لإطعام نموذج المحاكاة ببيانات آنية من الميدان، وهذه القدرة ضرورية للتطبيقات التي تتطلب تكاملا حيا للبيانات، مثل اختبار المعدات في المواقع أو نظم الرصد على الإنترنت.

يمكن إدماج مدونة البرمجيات المتعددة المؤشرات مع اللغات والتكنولوجيات الأخرى بما فيها نظام فورتكس دي إس، مما يتيح لك تغذية تطبيقاتك وحساباتكم ببيانات في الوقت الحقيقي من نظم إنتاجكم ونشرها على العصر أو في السحاب، وهذا التكامل يتيح تركيبات محاكاة متطورة موزعة حيث تتبادل النظم المتعددة البيانات في الوقت الحقيقي.

منهجيات تكامل البيانات المتقدمة

دائرة توزيع البيانات

وبالنسبة للنظم الموزعة المعقدة، توفر دائرة توزيع البيانات حلا قويا في إطار المنتصف لتبادل البيانات في الوقت الحقيقي، ويمكنك بفضل نظام فورتكس دي دي إس تحقيق التكامل بين النظم بما في ذلك تطبيقات MATLAB/Simulink القائمة على أساس متعدد الأشكال، وبناء حيز بيانات عالمي واسع الانتشار، وتوحيد أطر الاختبارات والتبسيط التي ستعالجها وتديرها في الوقت الحقيقي، دون نقطة فشل واحدة، وجميع بياناتك القيمة.

وتوفر وحدة إدماج الديموغرافيا - النسيج مكتبة مخصصة لبنات البناء لنموذج الـ دي دي دي دي إس تتفاعل في نموذج سيمولينك حيث يمثّل كل كيان من كيانات دي دي دي دي إس، مثل النشرات/الكتابات والمقرّرين/الكتاب والموضوعات، ببندقية مكرسة في نموذج سيمولينك، ويتيح هذا الهيكل الاتصال غير المستقر بين نماذج سيمولينك وغيرها من التطبيقات القابلة للتداول.

شبكات الظواهر العصبية المُطلعة على الفيزياء

وينطوي النهج الناشئ لتكامل البيانات على الجمع بين الأساليب التي تحركها البيانات مع القيود الفيزيائية، وأدمجت شبكة للظواهر العصبية المزودة بالمعلومات الفيزيائية لتوحيد التعلم القائم على البيانات مع القيود المادية، باستخدام البيانات الفيزيائية المرتكزة على المراقبة، كما أن هذا النهج الهجين يحفز على نقاط قوة البيانات التجريبية والنماذج النظرية.

وكشف التحليل المقارن أن نماذج خطط الإدارة البحرية المتعددة الجنسيات توفر سرعة ودقة أعلى للتنبؤ بالعمليات، في حين أن إطار شبكة المعلومات الوطنية تحتفظ بالاتساق المادي مع الأداء التنبؤي التنافسي، وهذا التوازن بين الكفاءة الحاسوبية والواقعية المادية يجعل نظم المعلومات الأساسية جذابة بشكل خاص للتطبيقات الهندسية المعقدة.

التعلم الإضافي للنموذجين التكيفيين

وباستخدام كتل محاكاة متحركة في صندوق الإحصاء والتعلم الماكني، يمكن أن تدمج التعلم التدريجي في تصميم النظم الهندسية المعقدة للمعارف الصناعية، مثل تصميم أجهزة الاستشعار الافتراضية، وتسمح هذه القدرة بأن تتكيف باستمرار مع توافر بيانات جديدة، مع الحفاظ على أهمية تغير البيئات التشغيلية.

ومع صندوق الإحصاء والتعلم الماكين، يمكنك اكتشاف الانجراف المفاهيمي لنماذج التعلم التدريجي، أي الكشف عن الوقت الذي تغيرت فيه البيانات بحيث لا يكون النموذج صالحاً، ويمكنك تلقائياً أن تولد رمزاً للتعلم التدريجي من الفئة جيم ++، وهذا يشمل دعم نشر النماذج التكيّفية في بيئات الإنتاج.

المصادر المشتركة للبيانات المتعلقة بالتكامل في سيمولينك

قياسات الاستشعار ونواقص التأثير

وتمثل بيانات الاستشعار أحد أكثر المصادر شيوعا للمعلومات في العالم الحقيقي بالنسبة لنماذج سيمولنك، وتولد أجهزة الاستشعار الحديثة مسارات مستمرة من القياسات، بما في ذلك درجة الحرارة، والضغط، ومعدلات التدفق، والتسريع، وكميات مادية أخرى لا حصر لها، ويمكِّن إدماج هذه البيانات في سيمولينك من التحقق من خوارزميات التحكم، وتحديد النظم، وتطبيقات الصيانة المتوقعة.

وكثيراً ما تتواصل أجهزة الاستشعار والشبكات المستشعرة باستخدام بروتوكولات موحدة مثل MQTT أو OC UA أو Modbus. وتوفر شركة MATLAB مجموعات دعم ومجموعات أدوات للتداخل مع هذه البروتوكولات، مما يتيح الحصول على البيانات المباشرة من شبكات الاستشعار الموزعة إلى نماذج سيمولينك.

