فناوری‌های RFID در صنایع نفت، گاز و پتروشیمی در حین اکتشاف یا تولید نفت خام و گاز استفاده می­ شود. تکنولوژی یکپارچه RFID که ترکیبی از سیستم‌های سخت‌افزاری و نرم‌افزاری مرتبط به یک‌دیگر است، برای اندازه ­گیری اعماق، سلامت لوله‌ها و مته‌های حفاری به­ کار گرفته می ­شوند. برچسب­ های RFID اطلاعات مربوط به دمای زیرزمینی، سرعت جریان، استرس و ترکیب گل را در اختیار شما قرار می ­دهند. همچنین لوله ­ها و مته ­های مورد استفاده با تکنولوژی RFID می ­توانند، اطلاعات مربوط به شماره شناسایی لوله، سن، طول، تعداد دفعات استفاده شده برای حفاری و غیره را ارائه دهند. این روش به شرکت‌های‌ اکتشاف و حفاری نفت کمک می‌­کند تا تجهیزات مناسب مورد نیاز خود را انتخاب کنند.

برچسب‌های‌ RFID همچنین به تجهیزات زیر آب وصل می ­شوند تا عواملی را که ممکن است برای سیستم دریایی زیر زمین مضر باشند، شناسایی کنند. این برچسب‌ها در ردیابی وسایل نقلیه از راه دور و غواصانی که در مناطق دور افتاده کار می ­کنند و مکان‌های حفاری را پیدا می­ کنند، بسیار کارآمد هستند. RFID سازگار با سطوح فلزی برای کلیه تجهیزات حفاری، اکتشاف و حمل و نقل استفاده می ­شود. یکی دیگر از کاربردهای بسیار مهم این فناوری، در رصد و ردیابی لحظه‌ای بشکه‌های نفت است. به عنوان مثال بشکه ­های نفت را می­ توان به تگ­ های RFID تجهیز نمود و از آن پس، اطلاعاتی از قبیل موقعیت محموله، میزان و حجم نگهداری، تاریخ تولید، پالایشگاه تولید کننده و . . . را به ­واسطه سخت افزارها و نرم ­افزارهای مربوطه به صورت لحظه ­ای در اختیار داشت. همچنین فهرست ­برداری از اموال و ثبت تردد آن‌ها، کاری است زمان­ بر و دشوار، که با استفاده از تکنولوژی RFID می­توان این فرآیند را با دقت بیش‌تر و در مدت زمان بسیار کوتاه انجام داد.

از RFID برای امنیت کارگران در تاسیسات نیز استفاده می­ شود. تگ ­ها همراه با فناوری GPS در هنگام کار در محل به کارگران و غواصان داده می ­شود. نشان‌ها به ردیابی و نجات کارگران در صورت بروز هرگونه حادثه غیرمترقبه کمک می ­کنند. کارگران به همراه تجهیزات اکتشافی تجهیزات ایمنی نیز در اختیار دارند که برای ایشان اجباری است. خوانش­گرها یا ریدرهای RFID تجهیزات را هنگام تأیید صلاحیت کارگران در گیت­ های واقع در مکان‌های تعریف شده شناسایی نموده، مدت کار و محل کار کارکنان و حضور هر شخص غیرمجاز در این مرکز را تشخیص می­ دهند و از سرقت­ ها جلو گیری می‌کنند.

صنعت نفت و گاز در فشار است تا ایمنی و نتایج عملکردی خود را بهبود بخشد و ایجاد بازدهی زیاد، پیگیری دارایی و نظارت بر تجهیزات از جمله کاربردهای اینترنت اشیا در صنعت نفت و گاز است که به سرعت در حال رشد هستند. به دلیل متغیر بودن قیمت نفت، شرکت‌ها بیش‌تر وقت خود را صرف تحلیل سرمایه‌گذاری‌های خود و عملیات‌های داخلی می‌کنند تا ببینند در کدام قسمت‌ها می‌تواند کاهش یا تغییرات اعمال می‌شود در حالی‌که کسب‌و‌کارشان حفظ شده و بهره‌وری به حداکثر برسد. مدیریت دارایی یکی از حوزه‌­های اصلی اینترنت اشیا در صنعت است که به‌طور چشمگیری روی عملکرد تاثیر می‌گذارد. بازدهی عملیاتی می‌تواند از طریق بهینه‌سازی تولید و پیش‌بینی تولید از طریق مدیریت دارایی شرکتی بهبود یابد. با پیگیری دارایی، می‌توان دارایی‌ ها را به یک واحد تبدیل کرد تا شرکت‌ها بتوانند به‌طور دیجیتالی عملیات‌های خود را منتقل کرده و به‌طور همزمان روی چندین سایت نظارت داشته باشند. برای مثال، یک خرابی پمپ ممکن است ۳۰۰هزار دلار خرج بر‌دارد و یک روز تولید عقب بیفتد.

