Siber fiziksel sistem

Siber-fiziksel sistemler (SFS), fiziksel bir mekanizmanın bilgisayar tabanlı algoritmalar tarafından kontrol edildiği veya izlendiği sistemlerdir. Siber-fiziksel sistemlerde, fiziksel ve yazılım bileşenleri derinlemesine iç içe geçmiştir, farklı mekansal ve zamansal ölçeklerde çalışabilir, çoklu ve farklı davranışsal modaliteler sergileyebilir ve bağlamla değişen şekillerde birbirleriyle etkileşime girebilir.[1] SFS örnekleri arasında akıllı şebeke, otonom otomobil sistemleri, tıbbi izleme, endüstriyel kontrol sistemleri, robotik sistemler ve otomatik pilot aviyonik projeleri sayılabilir.[2]

SFS, disiplinlerarası yaklaşımları, sibernetik, mekatronik, tasarım ve süreç bilimini birleştirme teorisini içerir.[3][4][5] Sürecin genel gidişatı genellikle gömülü sistemler olarak adlandırılır. Gömülü sistemlerde, daha çok hesaplama öğelerine yönelim varken, fiziksel öğeler ve hesaplama öğeleri arasındaki bağlantıya daha az eğilim vardır. SFS aynı temel mimariyi paylaşan Nesnelerin İnterneti'ne (IoT) benzer; yine de SFS, fiziksel ve hesaplama unsurları arasında daha yüksek bir kombinasyon ve koordinasyon sunar.[6]

Siber-fiziksel sistemlerin öncü alanları; havacılık, otomotiv, kimyasal süreçler, sivil altyapı, enerji, sağlık, üretim, ulaşım, eğlence ve tüketici aletleri gibi çeşitli alanlardır.[2]

Genel BakışDüzenle

Daha geleneksel gömülü sistemlerin aksine, tam teşekküllü bir SFS tipik olarak bağımsız cihazlar yerine fiziksel giriş ve çıkışla etkileşen öğeler ağı olarak tasarlanmıştır.[7] Bu kavram, hesaplama zekasına uygun bir yaklaşım sergiler. Dolayısıyla robotik ve sensör ağları arasındaki akıllı mekanizmalara yakından bağlıdır. Bilim ve mühendislikte devam eden ilerlemeler, akıllı mekanizmalarla hesaplama ve fiziksel öğeler arasındaki bağlantıyı geliştirerek siber-fiziksel sistemlerin uyumluluğunu, özerkliğini, verimliliğini, işlevselliğini, güvenilirliğini, güvenliğini ve kullanılabilirliğini artırır.[8] Bu, siber-fiziksel sistemlerin potansiyelini çeşitli yönlerde genişletmektedir: müdahale (örn. Çarpışmadan kaçınma ); hassasiyet (örneğin, robotik cerrahi ve nano seviye imalat); tehlikeli veya erişilemeyen ortamlarda çalışma (ör. arama kurtarma, yangınla mücadele ve derin deniz keşfi ); koordinasyon (örneğin, hava trafik kontrolü, savaş savaşı); verimlilik (ör. sıfır net enerji binaları ); ve insan kabiliyetlerinin arttırılması (örneğin, sağlık bakımı izleme ve tedariği).[9]

Mobil Siber-Fiziksel SistemlerDüzenle

Mobil siber-fiziksel sistemler, adından da anlaşılacağı üzere hareket edebilme yeteneğine sahiptir ve siber-fiziksel sistemlerin önemli bir alt kategorisidir. Mobil fiziksel sistemlere örnek olarak insanlar veya hayvanlar tarafından taşınan mobil robotik ve elektronikler verilebilir. Akıllı telefonların popülaritesindeki artış, mobil siber-fiziksel sistemler alanına olan ilgiyi artırmıştır. Akıllı telefon platformları, en ideal mobil siber-fiziksel sistemlerin başında gelmektedir. Bunun nedenini aşağıdaki gibi sıralayabiliriz:

