دانلود رایگان ترجمه مقاله پشتیبانی تصمیم گیری و اتوماسیون مبتنی بر ابر (ساینس دایرکت – الزویر ۲۰۱۶)

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

حرکت به سوی پشتیبانیِ تصمیم گیری مبتنی بر ابر ، فرصت ها و چالش های جدید را ارائه می دهد. اول، کشاورزی دقیق از انواع حسگرها و منابع داده استفاده می کند، که هر کدام ممکن است فرمت و معانی خاص خود را داشته باشند. یک سیستم پشتیبانی مبتنی بر ابر نیاز به مدیریت یک نمایه متنوع از انواع و فرمت های مختلف داده دارد. دوم، به طور سنتی یک سیستم پشتیبانی تصمیم نرم افزار خاص است. یک کشاورز ممکن است نیاز به دسترسی به سیستم های مختلف برای یک برنامه خاص (مانند آبیاری، لقاح و غیره) داشته باشد. برای ارائه یک تجربه کاربری ساده، یک سیستم پشتیبانی مبتنی بر ابر ، باید بتواند برای برنامه های مختلف تمدید و پیکربندی شود؛و در نهایت، توسعه اخیر اینترنت همه چیز (IoT) دستگاه های زمینه را از طریق اینترنت پیوند می دهد. انتظار می رود که یک سیستم پشتیبانی آینده تصمیمی برای کنترل پیشرفت در IoT، به طور ایمن از محیط ابر کنترل شود
در این مقاله چارچوب ما برای پشتیبانی از تصمیم گیری مبتنی بر ابر و سیستم های اتوماسیون (DSAS) و تجربه ما در اجرای آن در Agrilaksy، DSAS و ما از زمین تا قبل از استفاده از مقیاس پذیری و در دسترس بودن یک پلت فرم محاسبات ابر بحث می کنیم. ما تکنیک های جدیدی را برای رسیدگی به چالش های طراحی با DSAS مبتنی بر ابر طراحی کردیم. بقیه مقاله به شرح زیر برگزار می شود: بخش ۲ خلاصه ای از چارچوب ما را ارائه می دهد. در بخش ۳ ما در مورد ظاهر واردات داده ها در دستگاه-آگنوستیک بحث می کنیم که با منابع مختلف داده با فرمت داده ها و معانی شناخته شده تعریف می شود. در بخش ۴ ما معماری نرم افزار قابل گسترش برای ماژول های تصمیم گیری را مورد بحث قرار می دهیم. در بخش ۵ ما پارادایم کنترل فرآیندهای نرم افزاری را معرفی می کنیم، یک پارادایم جدید طراحی نرم افزار برای کنترل دستگاه های فیزیکی در زمینه ای از ابر .
بخش ۶ در مورد اجرای فعلی Agrilaksy بحث می کند، سرانجام، در بخش ۷ این مقاله را به پایان می رساند.

۲٫ بررسی اجمالی سیستم
شکل ۱ نمای کلی چارچوب ما برای DSAS های مبتنی بر ابر را نشان می دهد. این دستگاه ظاهری وارداتی اطلاعاتی دارد. قسمت جلویی از مدل داده ها برای تعریف فرمت ها و معناشناسی مجموعه داده های ورودی استفاده می کند. جزئیات مدل داده در بخش ۲ ارائه شده است. ماژول های تصمیم گیری آن با یک معماری نرم افزاری قابل برنامه ریزی طراحی شده است که شامل یک طراحی مدولار سلسله مراتبی می باشد. یک ماژول، که به عنوان یک برنامه وب در DSAS نامیده می شود، توسط رابط های آن مشخص می شود. یک برنامه وب جدید می تواند به سلسله مراتب تصمیم گیری بر روی پرواز اضافه شود یا برای جایگزینی یک ماژول موجود با یک رابط سازگار استفاده شود. جزئیات معماری نرم افزار قابل گسترش ما در بخش ۳ معرفی شده است. در بخش ۴، کنترل نرم افزاری تعریف شده، یک پارادایم جدید طراحی نرم افزار برای مدیریت پیچیدگی کنترل نمایه متنوع دستگاه ها را معرفی می کنیم. کنترل تعریف شده توسط نرم افزار ، مجازی سازی دستگاه های فیزیکی از طریق لایه های انتزاعی است. هر لایه جزئیات اجرایی لایه زیر را خلاصه می کند، در حالی که یک رابط کنترل ، کنترل را به لایه بالا ارائه می دهد .

