Giriş: IoT Deployment'de Optimizasyon Imperative

Mühendislik sistemleri internet (IoT) cihazlarla giderek daha fazla araç haline geliyor -sensors, aktüatörler, ağ geçidi ve kenar düğümleri - bu toplama, iletişim kurma ve fiziksel dünya verileri üzerinde hareket edin. Akıllı bir fabrikada, bir belediye su ağı veya hassas tarım alanında, bu cihazların yerleştirilmesi ve konfigürasyonu doğrudan sistem performansını, verileri kaliteyi ve toplam mülk sahibiliği etkiler.

[FONT=0]Integer programlama[[Dönetici:0)[Döneticileri), bazı veya tüm karar değişkenlerinin tamsayı değerleri ile sınırlı olduğu bir matematik optimizasyonu sınıfıdır.Bu değişkenler ikili (0 veya 1), formülasyon, tüm teknik gereksinimleri tatmin ederken, evet/hayır kararlarının en aza indirilmesi gibi güçlü bir araç haline gelir.

Büyük IoT Deployments'ın Meydanlarını Anlayın

Maliyet Konsolidleri ve Bütçe Hassasiyeti

IoT cihazlarının ön donanım maliyetleri –sensors, iletişim modülleri, güç malzemeleri, muhafazalar – önemli olabilir. Birçok endüstriyel ortamda, tek bir yüksek çözünürlük sensörü, kablolama, montaj ve komisyonlama dahil olmak üzere yüzlerce dolara mal olabilir.

Kapak ve Gereksinimler

Her mühendislik sistemi izlenecek veya hareket ettirilmelidir. Kimyasal bir bitkide, basınç ve sıcaklık sensörleri her kritik gemi ve boru hattını kapsamalıdır. Akıllı tarım senaryosu, toprak nez sensörleri, uzaysal yetimleri alanı boyunca tutmalıdır. Coverage kısıtlamaları genellikle her bir ilgi noktasının en az bir cihazda algılanması veya algılama olasılığının bir eşiği aşma olasılığının kırmızıya kadar yüksek olması gerekir.

Bağlanma ve İletişim Garantileri

IoT cihazları verileri iletişim kuramazlarsa işe yaramaz. Ekstr modeller, her sensörin bir ağ geçidine bağlı olmasını sağlamalıdır - doğrudan veya çok-hop ağ geçidine - bu ağ topoloji kısıtlamalarına saygı duymaları ve geç saatlere göre. sert ortamlarda (örneğin, yeraltı tünelleri, açık hava platformları), kablosuz yayılımı özellikle de sıkı bir şekilde sınırlandırılmalıdır.

Enerji ve Güç Tedarik Sınırları

Battery-güçlü sensörler sonlu bir enerji bütçesine sahiptir.Değişme maliyetleri uzak veya tehlikeli alanlarda yüksektir, bu nedenle cihaz süresi kritik bir tasarım parametresidir.Integer programlama, görev ve batarya kapasiteleri, ya da kısıtlamalar olarak (örneğin, toplam enerji) veya bir gün içinde kullanılan toplam enerji miktarı, hedefin bir parçası olarak (örneğin, ağ tarafından tüketilen toplam güç).

Integer Programming: IoT Optimizasyonu için Matematiksel Çerçeve

İkili Karar Değişkenleri

IP formülasyonunun kalbinde ikili karar değişkenleri, genellikle bir IoT cihazının yerleştirilebileceği yer, ⁇ {0,1 ⁇ Her aday için [[Dönetici|ve|saire|saire D|s rightT:0)))[Dönetici[Dönetici[Dönetici|Dönetici|Dönetici|seçmiş)) ve 0 = 1 veya bazen bir cihaz yüklüyse, iletişim kanalı, veya batarya konfigürasyonu, ikili değişkenleri ile sabitleme, sabitleme seçenekleri ile sabitleme, sabitleme seçenekleri ile sabitleme ve kontrol edilebilir.

Objektif Fonksiyonlar: Toplam Maliyeti Minimiz

Çoğu mühendislik dağıtımları toplam maliyeti en aza indirmek için tasarlanmıştır. Hedef işlevi sabit yükleme maliyetleri ve değişken işletim maliyetlerinin lineer bir kombinasyonudur. [FLT: 9|D)[Dönemli))[Dönemli yükleme maliyetleri ve kullanım alanlarının sabit tutulması veya kontrol edilmesi gerekenleri, doğruyu değiştirmiş durumdaki hataların veya kontrol edilmesi için ek şartlara göre değiştirilmelidir.