حسگرهای اینترنت اشیا می‌توانند با دقت بیش‌تر و با هزینه کم‌تر تجهیزات اصلی را بررسی کنند. همچنین می‌توانند به شرکت‌ها امکان دهند تا سایت‌های بالقوه را بررسی کرده و موقعیت مکانی دقیق را در روند استخراج نفت مشخص کنند. به علاوه، استفاده از حسگرها به شرکت‌های نفت امکان می‌دهد تا بر تعداد زیادی از فرآیند‌ها همراه با موجودی و ارسال نفت و گاز نظارت داشته باشند. این حسگرهای پیگیری، اطلاعات مفیدی را ارائه‌ می‌دهند به‌طوری‌که شرکت‌ها می‌توانند تعداد تامین‌کنندگان را شناسایی کنند. در صورت گم‌شدن یک آیتم، سیستم اینترنت اشیا می‌تواند به پیگیری ارسال با موقعیت مکانی دقیق هر واحد نفت و گاز کمک کند. از همه مهم‌تر قابلیت به‌روز‌رسانی در زمان واقعی با کمک GPS، ماهواره‌ و سایر راهکارهای اتصال است. شرکت‌های صنعت نفت و گاز می‌توانند تمام تجهیزات میدانی خود را به تجهیزات زمینی وصل کنند تا از طریق فناوری اینترنت اشیا تمام دارایی‌ها را پیگیری کنند. مدیریت دارایی به شرکت‌ها امکان می‌دهد تا عملکرد را بهبود بخشند و زیرساخت‌هایی را با خروجی حداکثری اعمال کنند. شرکت‌های نفت و گاز می‌توانند از کاربردهایی استفاده کنند که به بهینه‌سازی استفاده از دارایی‌ها کمک می‌کند و یک نمای فشرده از همه‌چیز، از عملیات روزانه و عملکرد تولید گرفته، تا برنامه‌های نگهداری، موجودی و غیره، را به کارمندان ارائه می دهند. با افزایش مقدار اطلاعات داده‌های جمع‌آوری شده، هر فردی که مسئول یک میدان نفتی یا نیروگاه گازی است، دیدگاه کاملی از نحوه اداره عملیات‌ها از طریق یک دستگاه‌ همراه و یا اپلیکیشن خواهد داشت.

ماهیت پویای صنعت نفت و گاز در پالایشگاه ها می‌تواند با اینترنت اشیا برنامه‌ریزی و بهینه‌سازی هوشمندی داشته باشد. برای مثال، پالایشگاه‌ ها می‌توانند از سنسورها برای شناسایی انواع نفت خام یا مخلوط نفت خام دریافتی یا ذخیره‌شده استفاده کنند. داشتن این اطلاعات برای تصمیم‌گیری‌های تولید و اجرای عملیات مفید خواهد بود.

بهینه‌سازی برای افزایش سودآوری حتی برای یک شرکت نفتی کوچک از اهمیت بالایی برخوردار است. به‌عنوان‌مثال، با حفاری یک چاه جدید شرکت باید مواد شیمیایی را به داخل چاه تزریق کرده تا از چسبندگی سنگ‌ها جلوگیری شود. در هنگام تخلیه‌ی چاه نفت، به‌منظور ایجاد درجه حرارت مناسب، باید تعادل فشار تحت کنترل باشد تا از استخراج مقادیر مناسب نفت اطمینان حاصل شود. اطلاعات مربوط به شرایط میکروسکوپی در یک چاه نفت نیاز به جمع‌آوری و تجزیه ‌و تحلیل پس از تولید دارد تا جریان و روند حفاری در آینده بهینه‌سازی شود و بدین ترتیب سودآوری شرکت افزایش یابد.

با استفاده از حسگرهای بی‌سیم، اطلاعات بیش‌تری جمع‌آوری می­شود و این اطلاعات مورد تجزیه ‌و تحلیل قرار می­ گیرند و موجب بهبود فرآیندها می ­شوند. به ­وسیله اینترنت اشیا بررسی اطلاعات و نظارت برآن در مدت زمان کوتاهی انجام می­ شود که این شامل نظارت برسطح مخازن، ضخامت لوله‌ها، آهنگ جریان و فشار لوله‌ها می ­باشد. اگر این اطلاعات بخواهد توسط نیروی انسانی مورد بررسی ونظارت قرار بگیرد زمان و هزینه زیادی در بر می­گیرد که با وجود این فناوری فرصتی مهیا می ­شود که اطلاعات دقیق­ تر و بیش‌تری بدست بیاید، اطلاعاتی که در نهایت عملکرد کار را به ظرفیت بالاتری خواهد رساند.

اینترنت اشیا به پایش پارامترهایی نظیر فشار لوله، سرعت جریان و عوامل تاثیر­گذار بر کار نظارت می‌کند. اندازه‌گیری‌های زیادی در مورد هر مولفه پالایشگاه‌ها نیاز است که انجام آن بسیار وقت‌گیر است. بنابراین نباید این کار را به صورت دستی انجام گیرد. اینترنت اشیا جمع‌آوری داده‌ها را سریع و در زمان واقعی انجام می‌دهد که این کار در نواحی که دسترسی منابع انسانی به آن‌جا دشوار است به سادگی قابل پیاده‌سازی خواهد بود. بنابراین پایش شبانه‌روزی خط لوله و پالایشگاه به سادگی قابل انجام است.

