Der Einsatz drahtloser Sensornetzwerke (WSN) in einer Vielzahl von (industriellen) IoT-Szenarien hat in den letzten Jahren an Popularität gewonnen.
Der Einsatz drahtloser Sensornetzwerke (WSN) in einer Vielzahl von (industriellen) IoT-Szenarien hat in den letzten Jahren an Popularität gewonnen. Während WSN für ihre begrenzten Rechen- und drahtlosen Kommunikationsressourcen sowie für ihre begrenzte Akkuleistung bekannt sind, können die richtigen Methoden zur IoT-Datenaggregation den entscheidenden Unterschied in Ihrer IoT-Strategie ausmachen. Im Folgenden skizzieren wir einen Vergleich der Datenaggregationstechniken in IoT-Umgebungen und betrachten einige der wichtigsten Herausforderungen bei der Datenaggregation und -verbreitung im Internet der Dinge.
EIN Standarddefinition eines drahtlosen Sensornetzwerks beschreibt WSN wie folgt:
„Ein WSN ist ein Ad-hoc-Netzwerk, das aus einer Reihe von Sensorknoten besteht, die zufällig in einem bestimmten geografischen Gebiet befestigt oder verteilt sind und über eine drahtlose Verbindung kommunizieren, um autonom Daten in ihrer Umgebung zu sammeln, zu verarbeiten und an einen speziellen Knoten zu übertragen, der als Sammelpunkt gilt und als Senkenknoten bezeichnet wird.“
Obwohl WSN eine hat große Anzahl von Anwendungen Das Netzwerk ist auch mit Anwendungen in den Bereichen Gesundheitswesen, Sicherheit und Militär konfrontiert eine Vielzahl von Herausforderungen. Dazu gehören Energieverbrauch und Fehlertoleranz. Diese Herausforderungen führen wiederum zu einer weiteren typischen Hürde für IIoT: das schiere Wachstum der Anzahl verbundener IoT-Geräte und ihrer Anwendungen sowie der großen Datenmengen, die von diesen Geräten generiert werden.
In solchen Szenarien haben wir sehr heterogene Verkehrslasten und viel Redundanz bei der Übertragung von Sensordaten. Eine weitere Hürde ist die Tatsache, dass IoT-Sensorknoten nur eine begrenzte Kapazität zur Verarbeitung von Daten haben. Und die Verarbeitung verbraucht die Akkulaufzeit. In Szenarien, in denen wir mit einer reduzierten Batterieleistung zu tun haben, wird das Sensornetzwerk anfälliger für Ausfälle. Wie überwinden wir das alles? Konkret, welche Techniken gibt es, um diese Bemühungen zu unterstützen und den Grundstein für eine gut funktionierende IoT-Analyseschicht zu legen?
Um diese komplexe Technologie besser nutzen zu können, müssen wir uns einige davon genauer ansehen die typischen WSN-Herausforderungen. Dazu gehören:
Angesichts dieser Herausforderungen bei der Verwendung von WSN in IoT-Anwendungen können verschiedene IoT-Datenaggregationsmethoden sowohl die Energieeffizienz als auch die Datenübertragungshürden überwinden. Das gebräuchlichste Definition von Datenaggregation ist der Prozess, bei dem die Daten mehrerer Sensoren zusammengeführt werden, um eine redundante Übertragung zu minimieren. Auf diese Weise werden der Basisstation nur die fusionierten Informationen zur Verfügung gestellt. In der Regel werden bei der Datenaggregation Daten von mehreren Sensoren an Zwischenknoten zusammengeführt und die aggregierten Daten an die Basisstation übertragen.
Aber was ist die Anwendung der Datenaggregation im IoT? Laut eine aktuelle Definition, Datenaggregation ist der Prozess der Erfassung und Zusammenfassung von Daten aus mehreren Quellen. Aggregierte Daten befindet sich normalerweise in einem Data Warehouse. Dort kann es Antworten auf analytische Fragen geben und den Zeitaufwand für die Abfrage großer Datensätze erheblich reduzieren.
Der Hauptgrund für die Datenaggregation ist, dass sie den Energieverbrauch und die erforderliche Netzwerkbandbreite minimiert. Durch die Verwendung verschiedener IoT-Datenaggregationsmethoden werden redundante Daten vermieden. Dies reduziert den Netzwerkverkehr, indem die Anzahl der gesendeten Datenpakete erheblich minimiert wird. IoT-Sensorknoten können auch Redundanzen in den von benachbarten Knoten empfangenen Daten beseitigen, bevor die endgültigen Datenpakete übertragen werden.
