استفاده از الگوریتم یادگیری ماشین در آموزش بازاریابی

Application of Machine Learning Algorithm in Marketing Education

چکیده

1 مقدمه

2 تحقیقات مرتبط

3 موقعیت فعلی ترکیب حالت بازاریابی

4 ایده بازاریابی پایگاه داده مبتنی بر الگوریتم یادگیری ماشینی

5 یادگیری ماشینی پنج دلیل برای بازاریابی آینده است

6 نتیجه گیری

منابع

چکیده

تکامل علمی و فناورانه بشر، شناخت فروشندگانی را که بیش از یک دهه قبل تنها با راه اندازی مغازه های کوچک آشنا بودند، دچار تغییر کرده است. در این دوره، تغییر از کسب و کارهای ساده مرتبط با مبادلات آنلاین پیچیده نه تنها توسعه علم و فناوری و پیشرفت چند برابری را نشان می دهد، بلکه همچنین تغییر در روش ها و ابزارهای بازاریابی را نشان می دهد. در زمینه بازاریابی در داخل و خارج از کشور، بازاریابی پایگاه داده بعنوان یک روش بازاریابی مقرون به صرفه در سالهای اخیر همانند یک فروشنده تازه کار در بازار فروش مورد توجه زیادی قرار گرفته است. با این حال، بازاریابی پایگاه داده بعنوان پیش بینی کننده بازار غیرقابل پیش بینی یا الکترونیک های نوترونی از طریق تحلیل داده ساده کامل می شود که به شیوه خاصی استفاده می شود. بنابراین، این مقاله مبتنی بر کاربرد الگوریتم یادگیری ماشینی در زمینه بازاریابی است. 

2- تحقیقات مرتبط
2-1- رویه های اصلی بازاریابی پایگاه داده
     بازاریابی پایگاه داده نه تنها می تواند مدیریت و کنترل کیفی جامع را ارائه دهد، بلکه همچنین یک مدل بازاریابی جدید را براساس فناوری اطلاعات توسعه می دهد، که در شیوه فعلی و تایید به سطح جدیدی رسیده است. با بهبود بازاریابی پایگاه داده، استفاده گسترده ای در خدمات تجاری، خدامت سفارش، بازاریابی کلان داده، سازمان های غیر انتفاعی و حتی تامین مالی تولید صنعتی شده است. بازاریابی پایگاه داده نیاز به کنترل کلان منطقی و برنامه بازاریابی متفکرانه دارد. بازاریابی پایگاه داده در طبقه بندی و موقعیت یابی کمی و دقیق تر است، و یک برنامه بازاریابی موثر است. باید اعتماد و «رابطه صمیمی» با مصرف کنندگان ایجاد شود [3]. این مورد رابطه انسان-ماشین را نشان می دهد، یک هسته مصنوعی ایجاد می کند، حقوق مصرف کنندگان و فروشندگان را ارزیابی می کند. همانطور که در شکل 2 نشان داده شده است، به طور کلی رویه های اصلی بازاریابی پایگاه داده را می توان به صورت زیر خلاصه کرد:

2-2- بررسی الگوریتم های یادگیری ماشینی
     یادگیری ماشینی روش خود تعلیمی و خود بهبودی و بهینه سازی عملکرد میزان زیادی از داده های موجود است. الگوریتم طبقه بندی یادگیری ماشینی عمدتا به دو فرایند تقسیم می شود: ایجاد و طبقه بندی مدل. ابتدا، الگوریتم طبقه بندی انتخاب می شود، و یک مدل طبقه بندی با آموزش پارامترهای مدل از طریق آموزش مجموعه داده بدست می آید، و سپس مدل آموزش دیده برای برچسب گذاری داده نمونه ناشناخته آموزش دیده استفاده می شود. یادگیری ماشینی عمدتا شامل طبقه بندی بدون نظارت و طبقه بندی نظارت شده می شود.

     طبقه بندی بدون نظارت عمدتا برای خوشه بندی استفاده می شود، یعنی بدون آگاهی از طبقه بندی مجموعه داده آموزشی به صورت خودکار قوانین را از مجموعه داده برای ایجاد خوشه ها پیدا کنید. هر خوشه را برای تشکیل یک طبقه علامت گذاری کنید.

دستگاه هشدار و پیش بینی افتادن مبنی بر اینترنت اشیا (IoT)

Internet of Things based Fall Prediction and Alerting Device

چکیده

مقدمه

روش شناسی

1- سامانه ی پیشنهادی

2- Twilio و اینترنت اشیاء

3- بستر اینترنت اشیای Thingspeak

نتایج و بحث

نتیجه گیری

منابع

چکیده

     بیش تر اوقات افراد کهنسال تنها زندگی می کنند یا به دلایل بسیار، از افراد جوان تر جدا هستند. از آنجا که آنان تنها زندگی می کنند، معمولاً بر زمین می افتند. این زمین خوردن منجر به مسائل گوناگونی مرتبط با سلامت می-شود و حتی به مرگ می انجامد. در این مقاله، یک دستگاه پیش بینی و هشداردهنده ی افتادن مبتنی بر اینترنت اشیاء نقش عمده ای در کمک کردن به این افراد کهنسال ایفا می کند، چرا که مراقبت و پرستاری مستمر و پیوسته از آنان دشوار است. افزون بر این، دستگاه پیشنهادی به شکلی طراحی شده است که هرگاه بیمار در آستانه ی افتادن باشد، با حس کردن مقدار مربوط به حسگرهای شتاب سنج و چرخش سنج و مقایسه ی آن ها با مقدار آستانه، زنگ مربوط صدای هشداردهنده ای تولید می کند تا موضوع را به بیمار منتقل کند. همچنین، این دستگاه پس از به زمین افتادن بیمار، پیام های هشداردهنده ای برای سرپرست می فرستد. نتیجه نشان می دهد که پیام به سرپرست بیمار هشدار می دهد و باعث می شود که بیمار کمک را به موقع دریافت کند. بدین ترتیب، مراقبت ویژه تضمین می شود تا از آن افراد مراقبت شود و می توان مانع از رخ دادن مسائل مربوط شد.

سامانه ی پیشنهادی

مدل های کنونی فاقد یک دکمه ی چُرت (خاموشی موقت) برای جلوگیری از هشدار کاذب هستند و هیچ گزینه ای برای هشدار دادن به افراد ناشنوا وجود ندارد. محدودیت زمانی برای دریافت پیام هشدار زمان می برد. بیش تر مدل-های کنونی به صورت دستگاه های پوشیدنی طراحی می شوند که می تواند باعث ناراحتی برای کاربر (استفاده کننده) شود. مدل های کنونی عمدتاً با بوردهای آروئینو طراحی می شوند که نسبت به رزبری پای نسبتاً کندتر هستند.

