آرشیو دسته: کلان داده Big Data

  • ۰

مفهوم RFID و معرفی کامل آن

مفهوم RFID و معرفی کامل آن

مفهوم RFID و معرفی کامل آن

مفهوم RFID و معرفی کامل آن

RFID چیست؟ امروزه به دلیل اهمیت شناسایی عناصر و جمع‌آوری داده‌های مرتبط به‌طور خودکار، فناوری‌های متعددی طراحی و پیاده‌سازی شده است.

امروزه ضرورت شناسایی خودکار عناصر و جمع‌آوری داده مرتبط به آنان بدون نیاز به دخالت انسان جهت ورود اطلاعات در بسیاری از عرصه‌های صنعتی، علمی، خدماتی و اجتماعی احساس می‌شود. در پاسخ به این نیاز تاکنون فناوری‌های متعددی طراحی و پیاده‌سازی شده است. به مجموعه‌ای از فناوری‌ها که از آنان برای شناسایی اشیاء، انسان و حیوانات توسط ماشین استفاده می‌گردد، شناسایی خودکار و یا به‌اختصار Auto ID گفته می‌شود. هدف اکثر سیستم‌های شناسایی خودکار، افزایش کارآیی، کاهش خطای ورود اطلاعات و آزادسازی زمان کارکنان برای انجام کارهای مهم‌تر نظیر سرویس‌دهی بهتر به مشتریان است. تاکنون فناوری‌های مختلفی به‌منظور شناسایی خودکار طراحی و پیاده‌سازی شده است. کدهای میله‌ای، کارت‌های هوشمند، تشخیص صدا، برخی فناوری‌های بیومتریک، OCR (برگرفته از optical character recognition) و RFID (برگرفته از radio frequency identification) نمونه‌هایی در این زمینه می‌باشند. در ادامه با فناوری RFID بیشتر آشنا خواهیم شد.

آشنایی اولیه با فناوری RFID

RFID با استفاده از ارتباطات مبتنی بر فرکانس‌های رادیویی امکان شناسایی خودکار، ردیابی و مدیریت اشیاء، انسان و حیوانات را فراهم می‌نماید. عملکرد RFID وابسته به دو دستگاه تگ و کدخوان است که جهت برقراری ارتباط بین یکدیگر از امواج رادیویی استفاده می‌نمایند.

 به مجموعه‌ای از فناوری‌ها که در آنان برای شناسایی خودکار افراد و اشیاء از امواج رادیویی استفاده می‌گردد، RFID گفته می‌شود. از روش‌های مختلفی برای شناسایی افراد و اشیاء استفاده می‌شود. ذخیره شماره‌سریال منتسب به یک فرد و یا شی‌ء درون یک ریزتراشه که به آن یک آنتن متصل شده است، یکی از متداول‌ترین روش‌های شناسایی خودکاراست.

به تلفیق تراشه و آنتن، تگ RFID و یا فرستنده خودکار RFID گفته می‌شود. تراشه به کمک آنتن تعبیه شده، اطلاعات لازم جهت شناسایی آیتم مورد نظر را برای یک کدخوان ارسال می‌نماید. کدخوان امواج رادیویی برگردانده شده از تگ RFID را به اطلاعات دیجیتال تبدیل می‌نماید تا در ادامه، امکان ارسال داده برای کامپیوتر و پردازش آن فراهم گردد.

