Theory
પહેલાં શું exist થવું પડ્યું?
IoT magic થી આવ્યું નથી. Hostel પોતાને sense કરી શકે એ પહેલાં ત્રણ technologies mature થવી જરૂરી હતી: બધે data GATHER કરનારી કોઈ વસ્તુ, દરેક object ને tiny local brain આપનારી કોઈ વસ્તુ અને resulting flood ને SENSE કરનારી કોઈ વસ્તુ.
Syllabus આ ચોક્કસ 3 enabling technologies ના નામ આપે છે: wireless sensor networks, embedded systems અને big-data analytics. એમાંથી એક પણ missing હોય તો IoT collapse થાય: gathering નહીં, thinking નહીં, અથવા local intelligence નહીં. આ પાઠ તેને ઊભું રાખતી trio છે.
Theory
Wireless Sensor Networks: nerves
Wireless Sensor Network (WSN) એ ઘણા spatially distributed sensor NODES છે, જે કોઈ area ને sense કરવા અને data ને wirelessly collection point (gateway અથવા sink) સુધી relay કરવા cooperate કરે છે.
દરેક node નાનું અને self-contained હોય છે: sensor, tiny processor, radio અને battery. Nodes ઘણી વાર gateway સુધી પહોંચવા node-to-node (multi-hop) data pass કરે છે, એટલે કોઈ single node ને long-range radio જોઈએ નહીં. એટલે low-power protocols જેમ કે LR-WPAN/ZigBee (protocols lesson માં) તેમને underpin કરે છે.
SmartHostel માં દરેક room નો sensor સાથે મળીને hallway gateway ને report કરતું એક network બનાવે છે: એ જ WSN છે, IoT નું nervous system.
Theory
Embedded Systems: tiny brains
Embedded system એ કોઈ device ની અંદર બનેલું dedicated computer છે, જે ચોક્કસ functions કરવા માટે છે: microcontroller અથવા microprocessor સાથે sensors અને software નો combination, સામાન્ય રીતે resource-constrained અને ઘણી વાર real-time.
તમારા general-purpose laptop થી વિપરીત, embedded system એક job forever કરે છે: washing machine નો chip, car નો engine controller અને SmartHostel નું gate: sensor વાંચતું અને motor ચલાવતું નાનું board.
દરેક IoT "thing" ના brain તરીકે embedded system હોય છે. Unit 4 ના Raspberry Pi અને Arduino આ જ brains છે, name સાથે ભણેલા.
Theory
Big-Data Analytics: intelligence
દરેક થોડા seconds માં હજારો nodes reporting કરે એટલે TORRENT બને છે: આ big data છે, જેને classic રીતે 3 Vs થી describe કરાય છે:
- Volume: enormous quantity
- Velocity: fast, continuously આવતો data
- Variety: ઘણા kinds (numbers, images, logs)
Big-data analytics આ torrent માંથી patterns, predictions અને decisions mine કરે છે: tank ની drain rate બતાવે કે Thursday સુધીમાં પાણી ખતમ થશે, અથવા motor ની vibration signature failure વિશે warn કરે: predictive maintenance. આ cloud intelligence જ IoT ને M2M થી અલગ પાડે છે: data cloud સુધી કેમ ચડે છે તેનું કારણ આ છે.
Quiz
કઈ enabling technology દરેક individual IoT device ને તેનું dedicated, built-in processing brain આપે છે?
- Wireless sensor networks
- Big-data analytics
- Embedded systems
- Cloud computing
Show the answer
Embedded systems
Embedded system એક single device ની અંદર બનેલું dedicated computer છે: microcontroller plus sensors plus software, જે એક job કરે છે. દરેક thing નું brain. WSN (option A) COLLECTIVE છે: ઘણા nodes નું network, individual brain નહીં. Big-data analytics (option B) aggregated data ઉપરનું cloud-side intelligence છે, device ની અંદર નહીં. Cloud computing (option D) remote infrastructure છે, built-into-the-device નું opposite. Scale સાચી રાખો: embedded = એક device નું brain, WSN = એ બધાનું network, analytics = એ બધાના data ને સમજતું cloud.
Think first
એક prediction માં trio trace કરો
SmartHostel predict કરે છે કે 'tank Thursday afternoon સુધીમાં dry થઈ જશે.' આ sentence produce કરવાના દરેક stage માં કઈ enabling technology શું કરે છે તેનું નામ આપો, પછી tap કરો.
Show the answer
WSN: Tank node અને room-usage nodes levels sense કરે છે અને readings gateway સુધી wirelessly relay કરે છે: gathering. Embedded systems: દરેક node નું built-in brain sensor sample કરે છે, થોડું local processing કરે છે અને transmit કરે છે: per-device intelligence. Big-data analytics: Cloud high-Volume, high-Velocity readings ના weeks ingest કરીને drain-rate pattern શોધે છે અને Thursday project કરે છે: global decision. Gather (WSN), local process (embedded), global decide (analytics): ત્રણેય એક sentence માં. Enabling technologies કેવી રીતે cooperate કરે છે એનો આ full exam answer છે.
Watch out
Enabling-tech slips
WSN vs embedded system: WSN nodes નું NETWORK છે; embedded system ONE node નું brain છે: scale નો ફરક છે, synonyms નહીં.
Big data = ફક્ત lots of data: 3 Vs લખો: Volume, Velocity, Variety. Analytics એ ACTIVE step છે જે data ને decisions માં ફેરવે છે.
બીજાઓને ભૂલી જવું: WSN, embedded અને analytics syllabus ના 3 છે, પરંતુ broadly list પૂછાય તો cloud computing અને communication protocols further enablers તરીકે mention કરવા યોગ્ય છે.
Theory
Unit 2 closes: powers અને price
Unit 2 એ IoT નું ledger balance કર્યું: M2M ancestor મળ્યું, sensing કેવી રીતે કામ કરે છે તે શીખ્યું, marquee comparison દોર્યું, openness ની security PRICE માપી અને હવે openness unlock કરતી enabling POWERS ના નામ આપ્યા. Unit 3 હવે આ બધાના ground floor પર જાય છે: sensors અને actuators name તથા type દ્વારા, એટલે દરેક WSN node અને embedded brain જે actual perceiving અને acting hardware આસપાસ બને છે. Next: sensor ની definition અને full type catalogue.
Summary
Key takeaways
- ત્રણ enabling technologies: wireless sensor networks, embedded systems અને big-data analytics.
- WSN: ઘણા distributed sensor nodes (sensor + processor + radio + battery) ઘણી વાર multi-hop દ્વારા gateway સુધી data relay કરે છે: IoT ની nerves.
- Embedded system: એક device ની અંદર બનેલું dedicated, resource-constrained, ઘણી વાર real-time computer: thing નું brain.
- Big-data analytics: high Volume/Velocity/Variety IoT data માંથી patterns, predictions અને decisions mine કરતું cloud intelligence.
- Analytics IoT ને M2M થી અલગ પાડે છે અને data cloud પર મોકલવાનું justify કરે છે.
- Cloud computing અને protocols further enablers છે, જેનું નામ લેવું યોગ્ય છે.
- Memory hook: WSN gathers, embedded processes, analytics decides.