  • İşleme yeteneği, yerel depolama gibi önemli hesaplama kaynakları
  • Dokunmatik ekranlar, kameralar, GPS çipleri, hoparlörler, mikrofon, ışık sensörleri, yakınlık sensörleri gibi çoklu duyusal giriş / çıkış cihazları
  • Cihazları İnternet'e veya diğer cihazlara bağlamak için WiFi, 4G, EDGE, Bluetooth gibi çoklu iletişim mekanizmaları
  • Java,[10] C # veya JavaScript gibi mobil SFS düğüm yazılımının hızlı bir şekilde geliştirilmesini sağlayan yüksek düzey programlama dilleri
  • Google Play Store ve Apple App Store gibi kolayca kullanılabilen uygulama dağıtım mekanizmaları
  • Bataryanın sık sık yeniden şarj edilmesi dahil son kullanıcı bakımı

Yerel olarak(lokal çalışma ortamında) mevcut olandan daha fazla kaynak gerektiren görevler için; akıllı telefon tabanlı mobil siber-fiziksel sistem düğümlerinin hızlı aksiyon almaları için ortak bir mekanizma kullanılır. Bunu yapmak için mobil siber-fiziksel sistemi, bir sunucuya veya bulut ortamına bağlayarak bir ağ bağlantısı kurulur. Böylece karmaşık işlem görevlerini gerçekleştirmek mümkün kılınır. Aksi halde kaynak gerektiren görevler yerel kaynak kısıtlamaları altında imkânsızdır.[11] Mobil siber-fiziksel sistemlere örnek olarak; CO2 emisyonlarını izleme ve analiz etme,[12] trafik kazalarını tespit etme, sigorta telematiği [13] ve ilk yanıtlayanlara durumsal farkındalık hizmetleri sağlama,[14][15] trafiği ölçme,[16] ve kalp hastalarını izlemek [17] projeleri verilebilir.

ÖrneklerDüzenle

SFS'nin yaygın uygulamaları tipik olarak sensör tabanlı iletişim özellikli otonom sistemlerdir. Örneğin, birçok kablosuz sensör ağı ortamın bazı koşullarını izler ve işlenen bilgileri merkezi bir düğüme aktarır. Diğer SFS türleri arasında akıllı şebeke, [18] otonom otomotiv sistemleri, tıbbi izleme, proses kontrol sistemleri, dağıtılmış robotik ve otomatik pilot aviyonik projeleri bulunmaktadır.

Böyle bir sistemin gerçek dünyadaki örneklerinden biri MIT'deki Dağıtık Robot Bahçesi'dir. Bahçe, her domatesin ayrı ayrı durumunu izleyen sensör ağı ile donatılmıştır. Bu sistem, domates bitkileriyle dolu bir bahçede dağıtılmış algılamayı; navigasyon, manipülasyon ve kablosuz ağları birleştirirerek sağlar.[19]

Idaho Ulusal Laboratuvarı ve esnek kontrol sistemlerini araştıran işbirlikçiler, kritik altyapıyı oluşturan SFS'nin kontrol sistemlerine odaklanmaktadırlar. Bu çalışma, yeni nesil siber-fiziksel sistem tasarımına bütünsel bir yaklaşım getiriyor ve siber güvenlik[20], insan etkileşimi ve karmaşık bağımlılıklar gibi iyi ölçülmeyen esneklik yönlerini göz önünde bulunduruyor.