RFID یک پلت فرم مهم جهت شناسایی اشیاء، جمع‌آوری داده و مدیریت اشیاء را ارائه می‌نماید. پلتفرم فوق مشتمل بر مجموعه‌ای از فناوری‌های حامل داده و محصولاتی است که به مبادله داده بین حامل و یک سیستم مدیریت اطلاعات از طریق یک لینک فرکانس رادیویی کمک می‌نماید. تگ‌های RFID با استفاده از یک فرکانس و بر اساس نیاز سیستم (محدوده خواندن و محیط)، پیاده‌سازی می‌گردند. تگ‌ها به‌صورت فعال (به همراه یک باطری) و یا غیرفعال (بدون باطری) پیاده‌سازی می‌شوند. تگ‌های غیرفعال، توان لازم جهت انجام عملیات را از میدان تولیدشده توسط کدخوان می‌گیرند. کدخوان RFID، معمولاً به یک کامپیوتر متصل می‌شود و دارای نقشی مشابه با یک اسکنر کد میله‌ای است. مسئولیت برقراری ارتباط لازم بین سیستم اطلاعاتی و تگ‌های RFID برعهده کدخوان RFID است. شکل 1،یک نمونه تگ RFID را نشان می‌دهد. شکل 2، یک نمونه کدخوان RFID بی‌سیم با برد 80 متر را نشان می‌دهد.

شکل 1: یک نمونه تگ RFID

شکل 2: یک نمونه کدخوان RFID بی سیم

RFID چگونه کار می‌کند؟                                                                                  

تگ و یا دستگاه فرستنده خودکار، شامل یک مدار الکترونیکی است که به شی‌ء موردنظری که لازم است دارای یک کد شناسایی باشد،متصل می‌گردد. زمانی که تگ نزدیک و یا در محدوده کدخوان قرار می‌گیرد، میدان مغناطیسی تولیدشده توسط کد خوان باعث فعال شدن تگ می‌گردد.

در ادامه، تگ به‌طور پیوسته اقدام به ارسال داده از طریق پالس‌های رادیویی می‌نماید. در نهایت داده توسط کدخوان دریافت و توسط نرم‌افزارهای مربوطه نظیر برنامه‌های ERP (برگرفته از Enterprise Resource Planning) و SCMS (برگرفته از Supply Chain Management systems) پردازش می‌گردد. شکل 3 نحوه انجام فرآیند فوق را نشان می‌دهد.

شکل 3: نحوه کار RFID

آیا RFID بهتر از کد میله‌ای است؟

RFID و کد میله‌ای، دو فناوری مختلف با کاربردهای متفاوت می‌باشند. علی‌رغم این که ممکن است وظایف این دو فناوری در برخی حوزه‌ها نقاط مشترکی داشته باشد، وجود برخی تفاوت‌ها نیز به اثبات رسیده است:

  • نوع فناوری استفاده‌شده جهت خواندن کدها: یکی از مهم‌ترین تفاوت‌های کد میله‌ای و RFID، تبعیت کدهای میله‌ای از فناوری موسوم به «خط دید» است. این بدان معنی است که یک دستگاه اسکنر لازم است کد میله‌ای را ببیند تا بتواند آن را بخواند؛ بنابراین لازم است برای خواندن یک کد میله‌ای، کد مورد نظر در دید اسکنر قرار بگیرد. در مقابل، شناسایی مبتنی بر فرکانس رادیویی به «خط دید» نیاز ندارد. تا زمانی که تگ‌های RFID در محدوده قابل‌قبول کد خوان باشند، امکان خواندن آنان وجود خواهد داشت.
  • عدم امکان پویش کد شناسایی در صورت بروز مشکل برای برچسب حاوی کد میله‌ای: در صورتی که برچسب حاوی کد میله‌ای خراب، کثیف و یا پاره گردد، امکان پویش کد میله‌ای وجود نخواهد داشت. این وضعیت در رابطه با تگ‌های RFID صدق نخواهد کرد.
  • فقدان اطلاعات تکمیلی: کدهای میله‌ای استاندارد صرفاً قادر به شناسایی محصول و تولیدکننده آن می‌باشند و منحصربه‌فرد بودن کالا را تضمین نمی‌نمایند. به‌عنوان نمونه کد میله‌ای که بر روی یک ظرف شیر وجود دارد همانند سایر کدهای موجود بر روی سایر محصولات مشابه همان تولیدکننده است. این کار، شناسایی محصولی را که تاریخ مصرف آن به اتمام رسیده است را غیرممکن می‌سازد.
  • ماهیت خواندن کدها: امکان خواندن تعداد بسیار زیادی از تگ‌های RFID در یک‌زمان و به‌طور خودکار وجود دارد. این در حالی است که کدهای میله‌ای می‌بایست به‌طور دستی و یکی پس از دیگری پویش گردند.
  • استفاده آسان و قابلیت اعتماد: در سیستم‌های مبتنی بر فناوری RFID، امکان خواندن تگ‌ها از مسافت بیشتر وجود دارد. همچنین درصد بروز خطای در زمان خواندن کد کمتر از کدهای میله‌ای است.