CSV and Excel Files

ملفات القيمة المفصّلة عن البيانات وصحائف الإكسبيل لا تزال أشكالاً مبرّرة لخزن وتبادل البيانات الهندسية، وهذه الأشكال شائعة بشكل خاص بالنسبة للبيانات التجريبية ونتائج الاختبار والسجلات التاريخية، وقدرة قراءة الملفات القوية التي توفرها شركة MATLAB تجعل من المستقيم استيراد البيانات من هذه المصادر، وتجهيزها حسب الحاجة، وإطعامها في نماذج مبسطة.

وعند العمل مع ملفات كبيرة من ملفات CSV أو Excel، تصبح الاعتبارات المتعلقة بإدارة الذاكرة وتجهيز البيانات أمراً هاماً، وقد تكون التقنيات مثل القراءة المقطعة، وتصفية البيانات، وأخذ العينات المخفضة ضرورية لمعالجة مجموعات البيانات التي تتجاوز الذاكرة المتاحة أو تحتوي على تفاصيل أكثر مما هو مطلوب لأغراض المحاكاة.

نظم قواعد البيانات

نظام قاعدة بيانات المؤسسات يعمل كمخازن مركزية للبيانات التشغيلية عبر العديد من الصناعات قواعد بيانات (المقر) و نظم (رقم SQL) و قواعد بيانات السلاسل الزمنية كل منها توفر مزايا مختلفة لخزن واسترجاع بيانات العالم الحقيقي

ويعد تكامل قاعدة البيانات أمراً بالغ الأهمية بالنسبة للطلبات التي تتطلب الوصول إلى الاتجاهات التاريخية، أو التحليل الإحصائي للأداء السابق، أو ربط مسارات البيانات المتعددة التي يتم جمعها على مدى فترات ممتدة، وقدرة تنفيذ الاستفسارات المعقدة والانضمام إلى البيانات من جداول متعددة على التمكين من حدوث تدفقات عمل متطورة لإعداد البيانات.

سلسلة البيانات الحية ونظم التوقيت الحقيقي

ويمثل تكامل البيانات في الوقت الحقيقي أكثر فئات مصادر البيانات المطلوبة، مما يتطلب تدفقا مستمرا للبيانات بأقل قدر من الكفاءة، وتتوقف تطبيقات مثل اختبار المعدات في المواقع، والتحسين على الإنترنت، والرصد في الوقت الحقيقي على القدرة على معالجة مسارات البيانات الحية في نماذج سيمولينك.

وتوفر هذه الأدوات، التي تتزامن مع مصادر البيانات الخارجية، قدرات متخصصة لاقتناء البيانات وتجهيزها في الوقت الحقيقي، وتتيح التنفيذ المحدد للنماذج المتزامنة مع مصادر البيانات الخارجية، وضمان أن تعكس عمليات المحاكاة بدقة ولايات النظام الحالي وأن تستجيب على النحو المناسب للظروف المتغيرة.

SCADA and Industrial Control Systems

وتسود نظم مراقبة ومراقبة البيانات وتجميعها في مجال التشغيل الآلي الصناعي، وتوليد الطاقة، ومعالجة المياه، وغير ذلك من تطبيقات الهياكل الأساسية، وتجمع هذه النظم كميات كبيرة من البيانات التشغيلية التي يمكن أن تكون قيمة بالنسبة للتثبت من صحة النماذج وتحقيق الاستخدام الأمثل، وتُمكِّن إدماج بيانات الوكالة في عملية سيمولينك المهندسين من تحليل أداء النظام، واستراتيجيات مراقبة الاختبارات، والتنبؤ بالسلوك المستقبلي القائم على الأنماط التاريخية.

تجهيز البيانات وتكييفها

معالجة البيانات والخارجات المفقودة

وكثيرا ما تتضمن بيانات العالم الحقيقي أوجه قصور تشمل القيم المفقودة، والأخطاء الخارجية، وأخطاء القياس، وقبل إدماج هذه البيانات في نماذج سيمولينك، فإن المعالجة المسبقة الملائمة ضرورية، وتشمل تقنيات معالجة البيانات المفقودة الإنتربول، والتعبئة الأمامية، والتعبئة الخلفية، أو إزالة السجلات غير الكاملة حسب متطلبات التطبيقات وخصائص البيانات.

كما أن الكشف عن المواد المعالجة وعلاجها يتسمان بنفس القدر من الأهمية، حيث أن القياسات الشاذة يمكن أن تشوه نتائج المحاكاة بشكل كبير، فالطرق الإحصائية مثل التحليلات الأساسية، أو تحديد نطاقات المواصفات، أو قواعد التحقق المحددة حسب المجالات يمكن أن تحدد نقاط البيانات المشتبه فيها، وتشمل خيارات المعالجة إزالة البيانات أو استبدالها بقيم متداخلة، أو تحديد علامات لإجراء استعراض يدوي.

إعادة التوحيد والتسلسل

وكثيرا ما تصل البيانات المستمدة من مصادر مختلفة إلى معدلات مختلفة لأخذ العينات أو إلى توقيت غير منتظم، إذ يمكن تقنيات إعادة العينة تحويل البيانات إلى خطوات زمنية موحدة مناسبة لمحاكاة البولينك، ويمكن أن يؤدي التوسع عن طريق الاستقراء إلى زيادة التسوية الزمنية للبيانات المتفرقة، في حين أن خفض العينات عن طريق التحلل أو التحلل يمكن أن يقلل من العبء المحسوب عندما تكون التفاصيل عالية التردد غير ضرورية.