سامانه ی پیشنهادی در مقایسه با مدل های موجود دارای ارتقاهای زیر است:

• مدل پیشنهادی با دکمه ی چُرت برای جلوگیری از هشدار کاذب طراحی می شود.
• این مدل در هشدار دادن به افراد ناشنوا سودمند است چون با LED طراحی می شود.
• کاربرد Twilio تضمین می کند که پیام هشدار به موقع تحویل داده می شود.
• مدل پیشنهادی یک دستگاه تعبیه شده در ویلچر است که نمی تواند هیچ ناراحتی برای کاربر در پی داشته باشد.
• این سامانه با رزبری پای 3 مدل B+ طراحی می شود که سریع تر و دقیق تر است.

شکل 1 نمودار بلوکی این مدل پیشنهادی را نشان می دهد که هم شامل پیش بینی افتادن و هم سامانه ی هشداردهنده است.

     چند بخش وجود دارد که در این اثر مورد استفاده قرار می گیرند، مانند رزبری پای 3 مدل B+، حسگر شتاب-سنج و چرخش سنج (MPU6050)، زنگ فعال، دکمه ی فشار، پایداری کننده و غیره. این دستگاه بر پایه ی مقادیر ثبت شده توسط حسگر شتاب سنج و چرخش سنج که به سرپرست هشدار می دهند، عمل می کند. سامانه ی هشداردهنده در این دستگاه پیام افتادن را به نزدیکان بیمار منتقل می کند. دستگاه زمانی هشدار خود را فعال می کند که تشخیص دهنده ی افتادن سیگنال های دریافتی از حسگر شتاب سنج و چرخش سنج را بلادرنگ رصد کند و بدین وسیله هشداری مبنی بر این که او در حال افتادن است، برای بیمار فراهم می کند. این هشدار زمانی تولید خواهد شد که مقادیر حسگر از مقدار آستانه ی مشخصی فراتر روند یا زمانی که مقادیر با یک نرخ مشخصی در حال افزایش باشند. افزون بر این، دستگاه پیشنهادی شامل یک دکمه ی فشار است که بیمار می تواند آن را فعال کند تا هشدار را در صورت تولید یک هشدار کاذب قطع کند. چنانچه دکمه ی فشار ظرف 10 ثانیه فعال-سازی نشود، پیام به سرپرست بیمار فرستاده خواهد شد. کل این الگوریتم با استفاده از نرم افزار پایتون در درون محیط رزبری پای کدنویسی می شود.

Twilio و اینترنت اشیاء

     Twilio یک اَبَرتارنما از اتصالات میان ارتباطات راه دور و شبکه است که به متصل شدن بی وقفه ی مشتریان در هر نقطه ای و در هر زمانی کمک می کند. این فعال سازی با ایجاد یک حساب کاربری با استفاده از شناسه ی ایمیل سرپرست بیمار آغاز می شود و شماره ی تلفن سرپرست در این حساب لحاظ می شود. افزون بر این، SID حساب (Accounts SID)، توکن احراز هویت (Auth token) و شماره تلفن Twilio (Twilio phone number) در Twilio تولید خواهند شد. این موضوع را می توان در بخش کنسول این صفحه ی وب Twilio مشاهده کرد. شکل 2 صفحه ی وب کنسول در حساب Twilio را نشان می دهد. Twilio دارای کتابخانه هایی برای NodeJS است که با استفاده از آن می توان قابلیت کنترل با متن را برای رزبری پای خود فراهم کرد.

امنیت در شبکه حسگر بیسیم: نگاه فعلی

Security in Wireless Sensor Network: A Current Look

چکیده

1 مقدمه

2 معماری شبکه حسگر بی سیم (WSN)

3 مسائل امنیتی شبکه حسگر بی سیم (WSN)

4 طبقه بندی لایه ای حملات به شبکه حسگر بی سیم (WSN)

5 الگوریتمهای رمزنگاری سبک وزن

6 مسائل پژوهشی

7 نتیجه گیری

منابع

چکیده

     شبکه حسگر بی سیم (WSN) برای خودکار سازی و بهبود قابلیتهای جمع ‌آوری اطلاعات در پروژه ‌های شاخصی از قبیل پایش پزشکی، صنایع، تحقیقات و آزمایشات علمی، کارخانه ها، حمل و نقل و غیره استفاده می‌ شود. بازی واقعیت افزوده (AR )، واقعیت مجازی (VR)، دستگاه های پوشیدنی، شهرهای هوشمند، و کشاورزی هوشمند، برخی از برنامه های جدیدتر آن هستند. دولتها نیز در برنامه های نظامی خود، از شبکه حسگر بی سیم (WSN) برای جمع آوری داده ها و اطلاعات استفاده می کنند. گره های WSN در سطح گسترده ای استفاده می شوند، و از آنجاییکه ارزان، پودمانی، قابل برنامه ریزی، قابل پیکره بندی و اد هاک هستند، می توانند در یک محیط باز با اتصال بی سیم و غیره نیز استفاده شوند. این ویژگیها سبب شده که WSN به آسانی مورد حمله مهاجمان قرار بگیرد. داده های جمع آوری شده توسط WSN برای افراد یا سازمانها، داده های خصوصی یا حساسی هستند. از این رو، امنیت مسئله مهمی در تحقیقات WSN در نظر گرفته می شود. در این مقاله، یک مرور اجمالی بر امنیت WSN را ارائه می دهیم. ابتدا WSN و معماری آن را معرفی می کنیم. سپس، در مورد طبقه ‌بندی لایه ‌ای حملات امنیتی و تکنیکهای کاهشی محتمل به بحث می پردازیم تا بتوانیم حملات و شدت آنها را درک کنیم. برای حفظ امنیت WSN، الگوریتمهای رمزنگاری سبک وزن را از نظر شایستگی، عملکرد، نیاز به باتری و موارد دیگر مورد تحلیل و بررسی قرار می دهیم.

معماری شبکه حسگر بی سیم (WSN)
     پشته های شبکه به صورت لایه ‌هایی تقسیم می‌ شوند تا پیچیدگیها و مسئولیتها در لایه ‌های مختلف را از هم تفکیک کنند، و همچنین اشکال ‌زدایی و نگهداری آسان ‌تر از پشته ها را میسر سازند. مدل OSI و TCP/IP از بارز ترین پشته های شبکه هستند. پشته شبکه WSN نیز همانند مدل OSI که در شکل 1 نشان داده شده به صورت معماری پنج لایه ای تقسیم می شود.