آیا فناوری RFID یک فناوری جدید است؟
RFID یک فناوری تائید شده از سال 1970 تاکنون است و به دلیل قیمت بالای آن تاکنون در برنامه‌های تجاری اندکی مورد استفاده قرار گرفته شده است. در صورتی که بتوان تگ‌ها را با قیمت مناسب‌تری تولید کرد، استفاده از فناوری RFID می‌تواند بسیاری از مسائل مرتبط با کدهای میله‌ای را برطرف نماید. با توجه به این که امواج رادیویی قادر به حرکت در بین اکثر مواد غیرفلزی می‌باشند، امکان استفاده از فناوری RFID در حوزه‌های گسترده‌تری وجود دارد.
مزایای به‌کارگیری RFID
هم کدخوان ها و هم تگ‌ها می‌توانند دارای اندازه و شکل مختلفی باشند. با توجه به اندازه کوچک تگ‌ها و آزادی عمل جهت حرکت آنان،سازمان‌ها و مؤسساتی که علاقه‌مند به استفاده از این فناوری می‌باشند از انعطاف بالائی در این رابطه برخوردار خواهند بود. برخی از مزایای به‌کارگیری فناوری RFID عبارت‌اند از:

  • تگ‌ها می‌توانند مخفی باشند و یا در اکثر مواد جاسازی شوند.
  • با توجه به این که تگ‌ها در ابعاد و اشکال مختلف ارائه می‌شوند، کاربران می‌توانند با توجه به نیاز خود یکی از آنان را انتخاب نمایند.
  • جهت خواند کد لازم نیست که تگ در معرض دید مستقیم کدخوان قرار بگیرد.
  • با توجه به ماهیت تگ‌ها (عدم نیاز به تماس مستقیم)، استهلاک و فرسودگی وجود نخواهد داشت.
  • امکان دست‌کاری کدهای سریال ذخیره شده در تگ‌ها وجود نخواهد داشت.

برخی از کاربردهای RFID
از فناوری RFID در بسیاری از ساختمان‌های اداری و به‌منظور کنترل تردد کارکنان در بخش‌های مجاز و غیرمجاز استفاده می‌گردد. تعداد زیادی از فروشندگان کالا به‌منظور مراقبت الکترونیکی از محصولات خود در مقابل سرقت از این فناوری استفاده می‌نمایند. برخی نهادی دولتی نیز برای نظارت و کنترل متخلفین از فناوری فوق استفاده می‌نمایند.
برخی دیگر از کاربردهای RFID عبارت‌اند از:

  • کنترل موجودی
  • کنترل دستیابی
  • تحلیل آزمایشگاهی
  • کنترل تعداد دور. به‌عنوان نمونه، ثبت خودکار تعداد دفعاتی که یک دونده می‌بایست طی نماید.
  • ثبت زمان و مکان تردد؛ به‌عنوان نمونه، ثبت خودکار زمان و مکان گشت زنی برای برخی مشاغل خاص
  • شناسایی خودرو
  • امنیت ساختمان‌ها
  • ردیابی دارایی‌ها
  • کنترل ترافیک، ردیابی رانندگان متخلف و ثبت خودکار تخلفات
  • سیستم‌های حمل‌ونقل

در پایان بد نیست به این نکته نیز اشاره نماییم که یکی از چالش‌های مهم تولیدکنندگان RFID و کاربران، فقدان استانداردهای لازم در این صنعت است. به‌عنوان نمونه سیستم‌های RFID استفاده‌شده در صنایع خرده‌فروشی دارای تفاوت اساسی با سیستم‌هایی می‌باشند که از آنان به‌منظور کنترل دستیابی استفاده می‌گردد.