Diğer bir örnek, MIT'in devam eden CarTel projesidir. Bu proje, Boston bölgesindeki bir taksi filosunun gerçek zamanlı trafik bilgilerini toplamaktadır. Geçmiş verilerle birlikte kullanılan bu bilgiler, günün belirli bir saati için en hızlı rotaları hesaplamakta kullanılır.[21]

SFS ayrıca elektrik şebekelerinde, özellikle akıllı şebekeler bağlamında, dağıtılmış yenilenebilir üretimin entegrasyonunu geliştirmek için kontrol mekanizması sağlar. Rüzgar çiftliği üretimi çok yüksek olduğunda şebekedeki akım akışını sınırlamak için özel iyileştirici eylem şeması gereklidir. Dağıtık SFS bu tür sorunlar için temel bir çözümdür [22]

Endüstri alanında bulut teknolojileri tarafından desteklenen siber-fiziksel sistemler; Schneider Electric, SAP, Honeywell, Microsoft gibi ortaklarla birlikte Avrupa Komisyonu'nun IMC-EZOP projesi kapsamında Endüstri 4.0 için yeni yaklaşımlar [23][24][25] geliştirilmesine yol açmıştır.

Gelecekteki imalatlar için siber-fiziksel modeller — Siber-fiziksel sistem geliştirme motivasyonu sayesinde “birleştirilmiş-model” yaklaşımı üretilmiştir.[26] Birleştirilmiş model, bulut platformunda çalışan ve hem veriye dayalı analitik algoritmaların hem de diğer mevcut fiziksel bilgilerin entegre bilgisini kullanarak, sistemin sağlık durumunu simüle eden gerçek makinenin dijital ikizidir. Birleştirilmiş model ilk olarak, erken tasarım aşamasında bir dijital görüntü oluşturur. Sistem tasarımı ve fiziksel bilgi, gelecek analiz için referans olarak bir simülasyon modelinin oluşturulduğu ürün tasarımı sırasında günlüğe kaydedilir. Başlangıç parametreleri istatistiksel olarak genelleştirilebilir ve testten elde edilen veriler veya parametre tahmini kullanılarak üretim süreci ayarlanabilir. Simülasyon modeli, daha sonraki kullanım aşamasında makine durumunu sürekli olarak kaydedebilen ve takip edebilen gerçek makinenin yansıtılmış bir görüntüsü olarak düşünülebilir. Son olarak, bulut bilişim teknolojisi tarafından sunulan her yerden sağlanabilen bağlantı sayesinde birleştirilmiş model, gerçek ekipmanlara veya makine verilerine fiziksel erişimin sınırlı olduğu durumlarda dahi fabrika yöneticileri için erişilebilirlik sağlar. Bu özellikler sayesinde siber-fiziksel sistem üretimi için son derece elverişli bir ortam oluşmaktadır.[27][28]

TasarımDüzenle

Gömülü ve siber-fiziksel sistemlerin geliştirilmesindeki bir zorluk, bu sistemlerin tasarım uygulamalarında yer alan yazılım ve makine mühendisliği gibi çeşitli mühendislik disiplinleri arasındaki büyük farklardır. Buna ek olarak, bugün itibarıyla tasarım uygulamaları açısından bakacak olursak, SFS'de yer alan disiplinlerin tümünü kapsayacak ortak bir “dil” yoktur. Bugün, hızlı inovasyonun gerekli olduğu varsayılan bir pazarda, tüm disiplinlerden mühendislerin sistem tasarımlarını işbirliği içinde araştırabilmeleri, yazılım ve fiziksel unsurlara sorumluluklar tahsis edebilmeleri ve aralarındaki ödünleşmeleri analiz edebilmeleri gerekmektedir. Son çalışmalar göre; SFS sistemlerinde yer alan farklı disiplinleri birleştirmek için yeni araçlar veya tasarım yöntemleri uygulamak yerine ortak simülasyon kullanmak mümkündür.[29] MODELISAR projesinden elde edilen sonuçlar, bu yaklaşımın İşlevsel Maket Arayüzü biçiminde eş-simülasyon için yeni bir standart önererek uygulanabilir olduğunu göstermektedir.