Ein weiterer zu berücksichtigender Aspekt ist der Kompromiss zwischen Bandbreite und Entfernung. Mit Sigfox oder LoRa können Sie beispielsweise nur alle 10 Minuten 2 Byte senden, jedoch über sehr große Entfernungen.
Fragen der Nachhaltigkeit sind ebenfalls Teil der Diskussion. Da Sensorknoten mit Batterien betrieben werden, ist es für die IoT-Datenerfassung unerlässlich, Energie zu sparen und die Lebensdauer der Batterie zu verlängern. Die Datenaggregation gilt als energiebewusste Datenerfassungstechnik und wird in Szenarien bevorzugt, in denen eine Verlängerung der Akkulaufzeit entscheidend ist. Es ist sogar bekannt dafür, die Lebensdauer von WSNs zu verlängern.
Methoden zur energiebewussten Datenaggregation Dazu gehören geclusterte Aggregation, baumbasierte Aggregation, netzwerkinterne Aggregation sowie zentralisierte Datenaggregation, die speziell den Energieverbrauch von IoT-Knoten berücksichtigt.
Wenn alle Dinge gleich sind, muss ein geeignetes gefunden werden Technik der Datenaggregation um eingehende Daten zu sammeln und zu analysieren. In der Regel unterscheiden wir auf dieser Ebene zwischen flachen IoT-Datenaggregationsmethoden und einem hierarchischen Ansatz zur Datenaggregation.
In flache drahtlose Sensornetzwerke, alle Sensoren spielen eine gleiche Rolle — es gibt keine hierarchische Anordnung. Jeder Sensorknoten dient demselben Zweck und alle IoT-Sensorknoten sind Peers. Ein Nachteil flacher drahtloser Sensornetzwerke besteht darin, dass die Datenaggregation nur im Bereich der Senkenknoten stattfindet. Daher kann die Netzwerkverzögerung hoch sein. Wenn der Senkenknoten ausfällt, wirkt sich dies zudem negativ auf das gesamte IoT-Netzwerk aus.
Mit dem hierarchischer Ansatz Bei drahtlosen Sensornetzwerken gibt es eine Hierarchie zwischen den einzelnen Knoten, die auf ihren Fähigkeiten basiert. Diese sind grob in Basisstationen, Clusterköpfe und Sensorknoten unterteilt. Die Sensorknoten innerhalb eines bestimmten Clusters kommunizieren miteinander und dann mit dem Clusterkopf. Mehr Rechenleistung und erhöhte Netzwerkübertragungskapazitäten bedeuten eine geringere Akkulaufzeit. Eines der Hauptziele dieser Routing-Methode besteht also darin, eine bessere Energieeffizienz für die Sensoren innerhalb eines Clusters zu erreichen.
Dies ist eine hierarchische Methode, die sich am besten für großflächige Sensorumgebungen mit eingeschränktem Energieverbrauch eignet. In solchen Szenarien ist es für die Sensoren nicht effizient, die IoT-Daten direkt an den Senkenknoten (Basisstation) zu übertragen. Vielmehr übertragen Sensoren Daten an einen lokalen Aggregator, der auch als Clusterkopf bezeichnet wird. Der Clusterkopf aggregiert Daten von allen Sensoren in seinem Cluster und überträgt sie an den Senkenknoten. Die Clusterköpfe können über weitreichende Übertragungen direkt mit dem Senkenknoten kommunizieren.
Das können sie auch Multi-Hopping durch andere Clusterköpfe. Zu den typischen Protokollen gehören die Cluster-Diffusion mit dynamischer Datenaggregation (CLUDDA), die Low Energy Adaptive Clustering Hierarchy (LEACH) und der Hybrid Efficient Distributed Clustering Approach (HEED).
In einigen Szenarien kann die Kommunikation zwischen den Sensoren und dem Clusterkopf zu viel Energie verbrauchen, wenn der Clusterkopf zu weit von den Sensoren entfernt ist. In solchen Fällen ist es für Sensoren effizienter, Daten nur an ihre nächsten Nachbarn im Netzwerk zu übertragen. Die kettenbasierte Datenaggregation im Internet der Dinge ist eine hierarchische Methode, bei der jeder Sensor nur an seinen nächsten Nachbarn sendet. Knoten sind meistens in einer linearen Datenaggregationskette organisiert.