وعند إدماج مسارات البيانات المتعددة، يصبح التتزامن الزمني أمراً بالغ الأهمية، وضمان أن تكون القياسات من مختلف أجهزة الاستشعار أو المصادر متسقة بشكل سليم في الوقت المناسب، تحول دون وجود ارتباطات راقية وتحافظ على الاتساق المادي في النموذج، وتكنولوجيات مثل مواءمة الزمان، وتحليل التصحيح، ودعم تحويل قاعدة زمنية متزامنة.

خفض عدد المواضع والمصابين

وتحتوي قياسات الاستشعار باستمرار على ضوضاء من مصادر مختلفة، بما في ذلك التدخل الكهربائي، وآثار الكمية، والعوامل البيئية، وتقنيات التصوير مثل متوسطات التحرك، والمرشحات المنخفضة، ومرشحات كالمان، أو مصفوفات الموجات يمكن أن تحسن نوعية الإشارة قبل إدخال البيانات نماذج سيمولينك، ويعتمد اختيار طريقة التصفية على خصائص الضوضاء، وثبات الإشارة، والتساهل المقبول.

ويجب الحرص على تجنب التصفية المفرطة، التي يمكن أن تزيل سمات الإشارة الحقيقية أو تستحدث تشوهات في المرحلة تؤثر على السلوك الدينامي، فهم محتوى الترددات في كل من الإشارات والضوضاء يرشد تصميم مرشحات مناسبة وشبهات.

تحويل الوحدة وزيادتها

بيانات العالم الحقيقي قد تصل إلى وحدات أو جداول مختلفة تختلف عن تلك المستخدمة في نماذج سيمولينك التحويل المنتظم للوحدة يضمن الاتساق ويمنع الأخطاء

وقد يكون التوسع والتطبيع مفيدا أيضا، لا سيما عند إدماج البيانات في نماذج التعلم الآلاتي أو عند التعامل مع الإشارات ذات الحجم المختلف إلى حد كبير، ويمكن أن يؤدي التوسع القياسي، أو التطبيع الدقيق، أو اتباع نهج للتوسيع على نطاق محدد إلى تحسين التكييف الرقمي والأداء النموذجي.

أفضل الممارسات لإدماج البيانات

تقييم البيانات وضمان الجودة

وتنفيذ إجراءات قوية للتحقق من البيانات أمر أساسي لتحقيق نتائج محاكاة موثوقة، وينبغي أن تتحقق عمليات التحقق من مدى البيانات، والقابلية للتنبؤ المادي، والاتساق الزمني، والكمال، ويمكن أن تبرز نصوص التحقق الآلي المسائل المحتملة قبل دخول البيانات إلى بيئة المحاكاة، ومنع سيناريو التخلص من النفايات.

وتوثيق مصادر البيانات، وخطوات التجهيز الأولي، ومعايير التحقق تدعم إعادة الإنتاج والتشويه، كما أن الاحتفاظ ببيانات مستوفية عن اثبات البيانات، وأساليب جمع البيانات، والقيود المعروفة يساعد المستعملين على فهم سياق البيانات المتكاملة واستخدامها على النحو المناسب.

الأداء على الوجه الأمثل

يمكن أن تؤثر مجموعات البيانات الكبيرة على أداء المحاكاة، خاصة عندما يجب تداخل البيانات أو تجهيزها خلال كل خطوة زمنية للمحاكاة، وتشمل استراتيجيات التفعيل الأمثل بيانات التجهيز الأولي لمواءمة خطوات المحاكاة الزمنية، واستخدام هياكل البيانات الفعالة، والتقليل إلى أدنى حد من النسخ غير الضروري للبيانات، وينبغي تشكيل أطر الإنتربول الخاصة بمبنى العمل على النحو المناسب لتحقيق التوازن بين الدقة والكفاءة الحسابية.

وبالنسبة لمجموعات البيانات الكبيرة جدا، لا ينظر في تحميل سوى النافذة الزمنية أو المنطقة المكانية اللازمة بدلا من مجموعة البيانات بأكملها، ويمكن لنهج تحميل البيانات الإضافية أو اتباع نهج تتدفقها أن تقلل من آثار الذاكرة مع الحفاظ على إمكانية الحصول على المعلومات المطلوبة.

التحكم في النسخ وإعادة الإنتاج

:: الحفاظ على مراقبة النسخ لكل من النموذج والبيانات يكفل إعادة إنتاج نتائج المحاكاة، وفي حين أن الملفات النموذجية تناسب بطبيعة الحال نظم مراقبة النسخ مثل نظام غيت، فإن ملفات البيانات الكبيرة قد تتطلب معالجة متخصصة من خلال نظام غات LFS (خزن الملفات الكبيرة) أو نظم منفصلة لإدارة البيانات، وتوثيق واضح تتطابق معه نسخ البيانات التي تمنع الخلط بين النسخ النموذجية وتدعم إمكانية التعقب.

:: تدقيق سير العمل على أن تحميل البيانات آليا، وتجهيزها مسبقا، وتشكيلة النماذج يعزز من إعادة إنتاجها عن طريق إزالة الخطوات اليدوية التي يمكن أن تُنفذ بشكل غير متسق، ويمكن التحكم في النصوص أو المهام التي تتضمن خط أنابيب تكامل البيانات بأكمله إلى جانب النماذج.

معالجة الأخطاء والسطو

وتشمل عمليات التنفيذ الصارخة لتكامل البيانات معالجة الأخطاء الشاملة في سيناريوهات مثل الملفات المفقودة، والبيانات الفاسدة، أو إخفاقات الشبكة، أو أشكال البيانات غير المتوقعة.

