הקדמה: אופטימיזציה Imperative in IoT Deployment

מערכות הנדסה הופכות יותר ויותר מוכלות עם האינטרנט של דברים (IoT) מכשירים - חישה, פועלים, שעריים, ונקודות קצה - אשר אוספים, משדרים ופועלים על נתונים פיזיים בעולם, בין אם במפעל חכם, רשת מים עירוניים, או שדה חקלאות דיוק, המיקום והתצורה של מכשירים אלה משפיעים ישירות על ביצועי המערכת, איכות הנתונים, ועלות הבעלות הכוללת אלפי דרישות herogenous, היא מערכת, כולל מגבלות תקציביות, כלומר, כלומר, כיסוי בעיות אבטחה קפדנית, מערכתיות, היא מערכתיות, מערכתיות, היא מערכתיות, מערכתיות, מערכתיות, מערכתיות, מערכתיות, כולל מגבלות אבטחה קפדנית, מערכתיות.

(FLT:0) תכנות תכנות אינפל 1 (IP) הוא סוג של אופטימיזציה מתמטית שבה כמה או כל משתנה החלטות מוגבלים לערכי integer.כאשר המשתנים הללו בינאריים (0 או 1), הניסוח הופך כלי רב עוצמה עבור כן / לא החלטות כגון " התקנת חיישן במיקום X" או "לתקן ממסר ללא תשלום" על ידי שילוב ב-iger עם דרישות יעילות ופתרון אופטימיות יכול למזעריות או למזעריות של יעילות.

הבנת האתגרים של ריבוי של מהדורות IoT

עלויות ה-Crestraints and Budget Sרגישות

עלויות החומרה של מכשירי IoT -ensors, מודולים תקשורת, ציוד חשמל, מחסנים - יכול להיות משמעותי. בהגדרות תעשייתיות רבות, חיישן חד-חשיבות אחד עשוי לעלות מאות דולרים.

דרישות כיסוי ו Sensing

לכל מערכת הנדסית יש אזורים שיש לעקוב אחריהם או לפעול.בצמח כימי, לחץ וחיישנים טמפרטורה חייבים לכסות את כל כלי שיט קריטי צינור.ב תרחיש חקלאי חכם, חיישני לחות הקרקע חייבים ללכוד את יכולת החלל ברחבי השטח. מגבלות כיסוי בדרך כלל דורשים שכל נקודה של עניין היא בטווח של חישה של לפחות מכשיר אחד, או כי ההסתברות של גילוי עולה על פני השטח.

הבטחת תקשורת ותקשורת

מכשירים IoT הם חסרי תועלת אם הם לא יכולים לתקשר את הנתונים שלהם.מודלים של Constraint חייבים להבטיח שכל חיישן מתחבר לשער - ישירות או דרך מאפר רב-הופ - בעוד מכבד טווח תקשורת, רוחב פס ומגבלות חריפות. בסביבות קשות (למשל, מנהרות תת-קרקעיות, פלטפורמות בחו"ל), הפצת אלחוטית לקויה, מה שהופך מגבלות קישוריות הדוקות במיוחד.

אנרגיה וכוח אספקת מגבלות

חיישנים המופעלים על ידי סוללה יש תקציב אנרגיה סופי.עלויות חילוף גבוהות באזורים מרוחקים או מסוכנים, כך חיי המכשיר הם פרמטר עיצוב קריטי. תכנות Integer יכול לשלב שיעורי צריכת אנרגיה ויכולות סוללות, או כמגבלות (למשל, אנרגיה הכוללת בשימוש ביום חייב להיות פחות מקיבולת זמינה) או כחלק מהאובייקטיבי (למשל, למזער את הכוח הכולל על ידי הרשת).

Integer Programming: Amatic Framework for IoT Optimization

החלטות בינאריות משתנות

(ב) בלב הניסוח של ה- IP הם משתנים של החלטות בינאריות, בדרך כלל לא מכונים:0xigxcioFLT:1imentFLT:2earFLT 3 ⁇ {0,1} עבור כל מיקום מועמד (FLT:4iph:5), שבו ניתן להתקין מכשיר IoT, FLTxFLT 7iF:8 LT, אם הוא דגם 1 {\displaystyle \ 1=5}

הפונקציה האובייקטיבית: צמצום עלויות

(הופנה מהדף ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

חסרונות: Coverage, Connectivity, and Resources

תגית: Constraints

(ב) [17] , [17] , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

קישוריות Constraints

(הופנה מהדף תלמוד ב') , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

תקציב ומקורות משאבים

ההוצאה הכוללת לא צריכה לעלות על התקציב הזמין:0 ( ⁇ cirFLT) 1icioFLT:2 xFLT 3iIRFLT:4 ⁇ BirFLT:5 מגבלות משאבים נוספות עשויות להגביל את מספר המכשירים של סוג מסוים, נפח הנתונים הכולל לשער, או את צריכת החשמל הכוללת על פני הרשת.