Bir siber-fiziksel üretim sisteminin tasarlanması ve uygulanması 5C mimarisine (bağlantı(connection), dönüştürme(conversion), siber(cyber), kavrama(cognition) ve yapılandırma(configuration)) dayalı olarak yapılabilir.[30] "Bağlantı" seviyesinde, cihazlar kendiliğinden bağlanabilecek ve kendini algılayacak şekilde tasarlanırlar. "Dönüştürme" seviyesinde, bağlı cihazlardan ve sensörlerden gelen veriler, makinelerin kendi potansiyel sorunlarını kendinilerinin tahmin etmesini ve kendi kritik sorunlarının özelliklerini tanıması amaçlanmaktadır. "Siber" düzeyde, her makine kendi alet(fiziksel) özelliklerini kullanarak kendi "ikiz" ini yaratır ve "Zaman-Makine" metodolojisine dayanarak makine sağlığı(doğru tasarlanmış makine) modelini daha da karakterize eder. Siber uzayda "ikiz" üretmenin amaçlarından biri, uçtan uca performans için gereken ileri düzeydeki karşılaştırmaları, kendi kendine yapabilmeyi sağlamaktır. "Kavrama" düzeyinde, öz-değerlendirme ve öz-değerlendirmenin sonuçları, kullanıcılara potansiyel sorunların içeriğini ve bağlamını, "Infographic" yani bilgi görseli olarak sunulmaktadır. "Konfigürasyon" seviyesinde, makine veya üretim sistemi, esnek performans elde etmek için öncelik ve risk kriterlerine göre yeniden yapılandırılabilir.[31]

Orijinal "ikiz model" fikri, fiziksel bir işlemin sanal bir işlemle, akıllı bir birleştirme aracısıyla birleştirilmesi [32] fikrinden gelmiştir. Bu kavramın ayrıntılı versiyonu, ilgili kaynakçada sunulmuştur.[33]

Konunun ÖnemiDüzenle

ABD Ulusal Bilim Vakfı (NSF-National Science Foundation) siber-fiziksel sistemleri önemli bir araştırma alanı olarak tanımlamıştır.[34] 2006 yılının sonlarından itibaren NSF ve diğer ABD federal ajansları, siber-fiziksel sistemler üzerine çeşitli çalıştaylara sponsor olmaktadırlar.[35][36][37][38][39][40][41][42][43]

