Uç bilişim ile LSTM tabanlı arıza tespiti

Endüstri 4.0 çerçevesinde hayatımıza giren Nesnelerin İnterneti (IoT), birçok sistem üzerinde iletişim ve kontrol imkânı sağlayarak önemli bir rol oynamaktadır. 2020 yılında yaklaşık olarak 20,4 milyar IoT cihazının var olduğu tahmin edilmektedir. Ancak, IoT cihazlarının çeşitliliği ve yaygınlığı, bazı sorunları da beraberinde getirmektedir. Birinci sorun, IoT cihazlarından üretilen verilerin iletilmesi ve işlenmesinin zorluğudur. Günümüzde, genellikle bulut bilişim tabanlı çözümler tercih edilmekte ve tasarlanan IoT sistem mimarilerinde bulut bilişim yaklaşımı kullanılmaktadır. Ancak, her sistem için ayrı bir bulut kaynağı tahsis etmek, gerçek zamanlı IoT sistemlerinde gecikme sorunlarına ve maliyetlere yol açabilmektedir. Bu dezavantajı ortadan kaldırmak için, uç (sınır) bilişim yaklaşımıyla tasarlanan sistemler daha verimli olabilir. Bu durumda, veriler yerel noktalarda toplanıp işlenirken buluttaki işlem yükü azaltılarak gecikme süresi düşürülür ve kaynak tasarrufu sağlanır. Diğer bir zorluk ise IoT sistemlerindeki hataların tespitidir. Sorunun zamanında tespit edilmemesi, yedek parça stokunun olmaması ve değiştirilecek parçaların tedarik süresi gibi faktörler, sistem sürekliliğini engelleyebilmektedir. Yapılan literatür araştırmaları, yapay zeka modellerinin IoT cihazlarından elde edilen verilerle bulut katmanında sürekli olarak eğitildiğini ve arıza tespiti için kullanıldığını göstermektedir. LSTM (Uzun Kısa Süreli Bellek) gibi yapay zeka modelleri, dizi tahmin problemlerinde sıra bağımlılığını öğrenebilen bir RNN (Tekrarlayan Sinir Ağı) mimarisine sahiptir. LSTM, zaman serilerine dayalı veriler üzerinde tahminler yapmak için oldukça başarılı bir yapay zeka modelidir. IoT verileri de genellikle zaman serilerine bağlı olduğundan, LSTM bu alanda diğer modellere göre avantajlıdır. Ancak, bu tür bir yapay zeka modelinin bulut katmanında çalıştırılması, depolama kapasitesi, bilgi işlem yükü, ağ tıkanıklığı ve sunucu maliyetleri gibi sorunları beraberinde getirebilmektedir. Bu çalışma, Nesnelerin İnterneti (IoT) cihazlarının verilerinin işlenmesi ve hata tespiti konusunda bulut bilişim ile uç bilgi işlem altyapısını birleştiren bir yaklaşım olan Uç Bilişim ile LSTM Tabanlı Arıza Tespiti (UBLTAT) sistemini tanıtmaktadır. UBLTAT, IoT cihazlarından elde edilen verileri bulut katmanında eğitim için kullanılan LSTM modeline iletmektedir. İstenilen eğitim başarısı sağlandıktan sonra, modelin ağırlıkları sınır katmanında çalışan UBLTAT'a aktarılmakta ve hata tespiti uç katmanında LSTM modeli kullanılarak gerçekleştirilmektedir. Bu şekilde, yapay zeka modellerinin UBLTAT ile uçta çalıştırılması, cihazların ürettiği verilerin yerel noktalarda işlenmesini ve hata tespitini sağlarken aynı zamanda buluta bağlı maliyeti de azaltmaktadır.