نظارت حسگرها بر فرآیند داخل پالایشگاه می‌تواند منجر به تصمیم‌گیری بهتر شده و کارایی را ارتقاء دهد. این روند در نهایت می‌تواند منجر به کاهش هزینه‌های شرکت‌ها و در نتیجه افزایش درآمد آن‌ها شود. پیش‌بینی عرضه و تقاضا از دیگر نقاطی است که به کمک اینترنت اشیا در صنایع پالایشگاهی قابل دست­یابی است. همچنین اینترنت اشیا ایمنی را نیز در پالایشگاه‌ها افزایش می‌دهد.

با مدیریت هوشمند انرژی در کارخانه ها و مجموعه ‌ها میزان قابل توجهی در مصرف انرژی صرفه‌جویی می شود و برآوردها بیانگر این نکته است که می‌توان با استفاده از اینترنت اشیا حداقل تا 25 درصد مصرف انرژی را در مجموعه کاهش داد. به عنوان مثال با استفاده از سنسورهای شناسایی حضور افراد در محیط می‌توان تشخیص داد که در لحظه چند نفر در یک مکان یا اتاق حضور دارند و براساس آن میزان نور و حرارت سالن را تنظیم کرد.

حسگرها می‌توانند کیفیت آب و هوای داخل ساختمان را در تمام ساعات روز کنترل کنند و در صورت نیاز نسبت به بهبود آن به شکلی خودکار گام بردارند.

این سنسورها می‌توانند خدمات مناسبی ارائه کنند و هزینه‌های تعمیرات و نگهداری سازه‌ها را به‌خصوص در مراکز عمومی و سالن‌های پررفت و آمد کاهش دهند؛ زیرا با استفاده از آن‌ها می‌توان قطعی سیم و کابل و برق، نشتی آب و گاز و از این قبیل موارد را قبل از بروز خسارت شناسایی و تعمیر کرد.

 سیستم‌های مجهز به سنسورهای مختلف (نور، حرکت، رطوبت، سطح CO2 و…) می‌توانند براساس تغییر شرایط، به صورت پویا خود را تنظیم کرده و از صرف انرژی در نقاط بلامصرف خودداری کنند. به عنوان مثال نورپردازی هوشمند، نور را بسته به میزان روشنایی روز در اتاق، کم می‌کند و به محض خالی شدن اتاق به طور خودکار آن را خاموش می‌کند. ترموستات هوشمند فضای اتاق را پیش از زمان اوج گرما، سرد می‌کند تا از مصرف انرژی گران در زمان اوج بار جلوگیری شود.

اطلاعات دریافتی از سنسورها در جاهایی از جمله کارخانه‌های هوشمند با ماشین‌آلات سنگین می‌تواند به طور دائمی مصرف انرژی را مشخص کرده و با سنجش گرمای بیش از حد، خطرات صدمه یا خاموشی خط تولید را پیش‌بینی کند. با به کارگیری مکانیسم هوشمند از خسارات جدی مانند سوختن موتور و … جلوگیری به عمل می‌آید. مدیریت می‌تواند با استفاده از تجزیه و تحلیل داده‌های ردیابی، تعادل مناسب بین عملکرد بهینه تجهیزات، استهلاک و مصرف انرژی را یافته و بیشینه‌ کارایی تجهیزات را تضمین کند.

اینترنت اشیا صنعتی از زیرمجموعه های اینترنت اشیا محسوب می شود در واقع به کابرد اینترنت اشیا در صنعت، “اینترنت اشیا صنعتی” می گویند که از آن با IIoT  یاد می شود. اینترنت اشیا صنعتی انقلابی را در تولید با فراهم آوردن امکان دستیابی به مقادیر بسیار بیشتری از داده ها، با سرعتی بسیار بالاتر و بهره وری بیشتر فراهم می کند. تعدادی از شرکت های نوآور شروع به اجرا و پیاده سازی اینترنت اشیا در صنعت با استفاده از دستگاه های هوشمند متصل به هم، در کارخانه های خود کرده اند.

شبکه های اینترنت اشیا صنعتی که تجهیزات هوشمند را به یکدیگر متصل کرده اند، باعث می شود تا داده ها بین تمامی بخش ها از جمله افراد، کارخانه و … تبادل شود. مدیران بخش های صنعتی می توانند به کمک IIOT  بر چگونگی انجام و پیشرفت فعالیت های شرکت خود نظارت داشته باشند. بدین طریق آن ها می توانند تصمیمات لازم را جهت پیشرفت، اتخاذ کنند.

استفاده از اینترنت اشیا صنعتی سبب بهبود ارتباطات، بهره وری، توسعه مقیاس کاری و صرفه جویی در وقت و هزینه ها ، برای شرکت های صنعتی به دنبال خواهد داشت. این ساختار هوشمند می تواند باعث تعامل میان افراد با تجهیزات شود. اینترنت اشیا همچنین  می تواند به شرکت ها این اجازه را دهد که بیشترین بهره وری را از سیستم ها و تجهیزات خود کسب کنند بدون اینکه محدودیت های تکنولوژیکی و اقتصادی مانع این امر شوند. با توجه به مزیت هایی که IIOT می تواند برای صنعت و شرکت ها داشته باشد، این ساختار می تواند بسیار مورد توجه قرار گیرد.