תכנות משותף-Integer Linear (MILP) מרחיבים

כאשר למכשירים של IoT יש פרמטרים מתמשכים - כגון העברת כוח, קצב נתונים או יכולת סוללה - המודל הופך ל-FLT:0 ,mixed-integer תוכנית ליניארית של PowerFLT:1 (MILP) לדוגמה, את כוח השידור של חיישן ניתן מודל כמשתנה מתמשך, בעוד ההחלטה להתקין חיישן נשאר בינארי.

שיטות פתרון: גישה חדשנית ועתידית

עיפרון ושרשרת - ו-Cut

(השיטות המדויקות של IP ו- MILP הן בעלות חובקת (B&B) ו-B ו-Wall-cut (B&C) B&B מפיצות באופן רציני את האזור הבלתי צפוי לכדי תת-בעיות קטנות יותר, פתרון הרפיה של תכנות ליניאריות בכל צומת, ו-Compet-Furatingsate מחזק את ההרגעה באמצעות הוספת מטוסים - שברירית בלתי-אפשרית ללא פתרונות נית עדינים מתקדמים:

שיטות תיירותיות ומטהריסטיות

עבור מקרים גדולים מאוד של בעיות (מאות אלפי מיקומים של מועמדים), שיטות מדויקות עשויות להפוך בלתי-מחושת.מהנדסים פונים לאלגוריתמים היוריסטיים - בנייה מפוארת, חיפוש מקומי, סימולציה של annealing, או אלגוריתמים גנטיים. בעוד אלה אינם מבטיחים אופטימליות, הם לעתים קרובות מייצרים פתרונות באיכות גבוהה במהירות. גישה נפוצה היא להשתמש במודל IP כדי לפתור גרסה רגועה של הבעיה ולאחר מכן שבריר עגול עם כללים מיוכימיים עם תחליפיים עם תחליפיים.

מחקרים מעשיים ב Integer Programming for IoT Deployment

מפעל ייצור חכם: חיישנים מקום לתחזוקה חיזוי

במפעל הרכב גדול, רטט וחיישנים טמפרטורה היו צריכים לפקח על 1,200 מכונות קריטיות.מהנדסים ניסחו מודל IP מחוספס כיסוי עם 5,000 מיקומים מועמדים.המטרה צמצם את סך החיישן ואת עלויות הכרכרות תוך הבטחת כל מכונה היה בתוך 3 מטרים לפחות שני חיישנים (לגביע מחדש) לאחר פתרון עם CPLEX, הפתרון האופטימלי הנדרש 340 חיישנים - ירידה של 23% לעומת ה-Adho-uped נעשה שימוש ב-50,000 דולר, ולאחר מכן, ירידה של רזולוציה נמוכה יותר מ-50,000.

רשת בקרת איכות אוויר חכמה

עיר גדולה רצתה לפרוס 200 צמתים באיכות האוויר על פני שטח של 500 ק"מ למדידת PM2.5, NO2, ואוזון.הבעיה כללה מגבלות תקציב, מגבלות טווח תקשורת (כל צומת היה טווח LoRaWAN של 2 ק"מ), ומנדט לכסות את כל בלוקי המגורים.שימוש במודל MILP עם שני משתנים בינאריים ומשתנים ממסר רציף, התוכנית זיהתה רשת יעילה לשימוש ב-99F פחות מ-99 מעלות צלזיוס) מאשר פיתוח של אזורי עבודה ראשונים של 1LT1.

חקלאות שימור: ⁇ ⁇ ⁇ תחת Irrigation Constraints

בכרם של 200 דונם, חייחי לחות הקרקע היו צריכים להיות ממוקמים כדי לייעל את יעילות ההשקה.האתגר היה שהחיישנים המופעלים בשלוש שכבות אדמה שונות, וכל חיישן יכול רק למדוד שכבה אחת.מודל ה- IP כלל מגבלות על מספר החיישנים לשכבה, תקציב וקישוריות אלחוטית לשער מרכזי.הפריסה אופטימלית הפחיתה את השימוש במים ב-12% תוך שמירה על איכות, כפי שדווח במחקר מ-2022 מ-FLTer: 1.