Ayrıca bakınızDüzenle

KaynakçaDüzenle

  1. ^ "US National Science Foundation, Cyber-Physical Systems (CPS) 8 Mayıs 2017 tarihinde Wayback Machine sitesinde arşivlendi."
  2. ^ a b Khaitan et al., "Design Techniques and Applications of Cyber Physical Systems: A Survey", IEEE Systems Journal, 2014.
  3. ^ Hancu (2007). "Mechatronic approach for design and control of a hydraulic 3-dof parallel robot". The 18th International DAAAM Symposium, "Intelligent Manufacturing & Automation: Focus on Creativity, Responsibility and Ethics of Engineers". 
  4. ^ Lee, E.A., Seshia, S.A.: Introduction to Embedded Systems - A Cyber-Physical Systems Approach. LeeSeshia.org, 2011.
  5. ^ Suh, S.C., Carbone, J.N., Eroglu, A.E.: Applied Cyber-Physical Systems. Springer, 2014.
  6. ^ Rad (2015). "Smart Monitoring of Potato Crop: A Cyber-Physical System Architecture Model in the Field of Precision Agriculture". Conference Agriculture for Life, Life for Agriculture. Cilt 6. ss. 73-79. 
  7. ^ Lee (23 Ocak 2008). "Cyber Physical Systems: Design Challenges". University of California, Berkeley Technical Report No. UCB/EECS-2008-8. Erişim tarihi: 7 Haziran 2008. 
  8. ^ C.Alippi: Intelligence for Embedded Systems. Springer Verlag, 2014, 283pp, 978-3-319-05278-6.
  9. ^ "Cyber-physical systems". Program Announcements & Information. The National Science Foundation, 4201 Wilson Boulevard, Arlington, Virginia 22230, USA. 30 Eylül 2008. 16 Ocak 2009 tarihinde kaynağından arşivlendi. Erişim tarihi: 21 Temmuz 2009. 
  10. ^ "Virtual Machine for running Java Applications on a CPS". 29 Mayıs 2012 tarihinde kaynağından arşivlendi. Erişim tarihi: 12 Nisan 2012. 
  11. ^ White, Jules; Clarke, S.; Dougherty, B.; Thompson, C.; Schmidt, D. "R&D Challenges and Solutions for Mobile Cyber-Physical Applications and Supporting Internet Services" (PDF). Springer Journal of Internet Services and Applications. 4 Ağustos 2016 tarihinde kaynağından (PDF) arşivlendi. Erişim tarihi: 21 Şubat 2011. 
  12. ^ J. Froehlich, T. Dillahunt, P. Klasnja, J. Mankoff, S. Consolvo, B. Harrison, and J. Landay, "UbiGreen: investigating a mobile tool for tracking and supporting green transportation habits," in Proceedings of the 27th international conference on Human factors in computing systems. ACM, 2009, pp. 1043–1052.
  13. ^ P. Handel, I. Skog, J. Wahlstrom, F. Bonawide, R. Welsh, J. Ohlsson, and M. Ohlsson: Insurance telematics: opportunities and challenges with the smartphone solution, Intelligent Transportation Systems Magazine, IEEE, vol.6, no.4, pp. 57-70, winter 2014, DOI:10.1109/MITS.2014.2343262
  14. ^ Thompson, C.; White, J.; Dougherty, B.; Schmidt, D. C. (2009). "Optimizing Mobile Application Performance with Model–Driven Engineering" (PDF). Software Technologies for Embedded and Ubiquitous Systems. Lecture Notes in Computer Science (İngilizce). 5860. s. 36. doi:10.1007/978-3-642-10265-3_4. ISBN 978-3-642-10264-6. 
  15. ^ Jones (2001). "Forecasting traffic flow". IEEE Spectrum. Cilt 38. ss. 90-91. 
  16. ^ Rose, G. (2006). "Mobile Phones as Traffic Probes: Practices, Prospects and Issues". Transport Reviews. 26 (3). ss. 275-291. doi:10.1080/01441640500361108. 
  17. ^ Leijdekkers, P. (2006). "Personal Heart Monitoring and Rehabilitation System using Smart Phones". 2006 International Conference on Mobile Business. p. 29. doi:10.1109/ICMB.2006.39. hdl:10453/2740. ISBN 0-7695-2595-4.
  18. ^ S. Karnouskos: Cyber-Physical Systems in the Smart Grid (PDF; 79 kB). In:Industrial Informatics (INDIN), 2011 9th IEEE International Conference on, July 2011. Retrieved 20 Apr 2014.
  19. ^ "The Distributed Robotics Garden". people.csail.mit.edu. 2011. 5 Nisan 2018 tarihinde kaynağından arşivlendi. Erişim tarihi: 16 Kasım 2011. 
  20. ^ Loukas, George (2015). Cyber-Physical Attacks: A Growing Invisible Threat. Butterworth-Heinemann. ISBN 9780128012901. 