چیزی که باعث تفاوت میان IIOT و هر آنچه که قبل از آن بوده، شده است،دسترسی بهتر به داده ها و استفاده بهینه تر از آن ها است. به طور خلاصه، اینترنت اشیا صنعتی باعث شده تا تجهیزات از سطح جمع آوری اطلاعات تا سطح پیاده سازی، با یکدیگر ارتباط داشته باشند. در حالیکه در گذشته اجزای تجهیزات و سیستم ها، سنسور ها، آلارم ها و … به طور جداگانه به یکدیگر متصل بودند؛ اما امروزه این اجزا به یک ساختار واحد متصل بوده که می تواند توسط کاربر قابل دستیابی باشد.

به کمک IIOT ، داده های کارخانه ها و صنایع به یک شبکه و ساختار یکپارچه متصل می شوند.موتورهای تجزیه و تحلیل و دستگاه ها همگی می توانند به این زیرساخت دسترسی داشته باشند تا این اطلاعات را بنا بر نوع نیاز، به آن دسترسی یا در آن تغییری اعمال کنند.

برنامه های کاربردی انبارداری کارخانه هوشمند
پیشگیری و مراقبت از راه دور
نظارت بر حمل و نقل کالا
تدارکات اتصال
اندازه گیری هوشمند و شبکه هوشمند
برنامه های شهر هوشمند
نظارت بر کشاورزی هوشمند و حیوانات
سیستم های امنیتی صنعتی
بهینه سازی مصرف انرژی
حرارت صنعتی، تهویه مطبوع
نظارت بر تولید تجهیزات
ردیابی دارایی و تدارکات هوشمند
نظارت بر ازن، گاز و دما در محیط های صنعتی
نظارت بر ایمنی و بهداشت کارگران
مدیریت عملکرد دارایی

با استفاده از آنالیزها و سنسورهای IIoT ، هم اکنون شرکت‌ها می‌توانند داده‌های حسگر آنی خود را در مناطق وسیعی به دست آورند که چندین کیلومتر مربع را دربرمی گیرد. قبل از این، جمع‌آوری داده‌ها، روزها یا هفته‌ها موجود نبود یا دسترسی به آن سخت بود. با استفاده از سنسورهای متعدد، جمع‌آوری لحظه‌ای داده‌ها برای اولین بار در بسیاری از بخش‌ها امکان‌پذیر شده است.

قابلیت ردیابی بدان معناست که شرکت‌ها می‌توانند اطمینان حاصل کنند که تجهیزات و پرسنل، به راحتی می‌توانند در جایی که به آن ها احتیاج است، حضور یابند و در صورت بروز فاجعه، سیستم، دقیقا می‌داند کارگر در کدام بخش زنگ خطر را فشرده است تا در لحظات حیاتی عملیات نجات و تخلیه، به صورت بهینه انجام شود.

هم‌چنین، در محیط‌های چالش‌برانگیز، سیستم ردیابی به جلوگیری از مفقود شدن مصالح، با توجه به شرایط جوّی کمک می‌کند.علاوه بر فضای کاری و قسمت‌های مختلف، این چالش نیز مطرح است که در قسمت های مختلف کشور، مصالح با برف پوشانده می‌شوند یا هنگام طوفان‌های شن ، مصالح با شن پوشانده می شوند.

هوش مصنوعی(Artificial Intelligence) از دو کلمه متفاوت ساخته شده است. منظور از مصنوعی(Artificial) یعنی ساخته شده به دست بشر است و از طرفی دیگر هوش(Intelligence) به معنای توانایی ذهن برای درک اصول، حقیقت، حقایق یا معانی، کسب دانش و تبدیل علم به عمل بر پایه توانایی یادگیری و درک کردن است. بنابراین هوش مصنوعی ماشینی است که توسط انسان ها ایجاد می‌شود تا زندگی را آسان و راحت کند که به صورت برنامه‌های رایانه‌ای یا ماشین‌هایی بوده که به فکر کردن و یادگیری کمک می‌کنند.و در تمامی حوزه ها کاربرد دارد.

AI را مطالعه‌ی عامل‌های هوشمند (intelligent agents) تعریف کرده‌اند، عامل هوشمند هر دستگاهی است که محیط پیرامون خود را درک می‌کند و تلاش می‌کند تا با بالاترین شانس به اهداف خود دست یابد. تعریف دیگری که می‌توان برای هوش مصنوعی ارائه کرد به این صورت است: AI در حقیقت ماشین‌ها یا رایانه‌هایی هستند که سعی در تقلید اعمال شناختی (cognitive) انسان‌ها مانند یادگیری و حل مسئله دارند.

با وقوع هم‌زمان اکتشافات گوناگون در زمینه علوم اعصاب، نظریه اطلاعات و سایبرنتیک، پژوهشگران احتمال ساخت یک مغز الکترونیکی را نیز مطرح کرده و در نظر گرفتند.