• لایه فیزیکی در WSN همانند مدل OSI است و پایین ترین لایه در پشته شبکه است. این لایه، لینکی را برای ارتباط بین موتها و دریافت/ ارسال داده ها بصورت دو دویی ایجاد می کند. علاوه براین، وظایفی همچون جستجوی گستره مناسب فرکانس برای انتقال داده ها، تولید فرکانس حامل برای ارسال داده ها، منحرف کردن سیگنالها، مدولاسیون سیگنالها، رمزنگاری داده ها و دریافت سیگنال داده ها را بر عهده دارد.
• لایه لینک داده ها وظایف مختلفی را بر عهده دارد که عبارتند از: مالتی پلکس سازی سیگنال داده ها، تشخیص تصادم، تشخیص چارچوب داده ها، کنترل خطا، کنترل دسترسی به یک محیط انتقال (MAC) و ارائه ارتباطات مطمئن نقطه به نقطه و یک نقطه به چند نقطه.
• لایه شبکه وظایفی مانند تخصیص آدرس شبکه را بر عهده دارد، که مبتنی بر داده یا مکان هستند نه یک شماره I.D منحصربفرد، به این دلیل که اندازه شبکه WSN می تواند بسیار بزرگ باشد، ارتباط بین شبکه ای با شبکه های خارجی دارد و ارسال بسته های داده را مدیریت و کنترل می کند.
• لایه حمل ملزم به ارائه اطلاعات برای نقل و انتقال مطمئن بسته های داده است. مسیریابی بسته های داده توسط لایه شبکه از طریق اطلاعات عبوری از لایه حمل انجام می شود. اگرچه قابلیت اطمینان انتقال داده ها از مبدا به مقصد را با توجه به عدم وجود یک طرح منحصربفردآدرس دهی جهانی، مقیاس پذیری شبکه، اتلاف توان و موارد دیگر نمی توان مانند قابلیت اطمینان لایه انتقال در مدل OSI تضمین کرد. اما لایه حمل WSN می تواند یک قابلیت اطمینان متمرکز را تضمین کند.
• بالاترین لایه در پشته WSN ، لایه کاربرد است. این لایه، چگونگی ساختار بندی و قالب بندی داده ها را قبل از ارسال به گره های دیگر در شبکه کنترل می کند و قالب و ساختار داده هایی که از گره های دیگر دریافت می شوند را تعیین می کند. این لایه به عنوان یک واحد قابل برنامه ریزی عمل می کند که همه لایه های دیگر موجود در WSN را جدا می کند و اجرای برنامه های مختلف و تعامل کاربر با آن را میسر می سازد.

ارزیابی جنبه های امنیتی شبکه های حسگر بی سیم

Evaluation of Security Aspects of Wireless Sensor Networks

چکیده

1. مقدمه

2. کاربردهای WSNها

3. امنیت در شبکه های حسگر بی سیم

4. کارهای مرتبط

5. معیارهای پیشنهاد شده

6. نتیجه‌گیری

منابع

چکیده

شبکه های حسگر بی سیم به اجرای متعدد سیاست امنیت قوی نیاز دارند تا هر داده‌ای را که از آنجا انتقال می‌یابد یا توسط آن دریافت می‌شود، به طور موثری ایمن کند. این موضوع به نوبه خود مستلزم سیاست‌ها و روش‌های طراحی شده امنیتی موثر است، طوری که در مورد هر حمله، داده‌ همواره محافظت شود. هر سیاست واحد، در حالی که به خودی خود موثر می‌باشد، شبکه را به میزان لازم علیه همه انواع حملات ایمن نخواهد کرد. به منظور فراهم کردن ایمنی قوی، باید چند روش امنیتی به صورت لایه‌ای اجرا شود. در این مقاله، دسته‌بندی‌های گسترده از کاربردهای شبکه‌های حسگر بی‌سیم، و توصیف خلاصه از این کاربردها با تمرکز روی موارد استفاده حیاتی امنیتی مانند نظامی، مورد مطالعه قرار می‌گیرند. اهداف امنیتی و انواع حملات با اقدامات متقابل مربوطه مورد ارزیابی قرار می‌گیرند. چند پیاده‌سازی موجود از پروتکل‌های امنیتی شبکه حسگر بی‌سیم بررسی می‌شوند، و معایب این روش‌ها مورد بحث قرار می‌گیرند. در بخش‌های انتهایی مقاله، پیشنهادهایی برای غلبه بر این معایب مطرح می‌شود.

کاربردهای WSNها
حوزه‌های ممکن زیادی برای کاربرد WSNها وجود دارد.
A. دسته‌بندی گسترده کاربردهای WSN
دسته‌بندی‌های اصلی کاربردهای WSN در شکل 3 نشان داده شده است.
در این زمینه‌های متنوع، WSNها اهداف گوناگونی دارند ]5[. برخی از آن‌ها عبارتند از:
1. صنعت مراقبت بهداشتی ]8[: ردیابی پارامترهای حیاتی و سایر پارامترها برای نظارت بر سلامت به منظور توانایی برای درمان‌های مراقبت از سلامت در خانه و پزشکی راه دور از طریق شبکه های بی سیم ناحیه بدن با حسگرهای پوشیدنی.
2. کشاورزی ]9[: ردیابی مقادیر فیزیکی مانند دما، شرایط خاک، رطوبت، و غیره برای اطمینان از شرایط بهینه محصول در کشاورزی دقیق مبتنی بر فناوری جهت به حداکثر رساندن تولید، در عین حال به حداقل رساندن تاثیر روی محیط.
3. ساختمان‌های هوشمند و خانه‌های هوشمند ]10[: ایجاد امنیت در خانه و سیستم‌های یکپارچه با سیستم‌های کنترل روشنایی، کنترل از راه دور دستگاه‌های متصل، مدیریت مصرف انرژی، سیستم‌های مراقبت پزشکی از راه دور و امنیت.
4. ردیابی هدف (]11[ و ]12[): تشخیص، ردیابی و نظارت هر هدفی ( وسیله نقلیه، حیوانات، و غیره)، که می‌تواند در کاربردهای متنوعی مانند نمونه‌برداری پوششی مناطق بزرگ و غیرقابل دسترس ( اقیانوس عمیق، و غیره)، نظارت بر سطح جاده ( برای تشخیص چاله)، ردیابی گونه‌های در معرض خطر، و غیره مورد استفاده قرار گیرد.
B. WSNها برای کاربردهای نظامی (]13[ و ]16[)
WSNها امنیت و نظارت را هم فراهم می‌کنند، و در زمینه نظامی، سه دسته اصلی از کاربردها عبارتند از ]13[:
1. کاربردهای نظارت بر میدان جنگ: این‌ها از نقاط معمولی کم‌هزینه (اصطلاح دیگری برای گره‌ها) برای حس کردن سیگنال‌های صوتی و مغناطیسی تولید شده توسط اهداف متحرک مختلف استفاده می‌کنند، که می‌تواند شناسایی و طبقه‌بندی اهداف ( وسایل نقلیه یا نیروها) را امکان‌پذیر کند.
2. نظارت رزمی: از آرایه‌های حسگر صوتی برای شناسایی سیگنال‌ها از وسایل نقلیه متحرک و تیراندازی در حال مکان‌یابی منبع استفاده می‌کند. آن‌ها همچنین سیستم شبکه‌های حسگر بدنی (BSNها) را برای سربازان مورد استفاده قرار می‌دهند تا نظارت بر سلامت به موقع انجام شود.
3. تشخیص مزاحم: این امر را می‌توان با کمک حسگرهای لرزه‌ای و حسگرهای صوتی مراقبت‌نشده انجام داد که صداها و لرزش‌های مزاحمان را تشخیص خواهد داد.
این کاربردها از انواع حسگرها ]6[ برای تشخیص نفوذ، مواد شیمیایی یا سایر مواد و فاصله از اشیاء مورد نظر و برای اهداف تصویربرداری استفاده می‌کنند. این‌ها شامل حسگرهایی مانند حسگرهای مادون قرمز، رادار، لیزری و صوتی، لرزشی، لیدار، و انواع حسگرهای شیمیایی هستند.