وتتيح نواتج التوسيع والتشخيص إبراز عمليات تكامل البيانات، ودعم التشويه والرصد، وتسجيل المعلومات عن مصادر البيانات التي يتم الوصول إليها، والمعالجة المسبقة، وأي مسائل تصادفها، يخلق مساراً لمراجعة الحسابات قيماً لكشف المشاكل وضمان الجودة.

دراسات الحالة والتطبيقات العالمية الحقيقية

رصد العملية الصناعية ومراقبتها

وفي تطبيقات مراقبة العمليات الصناعية، يتيح إدماج بيانات الاستشعار من معدات الإنتاج في نماذج سيمولينك الرصد في الوقت الحقيقي، وكشف الأخطاء، وتحقيق الاستخدام الأمثل، ويشمل النهج المشترك استخدام مجمع " من مكان العمل " لاستيراد بيانات العمليات التاريخية من أجل تطوير خوارزميات التحليل خارج الخط، كما يمكن للمهندسين اختبار استراتيجيات الرقابة على الاضطرابات المسجلة وظروف التشغيل قبل نشرها في النظم الفعلية.

وبالنسبة للتطبيقات في الوقت الحقيقي، تغذي تدفقات البيانات الحية من نظم الرقابة الموزعة في نماذج سيمولينك التي تعمل على معدات مخصصة، وتدعم هذه التشكيلة تقنيات المراقبة المتقدمة مثل الرقابة التنبؤية النموذجية، حيث يستكمل النموذج باستمرار استنادا إلى القياسات الحالية ويحسب إجراءات الرقابة المثلى، وقدرة التحقق من صحة الخوارزميات الرقابية على البيانات التشغيلية الحقيقية تقلل كثيرا من وقت التكليف وتحسن الأداء.

التنبؤ بالطاقة الفائزة والتعظيم

A comprehensive hybrid forecasting framework synergizes machine learning algorithms, MATLAB Simulink-based physical modeling, and Physics-Informed Neural Networks to advance wind power prediction accuracy for a Wind Energy Conversion System, using a complete annual dataset of 8,760 hourly wind speed observations from the MERRA-2 platform.

وقد وضع نموذج مركب مفصّل للنموذج MATLAB في نفس الوقت لتكرار السلوك التربوي في ظروف الرياح المتطابقة، ماديا، مما يوفر التحقق القوي من التنبؤات المتعلقة بمكافحة غسل الأموال، وهذا التكامل بين بيانات الأرصاد الجوية في العالم الحقيقي والمحاكاة الفيزيائية يدل على قوة الجمع بين القياسات التجريبية والنماذج النظرية.

وتبين دراسة حالة الطاقة الريحية كيف يمكن إدماج مصادر البيانات المتعددة ونُهج النماذج في إطار موحد، وتُسترشد بيانات الرياح التاريخية بنماذج التعلم الآلاتي، بينما توفر شركة سيمولنك التحقق من صحة البيانات الفيزيائية وتعالج السيناريوهات التي قد تكون فيها النماذج الموجهة نحو البيانات أقل موثوقية.

تطوير النظم الآلية

تعتمد هندسة السيارات اعتماداً كبيراً على إدماج بيانات العالم الحقيقي في نماذج سيمولينك لتطوير الطاقة، وتحليل ديناميات المركبات، ونظم المساعدة المتقدمة في السائقين، ويمكن استيراد بيانات مسار الاختبار، بما في ذلك إحداثيات النظام العالمي لتحديد المواقع، وسرعة المركبات، والتسريع، وقراءات الاستشعار، إلى سيمولينك لإعادة صياغة سيناريوهات القيادة والتحقق من صحة المقاييس المرجعية للتحكم.

ويمثل اختبار البرمجيات الصلبة في الموقع تطبيقاً حاسماً آخر يكون فيه تكامل البيانات في الوقت الحقيقي أمراً أساسياً، إذ أن وحدات المراقبة الإلكترونية قيد التطوير تربط نماذج محاكاة المركبات أو سلوك المحرك أو الظروف البيئية، وتظهر إشارات الاستشعار من وحدة النقد الأوروبية إلى النموذج، الذي يستجيب للقياسات المحاكاة المناسبة، ويهيئ بيئة اختبار مغلقة دون أن يتطلب مركبة مادية كاملة.

محاكاة الطيران الفضائي الجوي

وتدمج التطبيقات الفضائية الجوية بيانات اختبار الطيران وقياسات الأنفاق الريحية والمقاييس عن بعد في نماذج محاكاة لتصميم الطائرات، وتطوير نظام مراقبة الرحلات الجوية، وتخطيط البعثات، وتتحقق بيانات التحليق الحقيقي من النماذج الدينامية الهوائية، والديناميات الهيكلية، وتمثّل نظام الدفع، بما يكفل أن تتنبأ المحاكاة بدقة بسلوك الطائرات عبر مظروف الطيران.

إن إدماج البيانات الجوية في العالم الحقيقي، بما في ذلك موجزات الرياح، وتغيرات درجة الحرارة، وقياسات الاضطراب، يتيح وضع نماذج بيئية واقعية، وتدعم هذه القدرة عمليات محاكاة التدريب التجريبي، وتطوير الطيار الآلي، وتحليل حوادث الطيران التي يكون فيها فهم التفاعل بين نظم الطائرات والظروف البيئية أمرا بالغ الأهمية.