پژوهش در زمینه هوش مصنوعی برای اولین بار در سال ۱۹۵۶ در کارگاهی در کالج دارتموث مطرح شد. شرکت‌کنندگان این کارگاه، آلن نیوول و هربرت سیمون از دانشگاه کارنگی ملون (CMU)، جان مک‌کارتی و ماروین مینسکی از موسسه فناوری ماساچوست (دانشگاه MIT) و آرتور ساموئل از شرکت IBM، به بنیان‌گذاران و رهبران پژوهش‌های هوش مصنوعی جهان مبدل شدند.

در اوایل سال ۱۹۸۰، پژوهش‌های انجام شده در این راستا با کسب موفقیت‌های تجاری در «سیستم‌های خبره» (expert systems)، حیاتی دوباره یافتند. سیستم‌های خبره شکلی از برنامه‌های شبیه‌سازی شده هستند که دانش و مهارت‌های تحلیلی موجود در انسان خبره را شبیه‌سازی می‌کنند. در سال ۱۹۸۵، سهم هوش مصنوعی از بازار به بیش از یک میلیارد دلار رسید. در همان دوران، با معرفی پروژه رایانه‌های نسل پنجم در ژاپن، دولت‌های ایالات متحده آمریکا و انگلستان بار دیگر به سرمایه‌گذاری در پژوهش‌های دانشگاهی حوزه هوش مصنوعی روی آوردند. اگرچه با فروپاشی ماشین Lips در سال ۱۹۸۷، این علم بار دیگر دچار تخریب و نسل جدیدی از بدگویی‌ها و مخالفت‌های شدید با آن آغاز شد.

در اواخر سال ۱۹۹۰ میلادی و اوایل قرن ۲۱، هوش مصنوعی در لُجستیک، داده‌کاوی، تشخیص پزشکی و دیگر زمینه‌ها مورد بهره‌برداری قرار گرفت. طی این سال‌ها، با افزایش قدرت محاسباتی رایانه‌ها و تاکید بر حل مسائل خاص با استفاده از هوش مصنوعی، تلاقی‌های جدیدی بین این علم و دیگر علوم (مانند آمار، اقتصاد و ریاضیات) به وجود آمد و پژوهشگران به استفاده از روش‌های ریاضیاتی و استانداردهای علمی در این زمینه روی آوردند که منجر به کسب موفقیت‌های متعددی شد.

در راستای موفقیت‌های به دست آمده برای هوش مصنوعی، می‌توان به دیپ بلو (Deep Blue)، اولین رایانه دارای مهارت بازی شطرنج اشاره کرد که توانست قهرمان شطرنج جهان، «گری کاسپاروف» را با نتیجه ۳،۵ به ۲،۵ طی ۶ مسابقه در ۱۱ می ۱۹۹۷ شکست دهد. در سال ۲۰۱۱ نیز طی مسابقات تلویزیونی «جپاردی!» (!Jeopardy)، سیستم پرسش و پاسخ IBM با نام «واتسون» موفق به شکست دادن دو قهرمان جپاردی، «برد راتر» و «جن جینگیز» با اختلاف امتیاز قابل توجهی شد.

رفته رفته با پیشرفت فناوری و سایر سخت افزارهای مورد نیاز برای توسعه هوش مصنوعی، ابزار هوشمند و سرویس‌های هوشمندی به بازار عرضه شدند که از هوش مصنوعی در بسیاری از فرآیندهایشان استفاده می‌کردند. بسیاری از سرویس‌های معروفی همانند موتورهای جستجو، ماهواره‌ها و غیره از هوش مصنوعی استفاده می‌کردند. با معرفی گوشی‌های هوشمند و پس از آن گجت‌های هوشمند، هوش مصنوعی گام بلندی را برای ورود به زندگی انسان‌های پشت سر گذاشت. از این زمان به بعد هوش مصنوعی برای انسان‌ها جلوه کاربردی تری پیدا کرد و انسان‌ها بیشتر با واژه هوش مصنوعی و کاربردهای آن آشنا شدند.

 یادگیری ماشین (Machine learning)

یادگیری ماشین زیرمجموعه‌ای از هوش مصنوعی محسوب می‌شود که شامل الگوریتم‌هایی است که ماشین را قادر می‌سازد بدون دخالت انسان با استفاده از مثال‌های داده شده به آن و تجربیات خودش، بیاموزد و عمل کند.

 یادگیری عمیق (Deep learning)

یادگیری عمیق در واقع نسخه تکامل یافته یادگیری ماشین و زیرمجموعه ای از آن است. در یادگیری عمیق از شبکه‌های عصبی (Artificial neural networks) استفاده می‌شود. تفاوت یادگیری عمیق از یادگیری ماشینی این است که در یادگیری ماشین باید دیتا به صورت طبقه بندی به الگوریتم داده شود اما در یادگیری عمیق خود الگوریتم دیتا را می‌تواند آنالیز و طبقه بندی کند. به عنوان مثال در یادگیری ماشین باید برای شناسایی عکس سگ، برای ماشین تمامی اجزای سگ مانند سر، بدن، دم و غیره جدا تعریف شود اما در یادگیری عمیق، ماشین با دیدن تعداد زیادی عکس سگ، خود قادر به شناسایی دیگر عکس‌های سگ‌ها است. برای همین یادگیری عمیق نیاز به کلان داده یا دیتای بسیار زیاد دارد.