تحقیق در مورد مشکلات امنیت اطلاعات شبکه کامپیوتری و پیشگیری مبتنی بر شبکه حسگر بی سیم

Research on Computer Network Information Security Problems and Prevention Based on Wireless Sensor Network

چکیده
1 مقدمه
2. تجزیه و تحلیل امنیت شبکه کامپیوتر
A. تجزیه و تحلیل مشخصه های شبکه های حسگر
B. تهدیدهای ذاتی در شبکه های حسگر بی سیم
3اندازه های برخلافی مربوط به ممانعت امنیتی اطلاعاتی در شبکه های حسگر بی سیم
A فناوری کنترل دسترسی شبکه ای
B. فناوری ممانعت ویروس شبکه
۴ نتیجه گیری
منابع

چکیده

با پیشرفت های مستمر سطح تکنولوژی و اختصاصی چین شبکه کامپیوتری به یک جزء جدایی ناپذیر از زندگی روزانه مردم تبدیل شده است. این موضوع نمی‌تواند به تنهایی باعث افزایش و بهبود بازده تولید و زندگی شود اما می تواند سرعت پیشرفت اقتصادی و اجتماعی چین را ترویج دهد که یک تاثیر مثبت بر تشخیص مدرنیزه شدن چین می‌باشد. تحت محیط مورد نیاز امنیت اطلاعات جدید در زمان حال، ما باید توجه خود را به سمت کار های امنیتی اطلاعاتی مربوطه وقف کنیم و اندازه های امنیتی موثر و استراتژی ها را فرمول بندی کنیم. به منظور این که بتوانیم از مشکلات امنیتی اطلاعاتی به صورت موثری جلوگیری کنیم، مردم باید به ‌صورت فعالی خود را با تکنولوژی فایروال، تکنولوژی رمزیابی، تکنولوژی کنترل دسترسی به شبکه و تکنولوژی ممانعت ویروسی شبکه‌ای برای محافظت کارآمد انطباق یابند. این مقاله مشکلات امنیتی در کاربرد شبکه های حسگر بی سیم را تجزیه و تحلیل می‌کند و ساز و کار دفاع امنیت اطلاعاتی را کشف می‌کند، با این امید که بتواند امنیت و پایداری شبکه های حسگر بی سیم را از طریق اندازه های موثر قوی نماید تا مردم بتوانند از راحتی و آسایشی که توسط عصر شبکه به وجود آمده است، لذت ببرند.

1 مقدمه

همزمان با پیشرفت سریع و بلوغ تکنولوژی میکرو الکترونیک، تکنولوژی کامپیوتر و تکنولوژی ارتباطات بی سیم شبکه حسگر بی سیم به تدریج برای موارد نظامی، مشاهده و نظارت محیطی و زمینه های دیگر استفاده شده است و به تدریج وارد حوزه عملی شده است[1]. این نوع از شبکه میکرو حسگر با قابلیت های ارتباطاتی و حسابرسی یک شبکه خود سازماندهی شده چند هاپه می‌باشد که توسط تعداد زیادی از نود های حسگر میکرو از طریق ارتباطات بی‌سیم شکل دهی شده است که می تواند فرآیند جمع آوری اطلاعات، انتقال و سرهم کردن اشیا نظارتی مختلف را در حوزه کاربردی از طریق یک روش متقابل یا بر پایه همکاری کامل کند[2]. شبکه حسگر بی سیم یک تکنولوژی جدید همراه با پیشرفت تکنولوژی حسگر، تکنولوژی کامپیوتر، تکنولوژی ارتباطات بی سیم و تکنولوژی پردازش اطلاعات توزیع شده در سال های اخیر می باشد[3]. محیط کاربردی شبکه حسگر بی سیم معمولاً پیچیده است به ویژه در حوزه های نظامی. چگونگی اطمینان بخشیدن به امنیت شبکه ی سنسوری بی سیم، پایه کاربرد آن است[4]. شبکه حسگر بی سیم یک شبکه خود سازماندهی شده دارای مقیاس بزرگ در خلال یک تعداد عظیمی از نود های حسگر مقید شده منبعی کم هزینه برای کار کردن بهتر برای انجام دادن یک وظیفه ویژه می باشد[5]. در عصر اطلاعات این موضوع خیلی مهم و بحرانی می باشد که از امنیت اطلاعاتی به‌صورت کارآمدی جلوگیری کنیم و به یک عنوان تحقیقاتی مهم در پیشرفت فناوری شبکه های کامپیوتر تبدیل شده است[6]. شبکه حسگر بی سیم با یک فناوری پردازش و اکتساب اطلاعاتی جدید می باشد. به این دلیل که آن همواره بر روی خودش عملیات انجام می دهد و به پرسنل یا خدمه ویژه ‌ای برای انجام وظایفش احتیاج ندارد و همچنین امنیت شبکه حسگر بی سیم دارای یک تهدید بزرگ می باشد[7].

Abstract

With the continuous improvement of China’s scientific and technological level, computer network has become an indispensable part of people’s daily life. It can not only effectively improve the efficiency of production and life, and shorten the distance between people, but also further promote the speed of China’s social and economic development, which has a positive impact on the realization of China’s modernization. Under the new information security demand environment at present, we should pay attention to the related information security work and formulate effective security measures and strategies. In order to effectively prevent these information security problems, people should actively adopt firewall technology, encryption technology, network access control technology and network virus prevention technology for effective protection. This paper analyzes the security problems in the application of wireless sensor networks and explores the mechanism of defending information security, hoping to strengthen the security and stability of wireless sensor networks through effective measures, so that people can better enjoy the convenience brought by the network age.