 

 

 


  • ۰

مفهوم Big Data یا کلان داده

مفهوم Big Data یا کلان داده

مفهوم Big Data یا کلان داده

مفهوم Big Data یا کلان داده

Big Data یا داده بزرگ به چه صورت است؟ تصور شما از حجم انبوهی از داده‌ها چیست؟ یک هزار گیگابایت، ده‌ها هزار گیگابایت یا صدها هزار ترابایت!

راهکارهای پایگاه داده، برای سال 2015 می‌توان نام‌های مختلفی یافت سال شبکه‌های اجتماعی، سال محاسبات ابری، سال تبلت‌ها و تلفن‌های همراه هوشمند، سال سرویس‌های رنگارنگ اینترنتی و بسیاری موارد ریزودرشت دیگر؛ اما تنها با لحظه‌ای تأمل درخواهیم یافت که استفاده از هر یک از این ابزارهای نرم‌افزاری و سخت‌افزاری، یک نتیجه واحد در برخواهد داشت: تولید داده و اطلاعات در ابعادی باورنکردنی و غیرقابل‌تصور.
شکل 1 : BigData

آمار و ارقام حاکی از آن است که در حال حاضر، روزانه 2,5 اگزابایت (1,048,576 ترابایت) داده و اطلاعات توسط اشخاص و سازمان‌ها تولید می‌شود و این در حالی است که نود درصد از مجموع داده‌های موجود در جهان تنها در طول دو سال گذشته، یعنی سال‌های 2010 و 2011 ایجاد شده‌اند. پرواضح است که این روند با گسترش روزافزون تعداد کاربران دستگاه‌های ارتباطی، بدون وقفه و با شیبی مهارناشدنی ادامه یافته و آنچه بیش از هر زمان دیگری اهمیت خواهد داشت، یافتن روش‌ها، ابزارها و مکانیسم‌هایی برای ذخیره، بازیابی و تحلیل این حجم از داده به شکلی مؤثر و با کارایی بالا است. رشد فوق‌العاده سریع حجم داده‌ها، اگرچه به‌خودی‌خود فرآیند ذخیره‌سازی، بازیابی و تحلیل اطلاعات را دشوار و مواجهه با آن را نیازمند ایجاد ابزارهایی جدید می‌کند، اما آنچه بحث داده و مکانیسم‌های مدیریتی آن را در پایان سال 2011 به‌چالش کشیده و به‌نوعی رویکرد اصلی سال آینده میلادی را در حوزه پایگاه‌های داده مشخص می‌سازد، آگاهی از این حقیقت است که نزدیک به نود درصد از کل داده‌های ذخیره‌شده در جهان دیجیتال، به‌نوعی غیر ساخت‌یافته (Unstructured Data) هستند و این موضوع ما را با مفهومی به‌نام «داده بزرگ» یا Big Data روبه‌رو می‌سازد.

در یک تعریف ساده و به‌دوراز پیچیدگی‌های فنی، داده بزرگ، به مجموعه‌هایی از داده (datasets) گفته می‌شود که نرخ رشد آن‌ها بسیار بالا بوده و در مدت‌زمان کوتاهی، شامل چنان حجمی از اطلاعات می‌شوند که دریافت، ذخیره‌سازی، جست‌وجو، تحلیل، بازیابی و همچنین تصویرسازی آن‌ها با ابزارهای مدیریت داده موجود غیرقابل انجام خواهد بود. آنچه حائز اهمیت است، این است که برخلاف گذشته، مفهوم داده بزرگ تنها مختص به حوزه آکادمیک و حل مسائل علمی مانند شبیه‌سازی‌های پیچیده فیزیکی، تحقیقات زیست‌محیطی، هواشناسی و مانند آن نبوده و بسیاری از سازمان‌ها و شرکت‌های بزرگ در سال‌های آینده با مشکلات مربوط به داده‌های انبوه غیر ساخت‌یافته یا همان داده بزرگ مواجه خواهند بود.