۳٫ وارد کردن اطلاعات مربوط به دستگاه آگنوستیک
کشاورزی دقیق با استفاده از سنسورهای مختلف (مانند سنسور رطوبت خاک، سنسور نیتروژن) و منابع داده (به عنوان مثال، مکان آب و هوا) برای اندازه گیری تغییرات درون و بین مزرعه مشخص می شود. DSAS مبتنی بر ابر نیاز به کار با طیف وسیعی از سنسورها و منابع داده دارد. برای رسیدگی به تنوع داده ها از منابع مختلف، ما یک روش مبتنی بر متد داده را که در ابتدا ارائه شده است گسترش می دهیم. این تکنیک از یک مدل داده برای مشخص کردن نوع قالب وداده یک مجموعه داده ورودی استفاده می کند، مانند دما، رطوبت خاک، و غیره. ] ۵[ مدل متادون مدل مدل داده است. این نوع داده های مجاز برای ستون ها و معانی عملیاتی مربوط به هر نوع داده را مشخص می کند. معناشناسی های عامل، یک نوع داده خاص عملیاتی که می تواند در نوع داده ها را مشخص کند. به عنوان مثال، معنای عملیاتی برای درجه حرارت .
تعریف نحوه ترجمه شکل ۲: مدل داده متا در داده های XSD * به قالب متوسط در سلسیم قرار دهید . برای بهبود قابلیت تعامل، یک مدل داده در XML را مشخص می کنیم [۶] که یک فرمت داده غالب است ؛ برای تبادل بیش تر اطلاعات ساختاری از اینترنت استفاده می کنیم . یک مدل داده متادم در یک پسوند طرح XML (XSD) [7] مشخص شده که به عنوان XSD * نامگذاری شده است XSD * XSD را با معانی عملیاتی برای نوع داده گسترش می دهد. شکل ۲ یک مدل فراداده در XSD پیشنهاد شده را نشان می دهد. عناصر مدل ، با معانی عملیاتی خود (به عنوان مثال ‘op’) گسترش می یابند. به عنوان مثال، عنصر ‘time’ دارای date_seg و date_single است که هر کدام یک فرمت زمان ممکن را نشان می دهند. زمان “data_seg” شامل “year”، “month” و غیره است. ‘op’ مرتبط با ‘date_seq’ یک الگوریتم ترجمه در یک زمان date_seq را به یک نمایش داخلی واحد پذیرفته شده توسط ماژول های تصمیم می دهد. برای هر مدل داده، یک وارد کننده داده برای دسته بندی داده ها تعریف شده که توسط خود مدل داده تولید می شود. وارد کننده داده، معانی عملیاتی را که در مدل داده متا داده شده است، بر روی مجموعه داده ورودی اجرا می کند. این مجموعه داده ها را به یک قالب متوسط که توسط ماژول های تصمیم، پذیرفته می شود، ترجمه می کند. برای معرفی نوع جدیدی از منبع داده (به عنوان مثال نوع جدیدی از سنسور)، تنها باید مدل داده خود را در XML تعریف کرد. DSAS مدل داده XML را به یک وارد کننده داده تبدیل می کند.

۴٫ یک معماری نرم افزاری گسترده برای ماژول های تصمیم گیری
منطق تصمیم گیری هسته ی سیستم پشتیبانی تصمیم گیری است. . در یک سیستم پشتیبانی تصمیم گیری سنتی منطق تصمیمات سخت براساس یک برنامه خاص است. با این وجود، عملیات هر باغ متفاوت است و تحت تأثیر بسیاری از عوامل مانند انواع محصولات باغی، محیط زیست و حتی مدل کسب و کار قرار دارد. ما یک معماری نرم افزاری قابل انعطاف پیشنهاد دادیم که DSAS را به راحتی با منطق تصمیم گیری جدیدی گسترش می دهد . معماری نرم افزار به دنبال اصل باز / بستن است ، به همین خاطر یک اصل مهم در طراحی نرم افزار شی گرا بودن آن است، به عنوان مثال، نرم افزار باید گسترش یابد، اما برای اصلاح هم آماده باشد [۸]. چارچوب ماژول های تصمیم گیری، به این معنی است که سیستم را بتوان به راحتی با ماژول های تصمیم گیری جدید و با تغییرات جزئی در اجرای آن توسعه داد. به همین خاطر ، یک معماری نرم افزاری قابل گسترش برای ساخت ماژول های تصمیم گیری بسیار قابل تنظیم را ایجاد کردیم. شکل ۳ انواع مختلفی از مکانیزم های بازپشتیبانی را که توسط معماری نرم افزار قابل برنامه ریزی باشد ، از جمله پیکربندی جریان داده ها و پارامترهای ارزش و بلوک را نشان می دهد .
Figure