1. INTRODUCTION

With the rapid development and maturity of microelectronic technology, computer technology and wireless communication technology, wireless sensor network has been gradually applied to military, environmental monitoring and other fields, and has gradually entered the practical stage [1]. This kind of micro sensor network with computing and communication capabilities is a multi hop self-organizing network formed by a large number of cheap micro sensor nodes through wireless communication, which can complete the data collection, transmission and fusion of various monitoring objects in the deployment area in a cooperative way [2]. Wireless sensor network is a new technology with the development of sensor technology, computer technology, wireless communication technology and distributed information processing technology in recent years [3]. The application environment of wireless sensor network is usually complex, especially in the military field. How to ensure the security of wireless sensor network is the basis of its application [4]. Wireless sensor network is a large-scale self-organizing network, through a large number of low-cost, resource constrained sensor nodes to work together to achieve a specific task [5]. In the information age, it is very important and critical to effectively prevent information security, and it has also become an important research topic in the development of computer network technology [6]. Wireless sensor network (WSN) is a new information acquisition and processing technology. Since it usually operates on its own and does not require personnel to perform duties, the security of wireless sensor network has a great threat [7].

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تحقیق در مورد مشکلات امنیت اطلاعات شبکه کامپیوتری و پیشگیری مبتنی بر شبکه حسگر بی سیم

Research on Computer Network Information Security Problems and Prevention Based on Wireless Sensor Network

تعادل بار در رایانش ابری با استفاده از بهینه سازی ازدحام ذرات (PSO) مبتنی بر جهش

Load Balancing in Cloud Computing using Mutation Based Particle Swarm Optimization

چکیده

1. مقدمه

2. تکنیک پیشنهادی

A. بهینه سازی ازدحام ذرات مبتنی بر جهش

B. استفاده از جهش برای نتیجه بهینه شده

3. شبیه سازی و نتیجه

A. جزئیات اجرا

B. تنظیم پارامترها

C. نتیجه آزمایشی

4. نتیجه گیری و کارهای آینده

چکیده

رایانش ابری، نوعی فن آوری است که وظایف را با تخصیص دینامیکی ماشینهای مجازی اجرا می‌کند. هزینه‌ای که کاربران پرداخت می‌کنند بر مبنای میزان تقاضای آنها برای منابع است. یک تأمین کننده ابر باید با چالشهای زیادی روبرو شود. یکی از مسائل بسیار مهم، تعادل بار است که از مشکلات زیادی مانند همگرایی نابهنگام، کاهش سرعت همگرایی، راه حل‌های تصادفی که ابتدا  انتخاب می‌شوند و درگیر شدن در اپتیمای بومی تأثیر می‌پذیرند. روش پیشنهادی، پارامترهای زمان صرف شده (MakeSpan) را برای رسیدگی به مسئله مربوط به تکنیکهای اکتشافی موجود مورد نظر قرار داده است. در اینجا یک الگوریتم تعادل بار کارآمد برای به حداقل رساندن پارامترهای عملکرد مانند زمان صرف شده (MakeSpan) طراحی شده که تابع برازش را در رایانش ابری بهبود می‌بخشد.

1. مقدمه

رایانش ابری به عنوان یک زبان حرفه‌ای در حوزه رایانش سریع و محیط توزیع شده ایجاد شده است. این فن آوری سرویسهای درخواستی را در مجموعه مشترکی از منابع از طریق اینترنت برای کاربران فراهم می‌آورد که بطور پویایی مقیاس پذیر هستند. رایانش ابری یکی از بزرگترین زمینه‌ها در فن آوریهای وب است که می‌تواند وظیفه ای را که کاربران نمی‌توانند با راحتی به آن دسترسی داشته باشند، بطور پویایی به یک ماشین مجازی اختصاص دهد. یکی از چالشهای مهم در رایانش ابری، تعادل بار است. تعادل بار اصطلاحی است که برای تسهیم بار بین چندین پردازنده تعریف می‌شود. بار کاری را می‌توان در دسته‌های مختلفی مانند بار CPU ، بار شبکه ، مشکل ظرفیت حافظه و غیره طبقه بندی کرد. 

4. نتیجه گیری و کارهای آینده

تعادل بار همیشه از مهم‌ترین چالش‌ها در محیط رایانش ابری بوده است. هدف اصلی الگوریتم پیشنهادی، به حداقل رساندن زمان صرف شده (MakeSpan)  و بهبود تابع برازش است. در اینجا روش پیشنهادی، از بهینه سازی ازدحام ذرات مبتنی بر جهش استفاده کرده است. این یک روش بهینه سازی الهام گرفته از طبیعت است، بنابراین روش پیشنهادی آن را با یک عملگر ژنتیکی یعنی جهش ترکیب کرده است. استفاده از جهش برای بهترین راه حل ارائه شده توسط الگوریتم PSO موجود ، زمان صرف شدۀ بهتری را برای ما ایجاد کرده و تابع برازش را بهبود بخشیده است. الگوریتم MPSO در مقایسه با PSO نتایج بهتری را می‌دهد. در اینجا روش پیشنهادی در مورد پارامتر زمان صرف شده (MakeSpan)  نیز مقایسه شده است. در روش پیشنهادی ، از زمان بندی انحصاری ماشین مجازی برای اجرای تعادل بار استفاده شده است. در آینده، ، معیارهای مختلف دیگری مانند توان عملیاتی، زمان میانگین ، استفاده از منابع ، زمان انتظار و غیره را می‌توان مد نظر قرار داد.

Abstract

Cloud computing has emerged as a technology that grease tasks by the dynamic allocation of virtual machines. Users pay for resources based on their demand. A cloud provider has to face many challenges. One out of the essential problem is load balancing, which suffers from many issues like premature convergence, reduced convergence speed, at first chosen random solutions, and stuck in native optima. The proposed method considered the MakeSpan parameters to handle the problem related to existing met heuristic techniques. The proposed method focuses on the mutation-based Particle Swarm algorithm to balance load among the data centers. Here an efficient load balancing algorithm is developed to minimize performance parameters like MakeSpan time and improve the fitness function in cloud computing.

I. INTRODUCTION

Cloud computing has risen as jargon in the area of highperformance computing and distributed environment. It provides users with on-demand services to a shared pool of resources over the Internet which is dynamically scalable. Cloud computing is being the most magnifying field in web technologies. It dynamically allocates the task on the virtual machine which is easily accessible to the user. One of the main challenges in cloud computing is load balancing. Load balancing is a term defined for sharing the load among the multiprocessors. The workload can be classified into various categories like CPU load, network load, memory capacity issue, etc.