Power Grid Analysis and Smart Grid Applications

وتولد نظم الطاقة الكهربائية كميات هائلة من البيانات التشغيلية من نظم الوكالة، ووحدات قياس العجلات، والمترات الذكية، مما يتيح إدماج هذه البيانات في نماذج شبكات الطاقة في سيمولينك تحليل استقرار النظم، والتنبؤ بالكميات، وتكامل الطاقة المتجددة، وتسترشد ملامح الحمولة التاريخية بنماذج الطلب، بينما تدعم القياسات في الوقت الحقيقي تقدير الدولة وتحليل الطوارئ على الإنترنت.

وتُنشئ تطبيقات شبكة الذكاء التي تستفيد بشكل خاص من تكامل البيانات، حيث توزع موارد الطاقة والمركبات الكهربائية وبرامج الاستجابة للطلب نظماً معقدة ودينامية، وتُنشئ نماذج مبسطة تضم أنماط استهلاك حقيقية، وملامح للجيل، وظروفاً شبكية، وتدعم تحقيق الحد الأمثل من استراتيجيات إدارة الطاقة وتقييم مبادرات تحديث الشبكة.

تجهيز الإشارات الطبية الحيوية

وكثيرا ما تنطوي عملية تطوير الأجهزة الطبية والبحوث الطبية البيولوجية على إدماج الإشارات الفيزيائية في نماذج سيمولينك، ويمكن استيراد البيانات المتعلقة بالقلب الكهرومغناطيسي، وقياسات ضغط الدم، ومستويات الغلوكوس، والعلامات الأحيائية الأخرى من أجل تطوير الخوارزميات، واختبار الأجهزة، والتحقق من نظام دعم القرارات السريرية.

بيانات المريض الحقيقي تسمح بفحص الخوارزميات التشخيصية ضد الظروف الفيزيولوجية المختلفة و الأمراض، قدرات (سيمولينك) في معالجة الإشارات، مقترنةً بـ تطوير بيانات طبية في العالم الحقيقي

الأجهزة الآلية والنظم المستقلة

وتدمج التطبيقات الآلية بيانات الاستشعار من الكاميرات، وسجلات الليدمار، ووحدات الرصد الدولية، وغيرها من نظم التصور في نماذج سيمولينك لتطوير واختبار الخوارزميات، وتوفر بيانات الاستشعار في العالم الحقيقي التي يتم استخلاصها أثناء عمليات الروبوت الحقيقة الأساسية للتحقق من خوارزميات التصور، وتخطيط المسارات، واستراتيجيات المراقبة.

فالاختبار القائم على المحاكاة باستخدام بيانات الاستشعار الحقيقي يتيح تقييم النظم المستقلة عبر سيناريوهات قد تكون صعبة أو خطرة أو مكلفة لاستنساخها مادياً، وهذا النهج يعجل بدورات التنمية ويحسن قدرة النظام على الارتداد بتعريف الخوارزميات إلى درجة تعقيد وتقلب الظروف في العالم الحقيقي.

إدماج مدمجين في نظام المعلومات الإدارية المتكامل ونظام إيدج للحساب الإلكتروني

(أ) منظمة العفو الدولية، وهي إدماج الاستخبارات الاصطناعية والنظم المدمجة، تتيح الأجهزة تجهيز البيانات واتخاذ القرارات محلياً، وتعزيز الكفاءة، والحد من الحماسة، وتحسين خبرة المستعملين، وهذه النموذج أصبح أكثر أهمية بالنسبة لتطبيقات سيمولينك حيث يجب أن تعمل النماذج على معدات مزودة بالموارد.

ويمكنك أن تُنشئ مدونة واضحة للمصدر C/C++ بدون اعتماد على نظام برمجيات المقارنات بين الفينول الخماسي الكلور والمتحكمين بالميكرويين، ورمز CUDA الخاص بوحدات استخدام البيانات العالمية في وكالة الأنباء الوطنية، ورمز فيريولوجيل وVHDL لأجهزة تكييف البيانات وأجهزة تكييفها، كما يمكنك الضغط على نماذج خفض التكاليف الحسابية التي تُستحدث من خلال تنفيذ نماذج البرمجيات أو إنتاجها.

ويخلق إدماج بيانات العالم الحقيقي مع تدفقات العمل المدمجة في إطار التنفيذ المتكامل خطاً كاملاً من جمع البيانات من خلال وضع النماذج والتحقق منها ونشرها، ويمكن لأجهزة الدمج أن تجهز بيانات الاستشعار المحلية باستخدام النماذج التي وضعت وتم التحقق منها في سيمولينك، مما يتيح السلوك الذكي دون ربط مستمر بالموارد السحابية.

التحديات والحلول في مجال تكامل البيانات

حجم البيانات وضبطها الحاسوبي

ويمكن أن تولد أجهزة الاستشعار الحديثة ونظم اقتناء البيانات بيانات بمعدلات تحد من الموارد الحاسوبية، وقد تتجاوز القياسات العالية التردد والصور العالية الاستبانة والبيانات المستمدة من صفائف الاستشعار الكبيرة قدرة الذاكرة أو تبطئ المحاكاة على السرعة غير العملية، وتشمل الحلول أخذ العينات الذكية، واستخراج المناطق ذات الفائدة، واتباع نهج حسابية موزعة توزع البيانات أو توزع عبر عدة نواة.