 شبکه‌های عصبی مصنوعی (Artificial neural networks-ANN)

شبکه‌های عصبی مصنوعی با الهام از شبکه‌های عصبی مغز انسان ساخته شده اند، گرچه شباهت چندانی به عملکرد آن ندارند. همانطور که گفته شد از شبکه‌های عصبی مصنوعی در یادگیری عمیق استفاده می‌شود. یک شبکه عصبی صدها، هزاران یا حتی میلیون‌ها نورون مصنوعی به نام واحد دارد که در مجموعه ای از لایه‌ ها قرار گرفته اند. شبکه عصبی مصنوعی از لایه ورودی، لایه خروجی و لایه‌های بین این دو که لایه‌های مخفی نامیده می‌شود تشکیل شده است.

 پردازش زبان طبیعی (Natural language processing-NLP)

پردازش زبان طبیعی زیرمجموعه ای از هوش مصنوعی برای درک زبان انسانی توسط کامپیوتر است. از پردازش زبان طبیعی برای خواندن و فهم زبان انسانی توسط کامپیوتر استفاده می‌شود تا فاصله صحبت انسان و درک کامپیوتر را از بین ببرد.

کلان داده (Big data)

کلان داده (بیگ دیتا) حجم زیادی از داده‌ها است که خیلی سریع تولید می‌شوند، تنوع زیادی دارند و پیچیده هستند و پردازش آن ها با استفاده از روش‌های سنتی بسیار سخت و وقت گیر است. در اهمیت کلان داده همین بس که از دیتا به عنوان نفت قرن ۲۱ یاد می‌شود و موفقیت شرکت‌ها به حجم بالای دیتای آنها بستگی دارد.

آبیاری هوشمند به دلیل ویژگی‌ها و قابلیت‌هایش دارای مزایای مختلفی است از جمله:

کنترل از راه دور

آبیاری را می‌توان از راه دور به وسیله تلفن‌های هوشمند کنترل نمود یا آن را مستقیماً بر روی دستگاه‌ها با دکمه‌ها کنترل کرد. در حالت اول فقط یک چراغ LED وجود دارد. که اگر سیستم کار کند سیگنال می‌دهد. در این حالت کنترل برنامه از راه دور  انجام می‌شود. که راحت‌تر و شهودی‌تر است و می‌توان سیستم را از هر کجا کنترل کرد.

برای آبیاری گیاهانی که نیازهای مختلفی دارند. مناطق آبیاری جداگانه‌ای تنظیم می‌شود.

هر منطقه آبیاری، توسط دریچه‌ای آبیاری می‌شود می‌توان مناطق آبیاری را مشخص کرد. و آن را به اندازه مقدار آبی که گیاهانش به آن احتیاج دارند آب داد. با این روش می‌توان اطمینان حاصل کرد که کنترل‌کننده، آبیاری مناطق را به اندازه پشتیبانی می‌کند. و هر نوع گیاه به اندازه مورد نیازش آبیاری می‌شود. و از هدر رفت آب و از بین رفتن محصول که نهایتا هدر رفت آب را به دنبال دارد، جلوگیری می‌شود.

برنامه ریزی و زمان‌بندی آبیاری

کنترل‌کننده‌های آبیاری، برنامه‌های زمان‌بندی متفاوتی دارند. هنگامی که سیستم به یک سنسور رطوبت متصل است.می تواند به طور خودکار زمان آبیاری را کوتاه یا طولانی‌تر کند تا گیاهان غرق در آب یا تشنه نشوند.

اطلاع از نشتی‌ها و هدر رفت‌ها

کنترل‌کننده‌های هوشمند در هنگام شروع آبیاری و اتمام آن اگر خطایی رخ دهد. یا اگر نشتی در سیستم وجود داشته باشد، اطلاع‌رسانی می‌کنند.

آبیاری هوشمندانه‌تر و پیش‌بینی آبیاری

برخی از سیستم‌های آبیاری می‌توانند یک قدم جلوتر بروند و آب و هوای محیط محلی را پیش‌بینی کنند. و حتی به هنگام باران سیستم آبیاری را خاموش کنند. و شرایط آبیاری را بهینه کنند. استفاده از روش‌های نوین مانند آبیاری قطره‌ای و بارانی نسبت به روش‌های سنتی سبب کاهش مصرف آب شده است، ولی با استفاده از روش‌های هوشمندانه آبیاری ۳۰ درصد بیشتر در مصرف آب صرفه‌جویی می‌شود.

اساس کنترل‌کننده‌های آبیاری هوشمند

اساس فناوری کنترل‌کننده‌های آبیاری هوشمند برای مدیریت مصرف آب، بر دو نوع است.