IV. CONCLUSION AND FUTURE WORK

Load Balancing has always been the most significant challenge in the Cloud Computing environment. The primary objective of the proposed algorithm is to minimize MakeSpan and improve fitness function. Here proposed method uses a mutation-based particle swarm optimization. It is a natureinspired optimization technique, so the proposed method combined it with a genetic operator i.e. Mutation. Applying mutation on the best solution given by the existing PSO algorithm gave us a better MakeSpan and improved the fitness function. MPSO algorithm gives better results as compared to PSO. Here proposed method is also compared on the MakeSpan parameter. The proposed method used pre-emptive virtual machine scheduling for performing load balancing. In the future, various other metrics like throughput, average time, resource utilization, waiting time, etc. can be considered.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تعادل بار در رایانش ابری با استفاده از بهینه سازی ازدحام ذرات (PSO) مبتنی بر جهش

Load Balancing in Cloud Computing using Mutation Based Particle Swarm Optimization

هوش شناختی با بهینه سازی شبکه Ad-Hoc تطبیق پذیرخودرویی

Cognitive Intelligence with Adaptive MAC Vehicular Ad-Hoc Network Optimization

چکیده

I. مقدمه

II. تحقیقات مرتبط

III. VANET MAC انطباقی معرفی شده (ADMAC)

V. نتیجه و بحث

VI. نتیجه گیری

چکیده

تحویل موفق و منظم اطلاعات در شبکه تک کاره خودرویی (VANET) برای سیستم حمل و نقل هوشمند(ITS) بدلیل وجود ویژگیهای منحصر بفرد شبکه تک کاره خودرویی) (VANET از جمله تغییر سریع موقعیت و قطعی های متناوب چالش برانگیز هستند. طرح های کنونی از پارامترهای استاتیک در موقعیت های متغیر شبکه تک کاره خودرویی (VANET) استفاده می کنند که منجر به عدم تطبیق پذیری می شود. بدلیل تغییر سریع موقعیت و اختلال متناوب در VANET، یک طرح پروتکل بهینه سازی جدول بندی کنترل دسترسی متوسط شبکه تک کاره خودوریی(VANET) تطبیق پذیر(MAC) شناختی معرفی شده است که می تواند پارامترهای انتقالی را تغییر دهد و در آن تغییرات مختلف موقعیت شبکه تک کاره خودرویی (VANET) در اولویت است. Adaptive VANET MAC با نام AdMAC، نسبت تغییر سیگنال به نویز و مداخله (SINR) به عنوان شاخصی برای نشان دادن محیط انتقال شبکه تک کاره خودرویی(VANET) و تراکم ترافیک مطرح شده است. سپس نسبت تغییر سیگنال به نویز و مداخله (SINR) برای تعیین اندازه پنجره مباحثه VANET MAC استفاده می شود. شبیه سازی در شرایط ترافیک متراکم و غیر متراکم در منطقه شهری کوالالامپور مالزی انجام شده است. نتایج نشان می دهد که AdMAC معرفی شده دارای تطبیق پذیری بهتر از نظر سرعت موفقیت بسته بندی و میانگین تاخیر می باشد.

I. مقدمه

در شبکه تک کاره خودرویی (VANET) ، خودروها به صورت تصادفی با تحرک زیاد با تغییر موقعیت و انحرافات متوالی رانندگی می کنند (1). طرح های کنونی در شبکه تک کاره خودرویی (VANET) از پارامترهایی استفاده می کنند که پایایی انتقال، ثبات انتقال، تداخل و شرایط ترافیک را برای بهینه سازی اندازه پنجره مباحثه در نظر نمی گیرند (2). برای اطمینان از اینکه شبکه تک کاره خودرویی (VANET) از خرابی کمتر بسته بندی رنج می برد و به کمترین مقدار تاخیر می رسد، پارامترهای VANET MAC باید تطبیق یافته و بهینه سازی شوند تا مطمئن شد که عملکرد انتقال VANET MAC در موقعیت های مختلف و انحرافات متعدد حفظ می شود (3). اخیرا، شبکه تک کاره خودرویی (VANET)  توسط IEEE802.11p با اولویت طرح دسترسی کانال توزیعی ارتقا یافته(EDCA) کنترل می شود (4). طرح پیش فرض IEEE802.11p همچنان استاتیک تر است و این ویژگی باعث کمتر شدن کارایی در محیط های متغیر انتقال شبکه تک کاره خودرویی (VANET) می شود.

VI. نتیجه گیری

  شبکه تک کاره خودرویی (VANET) یک فناوری تازه پدیدار شده برای اطمینان از امنیت از طریق ارتباطات بین خودروها است. طرح کنونی VANET نشان دهنده عدم تطبیق پذیری در یک محیط متغیر انتقالی است که دلیل آن وجود پارامترهای استاتیک است. بنابراین، در این مقاله، یک پروتکل بهینه سازی تطبیقی جدید برای شبکه تک کاره خودرویی (VANET) تکاملی دینامیک در سیستم انتقال هوش (ITS) با نام AdMAC معرفی شده است. در AdMAC، نسبت تغییر سیگنال به نویز و مداخله (SINR) برای تنظیم اندازه پنجره مباحثه برای برنامه ریزی بسته ای استفاده می شود. اندازه بزرگ پنجره مباحثه برای شرایط انتقالی غیر کاربردی داده شده است تا بتوان بسته ها را قبل از انتقال شفاف کرد، در حالی که اندازه پنجره با غلظت پایین برای شرایط انتقال خوب داده می شود. شبیه سازی در ترافیک متراکم و غیر متراکم در منطقه شهری کوالالامپور در نقشه مالزی انجام شده است و از برنامه های Omnet++, SUMO, Veins و گوگل مپ استفاده شده است. نتایج نشان می دهد که روشAdMAC مطرح شده در محیط های انتقالی مختلف، تطبیق پذیری و بهینه سازی بهتر دارد و موفقیت سرعت بسته بندی بیشتر و میانگین تاخیر کمتر است.

Abstract

Successful and timely data delivery in evolutionary Vehicular Ad-Hoc Network (VANET) for Intelligent Transportation System (ITS) are particularly challenging due to the unique characteristics of VANET, such as fast topology change and frequent disruptions. The current VANET schemes use static parameters in an ever changing VANET topology, which results in lack of adaptability. Due to the fast topology change and frequent disruptions in VANET, a cognitive and adaptive VANET Medium Access Control (MAC) scheduling optimization protocol scheme, which is able to change its transmission parameters, to suit different topology change in VANET is preferable. In the proposed Adaptive V ANET MAC, namely AdMAC, change of signal to noise and interference ratio (SINR) is proposed as an indicator to represent VANET transmission environment and traffic density. The change of SINR is then used to determine the V ANET MAC contention window size. Simulation is conducted under congested and non-congested traffics, in the urban map of Kuala Lumpur, Malaysia. Results show that the proposed AdMAC has better adaptability, in terms of packet success rate and average delay.

I. INTRODUCTION

In VANET, vehicles drive randomly with high mobility under fast topology change and frequent disruptions [1]. The current existing schemes in VANET use parameters that do not consider transmission reliability, transmission stability, interference and traffic conditions, to optimize contention window size [2]. In order to ensure VANET suffers less packet collisions and achieve minimum delay, VANET MAC parameters have to be adaptive and optimized, to ensure VANET MAC transmission performance is maintained, under ever changing topology and frequent disruptions [3]. Currently, VANET is governed by IEEE802.11p with Enhanced Distributed Channel Access (EDCA) priority scheme [4]. The default IEEE802.11p scheme is still very much static, which makes it less feasible, under varying VANET transmission environments.