۵٫ کنترل تعریف شده توسط نرم افزار: یک پارادایم طراحی نرم افزاری برای کنترل مبتنی بر ابر است .
در مقایسه با DSS های موجود، یک ویژگی متمایز DSAS مبتنی بر ابر قابلیت کنترل ، ستگاه ها به طور مستقیم از ابر آن است . کشاورزان اغلب انواع دستگاه ها را برای برنامه های کاربردی مختلف (به عنوان مثالآبیاری، کنترل آفات). این دستگاه ها با رابط های کنترل اختصاصی خود می آیند. یک چالش در اتوماسیون کنترل مبتنی بر ابر ، نحوه کنترل انواع دستگاه های زمینه از ابر است. برای شناخت این چالش، ما ایده کنترل نرم افزار را پیشنهاد کردیم. البته با الهام از مفهوم شبکه تعریف شده توسط نرم افزار . [۱۰] کنترل از راه دور نرم افزاری باعث می شود که دستگاه ها با استفاده از یک نرم افزار یکپارچه استفاده کنند و باهم سازگار باشند . این باعث می شود دستگاه ساز انعطاف پذیر باشد (رابط کاربری توسط نرم افزار و نه سخت افزار تعریف می شود) و بدون نفوذ (بدون اصلاح رابط دستگاه، خود لازم است) راه را برای دستگاه های خود که با یک DSAS کار می کنند هموار سازد . کنترل نرم افزاری انطباق پذیری نرم افزاری چند مرحله ای را از تصمیم گیری های مستقل دستگاه برای سیگنال های کنترل خاص دستگاه فراهم می کند. جدا از نگرانی های طراحی، ساختارهای کنترل شده و تعریف شده توسط نرم افزار در یک معماری سه لایه ، هر سه لایه باید با هم سازگار : ۱) یک تصمیم گیری سنتز مستقل از دستگاه. این تصمیمات اقدامات مورد نیاز را در سطح بالا مشخص می کند، مثلا توزیع جغرافیایی حجم آبیاری؛ ۲) یک سرویس دهنده در حال ترجمه یک تصمیم برای برنامه برای هر دستگاه. یک برنامه نشان دهنده پیکربندی و طرح دستگاه است؛ و ۳) هواپیمایی دستگاه برنامه را روی آن اجرا می کند. شکل ۴، کنترل نرم افزاری را نشان می دهد، به عنوان مثال، با استفاده از یک سیستم آبیاری ۳ منطقه ای . هر منطقه آبیاری دارای کنترل کننده خاص خود (Devirri2، Devirri1، و Devirri0) به منظور کنترل مجموعه ای از دریچه ها است.تصمیم گرفته شده توسط هواپیما روش توزیع آب در یک باغ را مشخص می کند. هواپیما سرویس تصمیم گیری برای برنامه های آبیاری را برای هر کنترلر ترجمه می کند و در نهایت هواپیما شامل سه کنترل کننده از برنامه های کنترل شیر می شود .

لایه های انتزاعی که توسط کنترل نرم افزار تعریف شده اعمال می شود، هر لایه را قادر می سازد تا یک نمایه انتزاعی از لایه زیر را از طریق یک رابط به خوبی تعریف کند. به عنوان مثال، یک سرویس هواپیما دارای مجموعه ای از سرویسهای (SA) است. هر SA یک انتزاع از سرویس ارائه شده توسط دستگاه های زمینه فراهم می کند. در شکل ۴،SAirri یک نمایه انتزاعی از یک سیستم آبیاری ارائه می دهد و جزئیات را از قبیل منطقه بندی و انواع دستگاه دور می کند.
کنترل تعریف شده توسط نرم افزار همچنین امکان بازبینی و نظارت مستمر را در هر زمان فراهم می کند. به عنوان مثال، در رابط یک سطح سرویس هواپیمای تصمیم را برای کشف SA در لایه سرویس انتزاع می دهد. هواپیما، برای ارسال تصمیم به SA، و همچنین برای دریافت آمار زمان اجرا از آنها به آنجا می رود . رابط یک صفحه دستگاه، ترافیک دو طرفه را فراهم می کند که در آن هواپیمای سرویس می تواند دستگاه های مزرعه را برنامه ریزی کند و بازخورد را از این دستگاه ها را دریافت کند این رابط اجازه می دهد تا هواپیمای تصمیم گیری از بازخورد دستگاه ها برای تطبیق منطق خود از طریق معماری سازگار استفاده کند.

۶٫ پیاده سازی سیستم
نسخه اولیه Agrilaxy در ماه مه ۲۰۱۴ اجرا شده است. که اجزای سازنده ی اطلاعات شناسایی را به پایان می رساند. این سیستم با استفاده از روبی ساخته شد. روبی یک زبان برنامه نویسی پویا است که زبان مورد علاقه توسعه دهندگان وب است. بخشی از محبوبیت آن با جامعه وب به علت ریلز است،روبی یک چارچوب کتابخانه است که به طور خاص برای توسعه وب سرور طراحی شده است [۱۱]. ما Agrilaxy را بر روی سرویس AWS مبتنی بر ابر آمازون آزمایش کردیم [۱۲] و در حال حاضر ما در حال کار بر روی یک نسخه جدید از Agrilaxy، با تاکید بر اجرای یک کنترل مبتنی بر ابر کنترل و ماژول های تصمیم سازگار هستیم .