Eklenmeler: Coverage, Connectivity ve Kaynaklar

Coverage Constraints

Bir kapsama kısıtlaması her talep noktasının [Dönetici] olduğunu garanti eder.[Dönetici:2)N[[FLT: 8][Dönetici: 9)[D)[Dönetici: 9|D)[Dönetici: 9|Dönetici: 9|D))[Dönetici = 8 x[D)[D)[Dönetici = 9)

Bağivite Ekseği

Connectivity grafik teorisi kullanılarak modellenir. LeturFLT:0)y), bir iletişim bağlantının bulunduğu yerdeki cihazlar arasında bir çift değişken olması )[Dönetici))) ve [[Dönetici[FLT: 7)))) bir veya daha fazla ağ geçidinde kullanılan bir dizi hata ve kullanım süresine bağlı olarak, bir veya daha fazla sayıdaki bir veri kartının (Dönetici) bir şekilde kullanılması durumunda, bir veya daha fazla kontrol edilmesi gerekir.

Bütçe ve Kaynak Kıtları

Toplam harcamalar mevcut bütçeyi aşmalıdır: [Dönemli:0] ⁇ c)) x).) ≤ B[FLT: 5) Ek kaynak kısıtlamaları belirli bir tür cihazların sayısını sınırlandırabilir, ağdaki toplam güç tüketimi.

Karma-Integer Linear Programlama (MILP) Dahili

IoT cihazları sürekli parametreleri olduğunda - güç, veri oranı veya pil kapasitesi ile - model bir şekilde olgunlaşır:0) Kombine edilen-integer lineer program) (MILP) Örneğin, bir sensör aktarımı gücü sürekli değişken olarak modellenebilir, ancak bu sensör ikili kalır. MILP çözücüler olgunlaşmıştır ve on binlerce kısıtlama ve değişkenle büyük örnekleri ele geçirebilirler.

Çözüm Yöntemleri: Exact ve Heuristic Approaches

Branş-ve-Bound and Branch-and-Cut

IP ve MILP için klasik tam yöntemler, her biri için line-ve-bound (B&B) ve şube-ve-cut (B&C) B&B, tamsayı tam olarak tam olarak tam olarak tam olarak hesaplanan bölgelerin her birinde alt üst limitler halinde çözümlerini çözüyor, lineer programlama rahatlamalarını çözüyor.[D) ve [Dönergeler, doğrulanmış hesaplamalar için bu yöntemleri uygularlar.

Heuristic ve Metaheuristic Methods

Çok büyük problem örnekleri için ( binlerce aday lokasyonu yüzler), tam yöntemler, problemin rahat bir versiyonunu çözmek için bir IP modeli kullanmak ve o zaman ekselleme, veya genetik algoritmaları taklit etmek.Bu garanti olmasa da, genellikle yüksek kaliteli çözümler üretirler.

IoT Deployment için Integer Programlamasındaki Pratik Vaka Çalışmaları

Akıllı Üretim Bitkisi: Tahmin edici Bakım için Sensör Yeri

Büyük bir otomotiv montaj bitkisinde, vibrasyon ve sıcaklık sensörlerinin en az iki sensör (örneğin, CPLEX ile en iyi çözümün çözümü) 5 bin $ 'lık bir IP modeli formüle edilmesi gerekiyordu. Hedef, her makineyi sağlamak için toplam sensör ve taksit maliyetleri en az 2 sensör (örneğin en az iki sensör (örneğin, en iyi iki sensör) azaltıldı.

Smart City Air Quality Watch Network

Büyük bir şehir, 500 km2 alanda PM2.5, NO2 ve ozon ölçmek için 200 hava kalitesi izleme düğümünü dağıtmak istedi. Sorun, bütçe kısıtlamaları, iletişim aralıkları (her şey 2 km) ve tüm konut bloklarının kapsaması için bir görevdi.İki ikili yerleştirme değişkenleri ve sürekli tahsisli değişkenleri kullanarak, planlayıcılar ve% 18 daha az ağ geçidi kullandı.

Hassas Tarım: Moisture Sensör Irrigation Constraints

200 bin tane üzümlü bir üzüm, toprak nezdi sensörleri, sulama verimliliğini optimize etmek için yerleştirildi. Sorun, üç farklı toprak katmanında çalışan sensörler ve her sensör sadece bir katmanı ölçebilir. IP modeli, katman başına sensörlerin sayısı, bütçe ve kablosuz bağlantı sayısı ile merkezi bir ağ geçidine dahil edilmiştir.