VI. CONCLUSION

VANET is an emerging technology to ensure safety through communication between vehicles. The current VANET scheme shows lack of adaptability in an ever changing transmission environment due to its static parameters. Therefore, in this paper, a novel adaptive optimized scheduling protocol for MAC layer dynamic evolutionary VANET in intelligent transportation system (ITS), namely AdMAC is proposed. In AdMAC, change of SINR is used to determine traffic density and transmission environment. The change of SINR is then used to set the contention window size for packet scheduling. High contention window size is given to unviable transmission conditions to allow packets to clear before next transmission takes place, whereas low contention window size is given to good transmission conditions to allow more packet transmissions to take place. Simulation is conducted under congested and non-congested traffic in an urban Kuala Lumpur, Malaysia map, with the use of Omnet++, SUMO, Veins and open google map applications. Results show that the proposed AdMAC shows better adaptability and optimization, under varying transmission environment, with improved packet success rate and lower average delay.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

هوش شناختی با بهینه سازی شبکه Ad-Hoc تطبیق پذیرخودرویی

Cognitive Intelligence with Adaptive MAC Vehicular Ad-Hoc Network Optimization

طراحی معماری سازمانی به وسیله متد توسعه معماری TOGAF

Designing Enterprise Architecture Using TOGAF Architecture Development Method

چکیده

1 مقدمه

2 روش

3 نتایج و بحث

4 نتیجه گیری

منابع

چکیده

     هدف از این تحقیق، توسعه سیستم اطلاعاتی موجود با طراحی سیستم گزارشگری اطلاعات مدارس از هماهنگ کننده منطقه‌ای به منظور پردازش بیشتر آن در زیرمجموعه‌ای از برنامه‌ها و گزارشگری در دفتر آموزش، جوانان و ورزش اداره نايب السلطنه Karawang می‌باشد (Dinas Pendidikan، Pemuda Dan Olahraga Karawang). روش مورد استفاده برای طراحی معماری سازمانی، چارچوب آزاد معماری گروهی روش توسعه معماری توگف (TOGAF ADM) است. مراحل اعمال شده در این طراحی عبارتند از TOGAF ADM ، آماده سازی، چشم انداز معماری، چشم انداز تجاری، معماری سیستم اطلاعات و معماری فن آوری. این تحقیق طرحی را ارائه می‌دهد که برای پشتیبانی از فرآیندهای تجاری در دست اجرا مورد استفاده قرار می‌گیرد. خروجی این مرحله، یک معماری سازمانی را ایجاد می‌کند که بعداً می‌تواند توسط سازمانها برای پشتیبانی از فرایندهای تجاری و دستیابی به اهداف استراتژیک مورد استفاده قرار گیرد. این مطالعه نتیجه گیری می‌کند که استفاده از روش TOGAFADM به عنوان یک ابزار مورد استفاده در طراحی این معماری سازمانی سیستم اطلاعات بطور کلی می‌تواند مدلهای معماری طراحی را ایجاد کند که در راستای بینش و رسالت سازمان باشد و در سازمانهای دیگری که از نظر فرآیندهای تجاری شباهتهایی دارند، قابل استفاده باشد. این تحقیق، راه حلی را برای مشکل مفقود شدن و خلل در داده‌ها در طی فرآیند گزارشگری در قالب این کتابچه راهنمای کاربر ارائه می‌دهد.

روش
روش‌های مورد استفاده در طراحی معماری سازمانی مبتنی بر مطالعه مقالات TOGAF ADM ، مشاهده مستقیم و مصاحبه با ذینفعان است. در مراحل اولیه شامل مشاهده مستقیم، جمع آوری اسناد و مدارک در روند کسب کار و انجام مصاحبه با افراد مورد نظر می‌باشد.

این تحقیقات در زیر مجموعه برنامه‌ها و گزارشگری در زمینه آموزش ، جوانان و ورزش Falkirk انجام شد. با اسناد و مدارک به دست آمده از مشاهده مستقیم هر گونه فرآیند تجاری و مصاحبه با ذینفعان، چشم انداز معماری، معماری کسب و کار، معماری سیستمهای اطلاعات و معماری فن آوری در این مسئله به دست می‌آید. بنابراین، می‌توان با استفاده از چارچوب معماری سازمانی که امروزه استفاده می‌شود ، برنامه کار معماری سازمانی را ایجاد کرد. ساختار اصلی TOGAF ADM در شکل 2 نشان داده شده است.

TOGAF ADM نتیجۀ مشارکت‌های مداوم تعداد زیادی از متخصصان معماری است. این ساختار، روش‌هایی را برای توسعه و مدیریت چرخه حیات معماری سازمانی توصیف می‌کند و هسته اصلی TOGAF را تشکیل می‌دهد. علاوه براین، عناصر TOGAF شرح داده شده در این سند و همچنین سایر داراییهای معماری موجود را برای برآورده ساختن نیازهای کسب و کار و سازمان با هم ادغام می‌کند (3).

شناسایی ادغام کننده های اطلاعات در شبکه های حسگر بی سیم

Identification of Data Aggregators in Wireless Sensor Network

چکیده

1. معرفی

2. کار مرتبط

3. بیان مساله

.A مدل شبکه

.B مقدمه

.Cتعریف مشکل

4. ساخت یک مجموعه ی غالب همبند برپایه ی همسایگی های هاپ 1 در مجموع غالب هم بند

. Aاصطلاحات مقدماتی

B . توضیح الگوریتم

5. نتیجه گیری و مباحثه

6. نتیجه گیری و تحقیقات اتی

منابع

چکیده

ادغام اطلاعات یکی از چالش های عمده در شبکه های حسگر بی سیم می باشد.رویکردهای زیادی در گذشته ارائه شده اند. بطور گسترده انها در سه دسته تقسیم بندی می شوند. اولین دسته ، رویکرد مبتنی بر درخت می باشدکه در ان ادغام داده از طریق تولید درخت پوشای کمینه  انجام می شود. رویکرد دوم، رویکرد   درون شبکه ای می باشد که در ان ادغام اطلاعات از طریق عملیات فشرده سازی داده ها انجام می شود. رویکرد سوم رویکرد مبتنی بر کلاستر (خوشه ای) می باشد که ادغام داده از طریق تقسیم کل شبکه به چند خوشه  انجام می شود. از طریق مطالعه ی جامعی که بر روی ادغام اطلاعات انجام گرفته شده است، حوزه ی بالقوه ای برای بهبود در الگوریتم های ادغام اطلاعات نمایش داده شده است.  در این مطالعه، مجموعه غالب  (زیرمجموعه‌ای از گره‌هاست به گونه‌ای که هر گره یا درون این مجموعه است یا همسایه‌ای در این مجموعه دارد ) را بر اساس  همسایگی هاپ1 (همسایگی هاپ1  در مجموعه غالب همبند (CDS))  تشکیل می دهیم. از این متد به منظور تعیین ستون فقرات مجازی (VB) در شبکه ی داده شده استفاده می کنیم. ادغام اطلاعات از طریق ستون فقرات مجازی (VB)  مشخص می شود. نتایج نشان می دهند که میزان قابل توجهی از انرژی میتواند با استفاده از متد ارائه شده ذخیره شود. 