يمكن للموارد الحاسوبية السحابية أن تزيد القدرات المحلية على التطبيقات المتطلبة بشكل خاص، ملامح الحاسب الآلي الموازية و التكامل السحابي تمكن من زيادة عبء عمل تجهيز البيانات ومحاكاة ما يتجاوز ما يمكن أن تتعامله محطات العمل الوحيدة.

أمن البيانات وخصوصيتها

وعند إدماج بيانات العالم الحقيقي، ولا سيما من النظم التشغيلية أو التي تتضمن معلومات حساسة وأمناً وخصوصية، يصبح من الأمور ذات الأهمية القصوى، إذ إن عملية فرز البيانات في مكان الراحة وفي المرور العابر، ومراقبة الدخول، وقطع الأشجار لأغراض مراجعة الحسابات تساعد على حماية المعلومات الحساسة، وقد يكون من الضروري استخدام تقنيات الكشف عن الهوية أو توليد البيانات الاصطناعية عند العمل مع المعلومات التي يمكن التعرف عليها شخصياً أو البيانات التشغيلية الخاصة بالملكية.

وقد يفرض الامتثال لأنظمة مثل الناتج المحلي الإجمالي، أو برنامج العمل الإنساني الدولي، أو المعايير الخاصة بالصناعة، متطلبات إضافية بشأن مناولة البيانات وتخزينها وتجهيزها، ويمنع تنفيذ الضمانات المناسبة منذ البداية قضايا الامتثال ويحمي كلا من موضوعات البيانات ومنظماتها.

شكل البيانات

وتأتي بيانات العالم الحقيقي في أشكال عديدة، من البروتوكولات الموحدة إلى أشكال مأمونة الملكية، ويتطلب تطوير صالونات قوية ومحولات لمختلف أشكال البيانات بذل جهد كبير، ولكنه ضروري لتحقيق تكامل مرن للبيانات، كما أن الاستفادة من المكتبات والأدوات القائمة حيثما توافرت تقلل من وقت التنمية، في حين قد تكون أجهزة تكييف المقاييس ضرورية للصيغ المتخصصة أو القديمة.

ويمكن لجهود توحيد المعايير داخل المنظمات أو الصناعات أن تقلل من التباين في الشكل بمرور الوقت، واعتماد أشكال وبروتوكولات مشتركة لتبادل البيانات يبسط التكامل ويحسن التشغيل المتبادل بين النظم والأدوات.

التألق المؤقت والضرر

إن ضمان المواءمة الزمنية السليمة للبيانات المستمدة من مصادر متعددة يمثل تحديات تقنية ومفاهيمية على السواء، ويمكن أن تؤدي قضايا تزامن القفل، وتأخر الشبكات، والتأخيرات في المعالجة إلى حدوث أخطاء في التوقيت تؤدي إلى نتائج التحليل الفاسدة.

ويعد فهم العلاقات السببية بين الإشارات أمراً حاسماً لسلوك نموذجي صحيح، وضمان أن يكون هذا السبب مسبّقاً في البيانات المتكاملة يحول دون استجابات نموذجية غير فيزيائية، ويدعم الاستنتاجات الصحيحة من نتائج المحاكاة.

الاتجاهات المستقبلية في تكامل البيانات

التوائم الرقمية والنظم السيبرية - الفيزياء

وتمثل التكنولوجيا الرقمية المزدوجة تطورا في تكامل البيانات حيث تحافظ النماذج الافتراضية على تزامن مستمر مع الأصول المادية من خلال تبادل البيانات ذات الاتجاهين، وتُستخدم نماذج التبسيط كقاعدة حسابية من التوأم الرقمي، وتجهيز البيانات في الوقت الحقيقي من النظم المادية، وتوفير التنبؤات، والتوقعات المثلى، والتحليلات التي تُجرى في حال حدوثها.

ومع تزايد الاعتماد المزدوج الرقمي عبر الصناعات، سيزداد تطور تكامل البيانات على نحو مطابق لذلك، ويضم التوأم الرقمي المتقدم مصادر بيانات متعددة، ويستكمل البارامترات النموذجية تلقائيا استنادا إلى السلوك الملاحظ، ويوفر معلومات عملية عن العمليات والصيانة.

AI-Driven Data Integration and Model Adaptation

وتطبق الاستخبارات الفنية بشكل متزايد على آلية عمليات تكامل البيانات وتحقيق أقصى قدر ممكن من ذلك، ويمكن أن تحدد خوارزميات التعلم الآلات استراتيجيات التجهيز الأمثل، وكشف وتصحيح المسائل المتعلقة بجودة البيانات، بل أن تقترح تعديلات نموذجية تستند إلى أوجه التباين الملحوظة بين المحاكاة والواقع.

ويقلل معايرة النموذج الآلي باستخدام بيانات العالم الحقيقي من الجهد اليدوي اللازم لربط النماذج المعقدة، ويقلل من الحيز المتاح من البارامترات المستخدمة في التخصيب إلى أدنى حد من الاختلافات بين النواتج النموذجية والبيانات المقاسة، وينتج نماذج مثبتة ذات تدخل أقل إنسانية.