• کنترل مبتنی بر حسگر و سنسورها
• کنترل مبتنی بر سیگنال

کنترل کننده‌های مبتنی بر سنسور

یک کنترل کننده مبتنی بر سنسور برای تنظیم زمان آبیاری، از یک یا چند عامل اندازه‌گیری شده محلی استفاده می‌کند. عواملی که معمولاً مورد توجه قرار می گیرند. عبارتند از: دما، بارندگی، رطوبت، تابش خورشیدی و رطوبت خاک.

یک سیستم مبتنی بر سنسور اغلب اطلاعاتی از پیشینه آب و هوایی (یعنی منحنی ET) منطقه برای برنامه‌ریزی در حافظه دارد. و سپس از اطلاعات سنسور برای اصلاح مقدار مورد نیاز آبیاری مورد انتظار برای برنامه مصرف روزانه استفاده می‌کند.

کنترل‌کننده‌های مبنی بر سیگنال

یک کنترل‌کننده مبتنی بر سیگنال با استفاده از فناوری رادیو، تلفن، کابل، تلفن همراه و وب یک سیگنال منظم از شرایط آب و هوایی حاکم دریافت می‌کند. این سیگنال به طور معمول از یک ایستگاه هواشناسی محلی (یا سری ایستگاه‌های هواشناسی) تهیه می‌شود. که معمولاً میزان تبخیر و تعرق جریان فعلی را به کنترل کننده اطلاع‌رسانی می‌کند.

مدیریت مصرف برق

از تجهیزات هوشمند در مدیریت مصرف برق ساختمان نیز استفاده می شود. و برخی از قابلیت های سامانه های مدیریت مصرف برق به شرح زیر است:

• روشن و خاموش شدن چراغ ها با سنسورهای تشخیص حرکت
• قابلیت تنظیم نور روز و شب و بهره گیری حداکثری از نور طبیعی روز
• قابلیت زمانبندی کردن روشنایی در مکان هایی از جمله محوطه و لابی ساختمان
• مدیریت میزان مصرف برق با استفاده از کنتورهای هوشمند، به طور مثال ، چنانچه مصرف برق مشترک از مرز مورد نظرش بگذرد. کنتور هوشمند فرمان قطع برق را می دهد.

مدیریت مصرف آب

آبیاری گل وگیاه، تنظیم فواره و آبشارهای مصنوعی از طریق صفحه کنترل به سادگی قابل کنترل می باشند. همچنین ساختمان هوشمند می تواند کنترل، آبیاری گل و گیاه در حیاط یا داخل ساختمان را به طور خودکار طبق برنامه ازپیش تعیین شده عهده دار شود. برای مثال هر غروب در صورت پایین بودن رطوبت چمن از 33% سیستم آبیاری به شکل خود کار به کار می افتد در غیر این صورت آبیاری انجام نشده و با این اقدام باعث صرفه جویی می گردد.

سیستم آبیاری هوشمند اطلاعات حسگرها را جمع آوری می‌کند و دستورات از پیش تعریف شده کاربر را به محرک‌ها ارسال می‌کند داده‌ها توسط سنسورهای رطوبت و دما جمع آوری می‌شوند.

کاربر دامنه رطوبت و دما را مشخص می‌کند. هنگام رسیدن به آستانه، سیستم عکس العمل نشان می‌دهد.(یعنی وقتی که رطوبت در سطح معینی است، آبیاری شروع و متوقف می‌شود.) کنترل‌کننده آبیاری همچنین جریان آب، مسدود بودن یا نشت لوله‌ها را بررسی می‌کند کاربر می تواند سیستم را به راحتی از طریق برنامه تلفن‌های هوشمند کنترل کند.

زمان مناسب برای آبیاری در طول شبانه روز، مدت زمان آبیاری و مقدار آب مورد نیاز برای آبیاری بر اساس اطلاعات آب و هوا و داده‌های سنسورها تعیین می‌شود.

گاهی اوقات به دلیل زمان بر بودن گرم شدن خانه، ترجیح می دهیم که سیستم گرمایش را خاموش نکنیم. چون ممکن است در بازگشت به خانه با هوای سرد مواجه شویم ، از این پس با کمک اپلیکیشن خانه هوشمند دیگر نیازی نیست سیستم گرمایش خانه همیشه روشن باشد.

کوتاه تر شدن زمان استفاده از سیستم گرمایش به معنای کاهش مصرف گاز و برق است بنابراین خانه هوشمند و صرفه جویی در مصرف گاز نیز قابل دسترسی است علاوه براین کاهش مصرف برق نیز به معنای کاهش مصرف گاز و دیگر سوخت های فسیلی است. که در تولید برق از آن ها استفاده می شود.

کاهش مصرف سوخت های فسیلی به معنای کاهش تولید گازهای گلخانه ای، کاهش آسیب به لایه اوزون و کاهش اثرات مخرب زیست محیطی است.