شواهد فراوانی در اثبات این ادعا وجود دارند که از آن میان می‌توان به چهل میلیارد تصویر بارگذاری شده در تنها یکی از شبکه‌های اجتماعی، ثبت تراکنش‌های یک‌میلیون مشتری در هر ساعت در فروشگاه‌های زنجیره‌ای وال مارت به‌منظور تحلیل علایق و عادت‌های خرید ایشان با حجمی بالغ بر 2,5 پتابایت (هر پتابایت برابر یک هزار ترابایت) و در یک‌کلام تولید 75 درصد از کل «داده بزرگ» توسط افراد و کاربران معمولی به میزان 1,35 زتابایت (هر زتابایت برابر یک هزار اگزابایت) اشاره کرد. این در حالی است که بر اساس تحقیقات به‌عمل آمده، حجم داده‌های موجود در جهان در سال 2012، چهل درصد افزایش یافته و به عددی بالغ بر 2,52 زتابایت خواهد رسید!

پرواضح است که چنین حجمی از داده نیازمندی‌های خاص خود را داشته و ابزارهای مختص به خود را می‌طلبد. ابزارهایی مانند هادوپ (Hadoop) که بدون تردید جزء موفق‌ترین نمونه‌های پیاده‌سازی شده از تفکر NoSQL محسوب می‌شود. جنبش No SQL که در ابتدا باهدف جایگزینی پایگاه‌های رابطه‌ای و با شعار پایان رابطه‌ای‌ها (No SQL) خود را معرفی کرد، با مقاومت بزرگان و پشتیبانان مکانیسم‌های رابطه‌ای مواجه شد. مقاومتی که باعث شد تا این جنبش نوپا به‌درستی دست از سماجت برداشته و خود را به‌عنوان راه‌حلی مناسب برای مسائلی که پایگاه‌های داده رابطه‌ای در حل آن با دشواری مواجه هستند، مطرح کند و شعار «نه‌فقط رابطه‌ای» (Not only SQL) را برای خود برگزیند.

این تغییر رویکرد، شرایط لازم را فراهم آورد تا تمامی فعالان این عرصه از موافق و مخالف بر مزایا و منافع این رویکرد تمرکز کرده و با مشارکت شرکت‌های قابل‌احترامی مانند یاهو و بنیاد آپاچی پروژه‌هایی مانند Hadoop، MangoDB، Cassandra، CouchDB و بسیاری از پروژه‌های دیگر، در جهت حل مسائل مرتبط با داده بزرگ، پا به عرصه حیات بگذارند. رویکردی که بدون کمترین تردیدی در سال 2012 و سال‌های بعد از آن، در مرکز توجه بسیاری از شرکت‌های تولیدکننده پایگاه‌های داده مانند آی‌بی‌ام، اوراکل، مایکروسافت و دیگران خواهد بود.

درواقع اگر بخواهیم با موشکافی بیشتری این حرکت جمعی به‌سوی تولید ابزارهای مدیریت داده‌های حجیم را موردبررسی قرار دهیم باید این نکته را در نظر داشته باشیم که تقریباً تمامی این شرکت‌ها یا محصولاتی را (اغلب مبتنی بر کتابخانه هادوپ) روانه بازار کرده‌اند یا مراحل آماده‌سازی نهایی آن را سپری می‌کنند. به‌عنوان‌مثال، شرکت مایکروسافت در کنفرانس سالیانه PASS 2011 و درست یک هفته پس از آن‌که شرکت اوراکل از عرضه Big Data Appliance با توانایی پردازش داده‌های ساخت‌یافته و غیر ساخت‌یافته مبتنی بر هادوپ خبر داد، به‌طور رسمی پشتیبانی از پردازش داده بزرگ مبتنی بر این کتابخانه نرم‌افزاری را در SQL Server 2012 اعلام کرد. نکته جالب‌توجه آن‌که این شرکت پا را فراتر از پایگاه‌های رابطه‌ای گذاشته و وعده پشتیبانی از پردازش‌های موردنیاز داده‌های حجیم و غیر ساخت‌یافته را روی سیستم‌عامل Windows Server 2012 و معادل مبتنی بر ابر آن، یعنی Windows Azure را به علاقه‌مندان محصولات خود داد.
علاوه بر مایکروسافت و اوراکل دیگر صاحب نامان این حوزه همچون آی‌بی‌ام (عرضه‌کننده محصولاتی مانند Info Sphere BigInsight وInfo Sphere Streams) و همچنین شرکت EMC (با مجموعه ابزارهای Greenplum شامل Database، HD و Chorus) حرکت خود را به سمت فراهم آوردن مکانیسم‌های موردنیاز برای پردازش داده‌های بزرگ آغاز کرده‌اند و شکی نیست که در سال آینده نیز با تمام توان و به‌منظور کسب سهم بیشتری از این بازار رو به گسترش، تلاش کرده و شاهد ورود ابزارهای پردازشی فراوانی در این حوزه خواهیم بود.