خطا البيانات من طراز إدج إلى كلود

:: زيادة توزيع البنايات الحديثة على الحاسوب عبر أجهزة الحافة، والزواحف الحاسوبية، والموارد السحابية، ويجب أن تستوعب استراتيجيات تكامل البيانات هذا المشهد الموزع، مع وجود التجهيز المسبق في طبقة الضباب، والتجميع المتوسط في طبقات الضباب، والتحليل الشامل في السحابة، وقد تنفذ نماذج الضبط الذاتي على أي من هذه المستويات تبعاً لاحتياجات اللياقة، والمطالب الحسابية، والقيود المتعلقة بالوصل.

وستزداد أهمية أطر التنسيق التي تدير تدفق البيانات وتنفيذ النماذج عبر الهياكل الأساسية الموزعة، وتتأكد هذه النظم من أن البيانات الصحيحة تصل إلى النماذج الصحيحة في الوقت المناسب، بغض النظر عن المكان الذي يحدث فيه الحساب.

توحيد المعايير وإمكانية التشغيل المتبادل

وستبسط جهود الصناعة الرامية إلى توحيد أشكال البيانات، وبروتوكولات الاتصالات، وصيغ التبادل النموذجية تكامل البيانات، وسيؤدي الجهد المبذول لدمج مختلف مصادر البيانات ونماذجها إلى زيادة التبادل النموذجي والتشارك في المحاكاة بين مختلف الأدوات، على نحو يجسد هذا الاتجاه، ومع نضج المعايير وتحقيق الاعتماد، ستنخفض الجهود اللازمة لإدماج مختلف مصادر البيانات ونماذجها.

وستكمل المبادرات المفتوحة المصدر والأدوات المتطورة على صعيد المجتمع المحلي من أجل تكامل البيانات العروض التجارية، وتوفر حلولاً ميسرة للتحديات المشتركة في مجال التكامل، وتعزيز الابتكار من خلال التعاون.

الأدوات والموارد اللازمة لتعزيز تكامل البيانات

MATLAB Toolboxes and Add-Ons

(الآلات الميكانيكية) تقدم العديد من الأدوات التي تمد قدرات (سيمولينك) على دمج البيانات، وجهاز (النظام) للبيانات يوفر التواصل مع قواعد بيانات المؤسسة، بينما يُمكِّن صندوق التحكم في الأدوات من التواصل المباشر مع الأدوات المختبرية ومعدات اقتناء البيانات، وجهاز الإحصاء والتعلم الماكين يدعم تجهيز البيانات وتحليلها مسبقاً، بينما تُعالج مجموعة الأدوات المتخصصة الاحتياجات الخاصة بكل مجال في مجالات مثل تجهيز الإشارات وتجهيز الصور ونظم المراقبة.

وتستضيف سوق الأوراق المالية التابعة لوزارة الشؤون الاقتصادية والمالية آلاف المهام والأدوات التي تُسهم في المجتمعات المحلية والتي تتصدى لتحديات محددة في مجال تكامل البيانات، ويمكن أن يؤدي استغلال هذه الموارد إلى تسريع التنمية بشكل كبير بتوفير حلول مُختبرة للمشاكل المشتركة.

ثالثا - حلول التكامل بين الأطراف

وييسر العديد من المنتجات والخدمات المقدمة من أطراف ثالثة دمج البيانات مع شركة سيمولينك، وكثيرا ما يقدم بائعو البرمجيات الصلبة وصلات بينية بينية بينية بينية بينية بينية من طراز MATLAB/Simulink لنظم حيازة البيانات ومجسّساتها ومعدات المراقبة، ويوفر الباعة البرمجيات موصلات لقواعد بياناتهم ونظم الرسائل وتطبيقات المؤسسات، وهذه التكاملات توسع نطاق النظام الإيكولوجي لمصادر البيانات المتاحة من سيمولين.

حلول في إطار برنامج "دي دي إس" و خواديم "أو سي" ووسطاء الرسائل يقدمون وصلات موحّدة لتبادل البيانات في النظم الموزعة

الوثائق الإلكترونية وموارد التعلم

وتحتفظ الرياضيات بوثائق وأمثلة ودروس دراسية واسعة النطاق تغطي تقنيات تكامل البيانات، وتقدم الوثائق الرسمية في سيمولنك معلومات مفصلة عن مجموعات استيراد البيانات، وأشكال الدعم، وأفضل الممارسات.

وتتيح المنتديات المجتمعية ومجموعات المستخدمين والدورات الإلكترونية فرصاً إضافية للتعلم ودعم الأقران، ويتيح المشاركة مع مجتمع ماتي لاب وسيمولنك إمكانية الحصول على الخبرة والحلول الجماعية اللازمة لمشاكل التكامل الصعبة، ولإتاحة معلومات شاملة عن قدرات سيمولينك، زيارة صفحة ماث ووركس سيمولينك الرسمية .]

تنفيذ تدفق كامل للعمل على إدماج البيانات

تحليل الاحتياجات والتخطيط

ويبدأ تحقيق تكامل البيانات بنجاح بفهم واضح للمتطلبات، وتحديد البيانات اللازمة، حيثما كانت موجودة، ومدى استكمالها، ومعايير الجودة التي يجب أن تلبيها، مع الأدلة التي تُتخذ في قرارات التنفيذ اللاحقة، ويكفل إشراك أصحاب المصلحة أن تعالج جهود الإدماج الاحتياجات والأولويات الفعلية.

وينبغي أن ينظر التخطيط في دورة حياة البيانات بأكملها من الاقتناء عن طريق التجهيز الأولي، والتكامل، والمحاكاة، وتحليل النتائج، وتحديد الاختناقات المحتملة، وطرائق الفشل، ومتطلبات التصعيد في وقت مبكر، يحول دون إعادة العمل في وقت لاحق من المشروع بتكلفة باهظة.