כלי תוכנה ושילוב עם פלטפורמות IoT

(ב) מספר מתכנתים (המתאמת גבוהה) תומכים בתכנות של מזהמים מסחריים כמו:0Gurobiph 1 ו- CoreFLT:2IBM CPLEXFLT 3 מציעים APIs למבוגרים עבור Python, Java, C++ ו- MATLAB, המאפשר שילוב ישיר לתוך פריסת עבודה בקוד פתוח, LTF:4SIPIQ)

שיטות הטובות ביותר כוללות אימות כיסוי והנחה קישוריות כנגד תנאים בעולם האמיתי (למשל, מפות רדיו, שדה חיישן של נוף) וביצוע ניתוח רגישות על פרמטרים מרכזיים כמו סף תקציב וכיסוי. ארגונים רבים משתמשים במודל IP כחלק מתאום דיגיטלי, עדכון תוכנית הפריסה ככישלונות חיישן להתרחש או דרישות מערכת שינוי.

הגבלות ושיקולים

בעוד תכנות integer הוא כלי קפדני, יש לו מגבלות.המודלים חייבים להיות מנסחים בקפידה; מעצורים או דרוג אובייקטיבי יכולים להוביל לאי יציבות מספרית.עבור מקרים גדולים מאוד, זמני פתרון יכולים להיות אסרטיביים, גם עם המדינה-of-the-art פותרים.במקרים כאלה, שיטות דה-קוגניות (למשל, עמודה, בנדרס דה-קו) או שיטות היברידיות הן מורכבות יותר כמו שינוי של חוסר ודאות, כמו שיטות תקשורת פשוטות, כמו שיטות תקשורת פשוטות, כמו גם אם הן רק שיטות מורכבות, כמו שיטות מורכבות, כמו שיטות פעולה כגון שיטות פעולה, כמו שיטות מורכבות, כמו שיטות פעולה, כמו גם שיטות פעולה כגון:

מהנדסים צריכים גם לשקול כי פתרון אופטימלי על הנייר עשוי להיות בלתי אפשרי בשל מגבלות התקנה מעשית (למשל, נקודות מבניות, זמינות כוח, הגבלות רגולטוריות).מודל תכנות integer צריך להיות יחד עם ביקורת אנושית-ב-the-loop כדי להתאים את מיקומים המועמד ואת אילוצים זה באופן מעשי.

כיוונים עתידיים: אינטגרציה של AI, Edge מחשוב, ו Deployment אוטונומית

ההתכנסות של תכנות integer עם למידת מכונה היא פתח אפשרויות חדשות. סוכני למידה כוח יכול ללמוד להתאים את החלטות הפריסה בזמן אמת בהתבסס על משוב איכות נתונים, בעוד תכנות integer מספק את עמוד השדרה עבור תצורה ראשונית.בנוסף, עלייה של מחשוב קצה מאפשר אופטימיזציה פותרים לרוץ על שערים במשרה כמעט בזמן אמת, המאפשרת הדמיה של תפקידים (למשל, על תפקוד השכן על חיישן).

מחקר על ההרחבה (FLT:0) ב-Integer ProgrammingveFLT ( 1:1 ו- (FLT:2robust OptimizationFLT 3) רלוונטי גם כן, שכן פריסות IoT חייבות לעמוד בפני כשלי מכשירים, עיכובים בתקשורת, וקצירת אנרגיה לא בטוחה.הדור הבא של מערכות הנדסה ישלב בתכנות עם תאומים דיגיטליים לתוכנית אוטונומית ולתכנן מחדש את המכשיר, הבטחת יעילות של ניתוחי IoT על פני מחזור החיים.

מסקנה: מסגרת פרובנס עבור Scalable, Cost-Effective IoT

תכנות Integer מספק צוותי הנדסה עם סאונד מתמטי, שקוף, וניתן לחזור על שיטה לעיצוב פריסות מכשיר IoT. על ידי מודל מפורש של ה- Tradingoffs בין עלות, כיסוי, קישוריות, ומגבלות משאבים, זה מספק פתרונות שהם אופטימליים ופשוטים לבעלי העניין.ממפעלים חכמים לערים חכמות, מחקרים מקרה ממשיכים להפגין הפחתה משמעותית בעלויות - לעתים קרובות 15-30% - עם ביצועים משופרים.

ככל שמערכות IoT יעלו למיליארדי מכשירים, המורכבות של החלטות הפריסה רק תגדל.אימוץ תכנות ב-Integer היום מצייד מהנדסים עם הכלים הדרושים כדי להתמודד עם המורכבות הזו בביטחון, להבטיח שכל חיישן, אקטוטור, ושער ממוקם במקום שבו הוא מספק את הערך הגבוה ביותר לדולר שהוצא.