کلام پایانی آن‌که سال 2012 را در بحث پایگاه‌های داده، می‌توان به‌نوعی سال پردازش داده‌های انبوه و غیر ساخت‌یافته و در یک‌کلام داده‌های بزرگ دانست. رویکردی که به‌جز ابزار و روش، به سخت‌افزارها و پلتفرم‌های پرقدرت و قابل‌اعتماد نیاز داشته و این در شرایطی است که بسیاری از سازمان‌ها و شرکت‌ها، حتی درصورتی‌که توان مالی خرید چنین تجهیزاتی را در اختیار داشته باشند، از حیث مدیریت، نگه‌داری و به‌روزرسانی و بسیاری مسائل و مشکلات مرتبط با آن، رغبت چندانی به آن نخواهند داشت. این المان‌های تصمیم‌گیری به‌ظاهر متناقض، در عمل ما را به یاد سرویس‌های قابل‌ارائه در قالب محاسبات ابری (Cloud Computing) انداخته و این نکته را به ذهن متبادر می‌سازد که نیاز به حجم انبوهی از ماشین‌های سرویس‌دهنده و توان پردازشی فوق‌العاده بالا در کنار عدم درگیر شدن با مسائل فنی مرتبط با زیرساخت‌های مذکور، سال آتی را به مکانی برای قدرت‌نمایی انواع سرویس‌های ابری تبدیل کرده و بسیاری از شرکت‌ها به سمت استفاده از آن سوق خواهند یافت.

باید منتظر ماند و دید!

آپاچی هادوپ (Apache Hadoop)

کتابخانه نرم‌افزاری هادوپ، یک چارچوب کاری (Framework) نوشته‌شده با زبان برنامه‌سازی جاوا است که با الهام از مقاله‌های منتشرشده توسط گوگل در حوزه محاسبات توزیع‌شده و سیستم فایلی اختصاصی این شرکت موسوم به GFS ایجاد شده و با استفاده از یک مدل برنامه‌سازی ساده، امکان پردازش توزیع‌شده روی مجموعه‌های عظیم داده‌ای روی کامپیوترهای به‌هم متصل را فراهم می‌آورد. از ویژگی‌های قابل‌توجه هادوپ می‌توان به قابلیت مقیاس‌پذیری آن از یک سرویس‌دهنده به هزاران ماشین با حافظه و قدرت پردازش محلی اشاره کرد. همچنین این کتابخانه با قابلیت تشخیص و مدیریت خطاها در لایه کاربری، مستقل از سخت‌افزار عمل کرده و درنتیجه سرویس‌هایی با دسترس‌پذیری بالا را برای کاربران فراهم می‌آورد. لازم به ذکر است که امروزه هادوپ در بسیاری از پروژه‌های تجاری عرضه‌شده توسط بزرگانی مانند آی‌بی‌ام، اوراکل و مایکروسافت مورداستفاده قرار می‌گیرد.

 

 

 


آخرین دیدگاه‌ها

    دسته‌ها