Der Knoten, der sich am weitesten von der Basisstation entfernt befindet, initiiert die Kettenbildung. Bei jedem Schritt wird der nächste Nachbar eines Knotens als Nachfolger in der Kette ausgewählt. Ein Knoten empfängt also Daten von einem seiner Nachbarn und führt die empfangenen Daten mit seinen eigenen Daten zusammen. Anschließend überträgt er die fusionierten Daten weiter unten in der Kette an seinen nächsten Nachbarn. Ein Leitknoten, ähnlich dem Clusterkopf bei der clusterbasierten Aggregation, überträgt die aggregierten Daten an die Basisstation.
Ein Beispiel für ein kettenbasiertes Datenaggregationsprotokoll ist das sogenannte energieeffiziente Datenerfassungsprotokoll für Sensorinformationssysteme (PEGASIS).
In diesem Szenario werden Daten durch die Erstellung eines Datenaggregationsbaums aggregiert. Sensorknoten sind so organisiert, dass die Datenaggregation an Zwischenknoten entlang des „Baums“ stattfindet. Der sogenannte „Root Node“ erhält nur eine bereits strukturierte Darstellung der Daten. Diese Aggregationstechnik eignet sich für Anwendungen, die eine netzwerkinterne Datenaggregation erfordern. Eine der größten Herausforderungen der baumbasierten Aggregation ist die Erstellung eines energieeffizienten Datenaggregationsbaums, der die Lebensdauer des Netzwerks verlängert und die Anzahl der Übertragungen minimiert.
Im Durchschnitt ist bekannt, dass baumbasierte Methoden im Vergleich zu clusterbasierten Methoden einen hohen Overhead, eine hohe Energiegleichmäßigkeit sowie eine höhere Festigkeit, Flexibilität und Skalierbarkeit aufweisen.
Dieses Verfahren basiert auf der Aufteilung der Region eines Sensornetzwerks in mehrere Gitter. Eine Reihe von Sensoren fungiert als Datenaggregatoren in vordefinierten Bereichen des Sensornetzwerks. Wir haben also einen Datenaggregator (auch Integrator genannt), der in jedem Grid fest installiert ist. Und die Sensoranordnung fungiert als Aggregator/Integrator in dieser bestimmten Region des IoT-Netzwerks. Die Sensoren in diesem bestimmten Netz übertragen die Daten direkt an den Datenaggregator, der die Daten aller IoT-Sensoren im Netz aggregiert.
Bei der netzbasierten Aggregation kommunizieren die einzelnen IoT-Sensoren innerhalb eines Netzes nicht miteinander. Es ist bekannt, dass sich die netzbasierte Datenaggregation an dynamische Veränderungen im Netzwerk anpasst.
Strukturlose Datenaggregation beinhaltet keinerlei Architektur. Die Kommunikation erfolgt von jedem Knoten zu jedem Knoten innerhalb des Netzwerks. In einigen Fällen, wie beispielsweise bei ereignisbasierten Anwendungen, die je nach Ereignisregion variieren, ist strukturlose Aggregation der bevorzugte Ansatz.
Bei der Entwicklung Ihrer IoT-Strategie möchten Sie in der Lage sein, Ihr Netzwerk flexibel an neue Anforderungen und an eine wachsende Anzahl verbundener Geräte anzupassen, die in Schach gehalten werden müssen. So holen Sie das Beste aus der Anwendung der sicheren Datenaggregation in IoT-Einstellungen heraus. Eine für Edge-Computing optimierte IoT-Entwicklungsplattform hilft Ihnen dabei, die für Sie am besten geeignete Methode zu implementieren, die Datenintegrität aufrechtzuerhalten, Anwendungen zu entwickeln, schnell in einer sicheren Umgebung zu testen und Ihre Apps drahtlos auf einer beliebigen Anzahl von IoT-Geräten und Gerätegruppen bereitzustellen.
Sie überwachen den Status all Ihrer intelligenten Geräte von einem einzigen Ort aus und erhalten sofort Feedback von Ihren Geräten. So finden Sie heraus, welche Methode für Sie am besten geeignet ist, und finden das richtige Gleichgewicht zwischen Energieeffizienz, Leistung und Datengenauigkeit. Kontaktieren Sie uns für ein ausführliches Gespräch.