المصادر

ويتطلب إنشاء وصلات موثوقة لمصادر البيانات تشكيلا دقيقا واختبارا دقيقا، ويجب التحقق من إمكانية الربط الشبكي، والتوثيق، والإذن، وتوافق البروتوكولات، كما أن الاختبار مع أحجام البيانات التمثيلية، والمعدلات المستكملة، يكفلان إمكانية أن يعالج التكامل أعباء العمل المتعلقة بالإنتاج.

ويؤدي تنفيذ الرصد والإنذار فيما يتعلق بصحة مصدر البيانات إلى تحديد المسائل بصورة استباقية قبل أن تؤثر على المحاكاة، وينبغي أن تجري الاختبارات الآلية التي تتحقق من توافر البيانات ونوعيتها بصورة منتظمة للإمساك بالمشاكل في وقت مبكر.

تطوير خط الأنابيب قبل التجهيز

ويحول تطوير خطوط أنابيب مجهزة تجهيزاً متيناً البيانات الخام إلى أشكال مناسبة للتكامل في إطار عملية سيمولينك، ويشمل ذلك عادة عمليات التثبت والتنظيف والتصفيف وإعادة التصفيق والتشكيل، وييسر التصميم النموذجي مع وصلات وصل محددة جيداً بين مراحل التجهيز الأولي إجراء الاختبارات والصيانة وإعادة الاستخدام.

وينبغي أن تكون خطوط الأنابيب المعالجة المسبقة قابلة للتشكيل لاستيعاب مختلف مصادر البيانات أو المتطلبات المتغيرة دون إدخال تعديلات على الرموز.

التكامل النموذجي والتحقق

ويتطلب إدماج البيانات المجهزة سلفا في نماذج سيمولينك الاهتمام بأبعاد الإشارة، وأنواع البيانات، والتوقيت، وتشكيل الهياكل الأساسية.

وتؤكد عملية التحقق من النتائج المعروفة أو القياسات المستقلة أن البيانات المتكاملة تنتج سلوكا نموذجيا متوقعا، فمقارنة نواتج المحاكاة بالاستجابات المقاس بها في النظام تُعدّ دقة نموذجية وتحدد المجالات التي تتطلب صقلا.

النشر والعمليات

ويستلزم الانتقال من التنمية إلى النشر التشغيلي اعتبارات تتعلق بالموثوقية والأداء والقدرة على الاستمرار والرصد، وتخفض عمليات النشر الآلي الأخطاء اليدوية وتتيح التحديثات السريعة.

وينبغي للإجراءات التنفيذية أن تعالج الصيانة الروتينية، والتغييرات في مصادر البيانات، وتحديث النماذج، والاستجابة للحوادث.() وتوثيق هيكل النظام الكامل، وتدفقات البيانات، والإجراءات التشغيلية تضمن استمرار المعرفة خارج أعضاء الأفرقة الفردية.

خاتمة

ويمثل إدماج بيانات العالم الحقيقي في نماذج سيمولينك قدرة حاسمة تُسد الفجوة بين التحليل النظري والتطبيق العملي، وتوفر التقنيات والمنهجيات التي نوقشت في هذه المادة للمهندسين والباحثين نُهجا شاملة لاستخلاص البيانات التجريبية من أجل التحقق من النماذج، وتقدير البارامترات، وتطوير نظام المراقبة، والتحليلات المتوقعة.

ومن استيراد البيانات الأساسية باستخدام مجمع الفضاء للعمل إلى هياكل متطورة ذات توقيت حقيقي مع تكامل نظام التنمية البشرية، تقدم سيمولنك حلولا مرنة لمختلف متطلبات تكامل البيانات، وتبين دراسات الحالة المقدمة قيمة تكامل البيانات في مختلف الصناعات بما في ذلك الطاقة والسيارات والفضاء الجوي والتشغيل الآلي الصناعي.

ومع تزايد تعقيد النظم وحفز البيانات، لن تزداد أهمية تكامل البيانات القوي إلا، فالاتجاهات الناشئة مثل التوأم الرقمي، وأجهزة الاستنشاق، والهيكلات ذات الحافة إلى المحايدة، ستؤدي إلى استمرار تطور قدرات تكامل البيانات وأفضل الممارسات، ومن خلال تدوين التقنيات المعروضة هنا والاستمرار في التجارب مع التطورات الجديدة، يمكن للمهندسين أن يخلقوا نماذج محاكاة أكثر دقة وموثوقية وقيمة تدفع الابتكار وتحسن أداء النظام.

والاستثمار في الهياكل الأساسية والعمليات المناسبة لتكامل البيانات يُكسب مكاسب من خلال تحسين التكوين النموذجي، وتقلص الوقت الإنمائي، وزيادة الثقة في نتائج المحاكاة، وسواء كان تطوير خوارزميات متقدمة للرقابة، أو تحسين العمليات الصناعية، أو تصميم منتجات الجيل القادم، فإن القدرة على إدماج بيانات العالم الحقيقي بفعالية في نماذج " سيمولينك " ، هي مهارة أساسية لممارسة هندسية حديثة.

For additional resources and detailed technical documentation, explore the MathWorks Simulink documentation], participate in community forums, and consider attending MATLAB EXPO events where experts share insights and best practices for data integration and model-based design.