1.معرفی

شبکه حسگر بی سیم (WSN) شامل مجموعه ای از گره های حساس می باشد که توان محاسباتی و توانایی سنجش دارند. انها به دلایل زیادی  مانندردیابی خودرو، تشخیص آتش سوزی جنگل و غیره ،  مورد استفاده قرار می گیرند. مدل های مسیریابی در شبکه حسگر بی سیم به دو نوع دسته بندی می شوند: مسیریابی بـا محوریـت داده  و مسیریابی با محوریت ادرس دهی. در مسیریابی با محوریت ادرس دهی ، گره ی منبع داده ها را از طریق کوتاه ترین مسیر به ایستگاه اصلی ارسال می کند و در مسیریابی بـا محوریـت داده ، گره ی حسگر داده ها را به نزدیک ترین گره ی میانی ارسال می کند. این گره پس از دریافت اطلاعات، عملیات ادغام اطلاعات را برای اطلاعات جمع اوری شده انجام می دهد و نتایج را به ایستگاه پایه ارسال می کند. شبکه حسگر بی سیم برای مشاهده ی حوزه های خاص و نظارت بر سیستم هایی  مستقر می شود که توسط انسانها قابل دستیابی نمی باشد. در شبکه هایی با مقیاس بزرگتر،  این امکان وجود دارد که مشکلاتی بوجود بیایند. مانند  این که گره ها به عنوان مانعی برای یکدیگر  در نظر گرفته شوند و یا  حضور تعداد زیادی مسیر ممکن و غیره. این مشکلات با انتخاب تعداد کمی گره ی حسگر  به عنوان  ستون فقرات مجازی (VB) برای شبکه قابل حل می باشند. به شیوه ای که گره های میانی به یکدیگر متصل می باشند و گره های خارجی حداقل به یک گره در ستون فقرات مجازی (VB ) متصل می باشند (2). 

Abstract

Data aggregation is one of the major challenges in wireless sensor networks. Several approaches have been proposed in the past. They can be broadly categorized into three types. The first is tree-based approach, where data aggregation is performed by generating minimum spanning tree. The second is In-Network approach, where data aggregation is done by performing data compression operation on data. The third one is cluster-based approach, where data aggregation is done by dividing whole network into several clusters. The comprehensive study on data aggregation that is carried out reveals potential scope for improvement in the existing data aggregation algorithms. In this work, we construct Connected Dominating Set based on 1-hop Neighbors (CDS-1HN). This is used to determine the virtual backbone of a given network. Data aggregators are identified by using the virtual backbone. The results reveal that considerable amount of energy can be saved by using the proposed method.

I. INTRODUCTION

Wireless Sensor Network (WSN) consists of a collection of sensor nodes that have some computational power and sensing capability. They are used for large number of applications such as vehicle tracking, forest fire detection etc. The routing models in WSN are classified into two types: Address-Centric and Data Centric. In Address-Centric Routing, the source node sends data to the base station along the shortest path and in Data Centric Routing, sensor node sends data to the nearest intermediate node. After receiving data intermediate node performs data aggregation operation on collected data and forwards result to the base station [1]. WSN can be deployed for observing certain area and supervising the system where human interference is unattainable. In a large scale network there are many problems that may arise, such as, many nodes obstruct each other, presence of plenty possible routes and so on. These problems can be resolved by choosing a few sensor nodes as a virtual backbone (VB) for a network, where interior nodes are connected to each other and exterior nodes are connected to at least one node in VB [2].

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

شناسایی ادغام کننده های اطلاعات در شبکه های حسگر بی سیم

Identification of Data Aggregators in Wireless Sensor Network

معماری های سازمانی برای تحول دیجیتال در شرکت های کوچک و متوسط

Enterprise architectures for the digital transformation in small and medium-sized enterprises

Abstract

The transformation towards smart connected factories causes enormous changes in mechanical engineering industry starting from the development of cyber-physical production systems up to their application in production. Enterprise architectures already offer suitable methods to support the alignment of the internal IT landscape. New demands like customer involvement, iterative development and increased business-orientation arising with these digitized products require new approaches and methods. This paper presents the foundation and the first steps aiming at the development of a method for the holistic planning of the digital transformation in small and medium-sized mechanical engineering enterprises.

1 Introduction

personalized value. This becomes particularly obvious in the demand for individualized products and the increasing influence of customers on the development and the production processes [1]. Factories can only meet this challenge by the application of digital technologies. In Germany, the term Industrie 4.0 represents the aspired target state. Through improvements in information, communication and automation technology live information is available over life cycles of products, processes and factories. Production systems, products and humans are closely networked. Moreover, the resulting big data is used for holistic optimization. [2, 3, 4] This special situation gives rise to opportunities and risks for mechanical engineering enterprises. Based on customer data there are numerous new possibilities for product and process improvements including the optimization of the machining process or spare part forecasting services. At the same time, they are confronted with new demands. Customers not just want to buy a physical machine but service systems, consisting of hard- and software, that offer additional value in their unique context [1, 4, 5]. Examples are context-based features and information for machine operators that support manufacturing to adapt rapidly changing customer needs. To realize such use cases a close collaboration of manufacturers and mechanical engineering enterprise is required. Through this development, IT is not any longer just a technological tool to improve the efficiency of internal processes. By becoming an essential part of the value creation it grows up to a new source of competitive advantage and thus takes a transformative role [5]. The required extension of products by digital components to the point of cyber-physical systems and their integration into service systems leads enterprises in mechanical engineering into a fundamental change process – the digital transformation. Besides mechanics and electronics they now need to develop digital capabilities and implement them into fast-changing, cross-company processes and structures. Especially for small and medium-sized enterprises (SMEs) this is an enormous challenge [6].

With the help of business model appraoches, many enterprises already started to design digital value creation concepts. But these means are very limited when it comes to deriving and implementing processes and IT services. In contrast to existing IT-based products, the new service logic requires a holistic process view. To take full advantage of the digital opportunities adequate models, methods and tools are needed [4, 7]. With enterprise architectures (EA) information systems literature already offers a well-proven solution for this challenge [8, 9]. The aim of this paper is to examine if this approach is appropriate for digital transformation in SMEs of mechanical engineering. Therefore, digital transformation and EA are defined. Afterwards, strengths and weaknesses of EA in the context of digital transformation in SMEs are analyzed. In addition, this paper presents the first steps for the development of a method for the holistic planning of the digital transformation in small and mediumsized mechanical engineering enterprises.