Yazılım Araçları ve IoT Platforms ile Entegrasyon

Birkaç yüksek performanslı optimizasyon çözümü tamsayı programlamayı destekler. Ticari çözücüler [Ücretsizler için:0)Gurobi) ve )IBM CPLEX) ve Python için olgun API'ler sunar, Java, C++ ve MATLAB, doğrudan entegrasyon sağlar.) Açık kaynaklı projeler için [FONT][FONT][FONT][FONTSTRNT-MIP[FONT=DNT=DNT=FONT=FONT=STRNT=STRNT=S][B][/FONT=S][/FONT=SNT=SNT=SNT=S NT=S NT=S][/FONT=S NT=S NT=SNT=S FONT=SNT=SNT=S FONT=SNT=S FONT=S FONT=S FONT=S FONT=S FONT=S FONT=S FONT=S FONT=S FONT=S FONT=S FONT=S FONT=S

En iyi uygulamalar gerçek dünya koşullarına karşı kapsama ve bağlantı varsayımlarını içerir (örneğin, radyo yayılım haritaları, bakış açısı) ve bütçe ve kapsama eşleri gibi önemli parametreler üzerinde hassasiyet analizi gerçekleştirmek. Birçok kuruluş IP modelini dijital ikizin bir parçası olarak kullanır, dağıtım planını sensör hataları meydana gelir veya sistem gereksinimleri değişir.

Sınırlar ve Tahminler

Tam programlama titiz bir araçtır, bu sınırlamalara sahiptir. modeller dikkatli bir şekilde formüle edilmelidir; fakir kısıtlamalar veya objektif ölçeklendirme sayısal olarak dengesizliğe yol açabilir. Çok büyük problem örnekleri için, çözüm süreleri sadece tahminleri ile ilgili olarak iyi olabilir: durum-of-the-art çözücüler gibi belirsiz parametreler, iletişim müdahalesi veya çevresel koşullar stochastic programlama olmadan dahil etmek zordur - daha karmaşık bir genişleme.

Mühendisler ayrıca, pratik yükleme kısıtlamaları nedeniyle uygun bir çözüm olabileceğini de dikkate almalıdır (örneğin, yapısal montaj noktaları, güç kullanılabilirliği, yasal kısıtlamalar). tam programlama modeli aday konumlarını ve kısıtlamaları ayarlamak için insan-in-loop incelemesi ile çift olmalıdır.

Future: AI, Edge Computing ve A Özerk Deployment

Makine öğrenimi ile tam tam zamanlı programlamanın yakınlığı yeni olasılıklar açıyor. Dondurma öğrenme ajanları, veri kalitesi geri bildirime dayalı olarak gerçek zamanlı olarak dağıtım kararlarını ayarlamayı öğrenebilirler, tam anlamıyla programlama ilk yapılandırma için arka kemiği sağlar. ek olarak, kenar hesaplamasının yükselişi optimizasyon devreleri gerçek zamanlı olarak ağ geçidi üzerinde çalıştırmaya olanak sağlar, IoT cihazın rolleri (örneğin, bir komşu başarısız olduğunda bir sensör).

Araştırma:0) Sürekli zamanlı tam zamanlı tam zamanlı programlama) ve )robust optimizasyonu) aynı zamanda IoT dağıtımları, cihaz hatalarına karşı olmalıdır, iletişim gecikmelerine ve belirsiz enerji hasatına karşı.

Sonuç: Scalable için bir Proven Framework, Maliyet-Effective IoT

Integer programlama, mühendislik takımlarını matematiksel olarak ses, şeffaf ve tekrarlanabilir bir yöntem sunar IoT cihazı dağıtımlarını tasarlamak için.Süresel olarak maliyet, kapsama, bağlantı ve kaynak kısıtlamaları arasındaki ticaretle ilgili olarak, her ikisine de uygun ve sadece haklı çıkarılabilir çözümler sunar. Akıllı şehirlere kadar, vaka çalışmaları önemli maliyet azaltımı göstermeye devam eder -% 15–30 gelişmiş performansla birlikte gelişmiş performansla birlikte.

IoT sistemleri milyarlarca cihaza ölçeklendiğinde, dağıtım kararlarının karmaşıklığı sadece artacaktır. Bugün tam anlamıyla programlamayı benimsemek, bu karmaşıklığı güvenilir bir şekilde işlemek için gerekli olan araçları kullanarak, her sensör, eylemci ve ağ geçidinin harcanan dolarların en yüksek değerini sağladığı yer.