  21. ^ "CarTel [MIT Cartel]". cartel.csail.mit.edu. 2011. 11 Ağustos 2007 tarihinde kaynağından arşivlendi. Erişim tarihi: 16 Kasım 2011. 
  22. ^ Liu (Kasım–Aralık 2017). "Decentralized State Estimation and Remedial Control Action for Minimum Wind Curtailment Using Distributed Computing Platform". IEEE Transactions on Industry Applications. 53 (6). s. 5915. 
  23. ^ A. W. Colombo, T. Bangemann, S. Karnouskos, J. Delsing, P. Stluka, R. Harrison, F. Jammes, and J. Lastra: Industrial Cloud-based Cyber- Physical Systems: The IMC-AESOP Approach. Springer Verlag, 2014, 978-3-319-05623-4.
  24. ^ Wu (2014). "Cloud-Based Design and Manufacturing: A New Paradigm in Digital Manufacturing and Design Innovation" (PDF). Computer-Aided Design. Cilt 59. ss. 1-14. 
  25. ^ Wu, D., Rosen, D.W., & Schaefer, D. (2014). Cloud-Based Design and Manufacturing: Status and Promise. In: Schaefer, D. (Ed): Cloud-Based Design and Manufacturing: A Service-Oriented Product Development Paradigm for the 21st Century, Springer, London, UK, pp.1-24.
  26. ^ Lee (2014). "Recent Advances and Trends of Cyber-Physical Systems and Big Data Analytics in Industrial Informatics". IEEE Int. Conference on Industrial Informatics (INDIN) 2014. 
  27. ^ Lee (2013). "Recent advances and trends in predictive manufacturing systems in big data environment". Manufacturing Letters. 1 (1). ss. 38-41. 
  28. ^ Predictive manufacturing system
  29. ^ J .Fitzgerald, P.G. Larsen, M. Verhoef (Eds.): Collaborative Design for Embedded Systems: Co-modelling and Co-simulation. Springer Verlag, 2014, 978-3-642-54118-6.
  30. ^ "IMS_CPS — IMS Center". www.imscenter.net. 27 Mayıs 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 21 Ekim 2014. 
  31. ^ Lee (Ocak 2015). "A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems". Manufacturing Letters. Cilt 3. ss. 18-23. 
  32. ^ Lee (Ocak 1998). "Teleservice engineering in manufacturing: challenges and opportunities". International Journal of Machine Tools and Manufacture. 38 (8). ss. 901-910. 
  33. ^ Lee (1993). "Analysis of machine degradation using a neural network based pattern discrimination model". Journal of Manufacturing Systems. 12 (5). ss. 379-387. 
  34. ^ Wolf (Kasım 2007). "The Good News and the Bad News (Embedded Computing Column". IEEE Computer. 40 (11). ss. 104-105. 
  35. ^ "NSF Workshop On Cyber-Physical Systems". 17 Mayıs 2008 tarihinde kaynağından arşivlendi. Erişim tarihi: 9 Haziran 2008. 
  36. ^ "Beyond SCADA: Networked Embedded Control for Cyber Physical Systems". 17 Ocak 2009 tarihinde kaynağından arşivlendi. Erişim tarihi: 9 Haziran 2008. 
  37. ^ "NSF Cyber-Physical Systems Summit". 12 Mayıs 2009 tarihinde kaynağından arşivlendi. Erişim tarihi: 1 Ağustos 2008. 
  38. ^ "National Workshop on High-Confidence Automotive Cyber-Physical Systems". 27 Ağustos 2008 tarihinde kaynağından arşivlendi. Erişim tarihi: 3 Ağustos 2008. 
  39. ^ "National Workshop on Composable and Systems Technologies for High-Confidence Cyber-Physical Systems". 15 Aralık 2007 tarihinde kaynağından arşivlendi. Erişim tarihi: 4 Ağustos 2008. 
  40. ^ "National Workshop on High-Confidence Software Platforms for Cyber-Physical Systems (HCSP-CPS)". 17 Aralık 2006 tarihinde kaynağından arşivlendi. Erişim tarihi: 4 Ağustos 2008. 
  41. ^ "New Research Directions for Future Cyber-Physical Energy Systems". 6 Haziran 2009 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Haziran 2009. 
  42. ^ "Bridging the Cyber, Physical, and Social Worlds". 16 Temmuz 2012 tarihinde kaynağından arşivlendi. Erişim tarihi: 25 Şubat 2011. 
  43. ^ "NIST Foundations for Innovation in Cyber-Physical Systems Workshop". 20 Ağustos 2015 tarihinde kaynağından arşivlendi. Erişim tarihi: 8 Şubat 2012. 

Daha Fazla BilgiDüzenle

Dış bağlantılarDüzenle