اگر چه در حال حاضر مدیریت انرژی هوشمند یک نوآوری محسوب شود اما در آینده نقش مهمی را در هر دو سمت کسب و کار و مصرف کنندگان ایفا خواهد کرد به عنوان نمونه، هدف اصلی مدیریت گاز بریتانیا این است که تا پایان سال 2020 تمام منازل را مجهز به کنتورهای هوشمند کنند. با هوشمندسازی بیشتر و افزایش حجم داده ها از تجهیزات و تاسیسات ساختمانی، امکان تحلیل هرچه بیشتر آن در آینده بیشتر فراهم می آید. و از این رو مدیریت انرژی در آینده بسیار بهینه تر انجام خواهد شد. و این خود منجر به کاهش اتلاف انرژی و صرفه جویی می شود.

و صد البته این مسئله در شکل دهی فرهنگ آینده برای مصرف انرژی نیز موثر خواهد بود. بستر این هوشمندسازی قطعا اینترنت اشیا خواهد بود. و دولت شرکت های انرژی را تشویق خواهد کرد سرویس های هوشمندانه تری را ارائه کنند.  این همه هوشمندسازی تنها محدود به تجهیزات الکترونیکی نمی شود. و اجرای طرح های هوشمند در احداث ساختمان و یا انتخاب هوشمندانه تجهیزات و تاسیسات ساختمان نیز می تواند در مقام هوشمندسازی بحث و پذیرفته شود.

آسان سازی روند اندازه گیری مصرف گاز بالابردن دقت اندازه گیری گاز مصرفی، دریافت اطلاعات موردنظر از راه دور و بی نیازی از رفتن ماموران گاز به درب منازل برای قرائت کنتور، کنترل میزان انتقال گاز ، کنترل تقاضا، و قطع شبکه در زمان زلزله از مهم ترین مزیت های نصب و راه اندازی کنتورهای هوشمند گاز به شمار می روند. یکی از مهم ترین ویژگی های کنتور هوشمند گاز، رصد و پایش لحظه ای مصرف گاز توسط مشترکان خانگی است و هرگونه دستکاری در کنتور و یا ایجاد انشعاب های غیرمجاز در این سامانه های هوشمند به صورت لحظه ای شناسائی خواهد شد و هرگونه دستکاری و حتی ضربه به دستگاه در حافظه کنتور ثبت و ضبط می شود.داده های کنتور هوشمندانه و در لحظه به کمک سامانه های مخابراتی به مرکز گردآوری داده ها ارسال و پس از ثبت در سامانه در صورتحساب مشترکان درج می شود.

کنتور گاز هوشند دارای قسمت های  اصلی شامل جمع کننده اطلاعات و شبکه کنترل مرکزی است.فناوری قرائت کنتور گاز هوشمند این امکان را به ما می دهد که در هر زمان، مقدار گاز مصرفی را به صورت بی سیم(وایرلس) توسط دستگاه جمع کننده دستی (Hand held) و یا ثابت (Data Collector ) دریافت شود و برای مانیتورینگ و مدیریت مصرف به مرکز کنترل شبکه (NCC) ارسال شود.

به کارگیری این سیستم موجب صرفه جویی چشمگیر در مصرف بی رویه گاز و مانع از سو استفاده های احتمالی مشترکین می شود. طبق اعلام رسمی، حجم گاز گمشده در شبکه گازی کشور بالغ بر 10 میلیارد متر مکعب اعلام شده است. که در این بین دستکاری کنتور توسط مشترکین درصد قابل توجه ای از آن را تشکیل می دهد.

از جمله ویژگی های آن ،حذف مشکلات امنیتی در مراجعه حضوری، حذف خطاهای انسانی هنگام قرائت کنتور، و همچنین ثبت خطاهای کنتور از قبیل:  دستکاری کنتور، نشت گاز، کاهش توان باطری، جریان معکوس گاز و موارد بسیار دیگر است.

در کنتور گاز فعلی، نوسانات دما (-30oC – 60oC) در هر 3 درجه، موجب 1% خطا در اندازه گیری گاز مصرفی می گردد. که در تابستان به ضرر مشترکین می شود و در زمستان به نفع مشترکین محاسبه می گردد در حالی که در کنتور گاز هوشمند با به کارگیری سنسور دما، حجم گاز مصرفی را محاسبه می کند. و در شرایط ایده آل مطابق استاندارد EN12405-1 تصحیح می گردد.

• استفاده از دیتا کالکتور ( Data Collector ) و ارسال اطلاعات کنتور گاز مشترکین از طریق GPRS

دراین روش کنتور های دارای سیستم RF ، اطلاعات کنتور را به سمت دیتا کالکتور که در فاصله مشخصی نصب شده است ارسال می کند و دیتا کالکتور از طریق GPRS ، این اطلاعات را به مرکز کنترل شبکه (NCC)  ارسال می نماید.که در مرکز کنترل، اطلاعات دریافتی پس از پردازش ، ذخیره سازی می شود.

این اطلاعات شامل میزان مصرف گاز ، انواع هشدارهای کنتور یا دستکاری کنتور گاز به صورت غیر مجاز می باشد.ارسال فرمان به کنتور و یا دریافت پاسخ از کنتور گاز هوشمند از جمله امکانات این سیستم است.

• استفاده از دستگاه هند هلد((Hand held)) و ارتباط از طریقRF

 

در این روش ، مامور قرائت کنتور گاز ، با در دست داشتن دستگاه هند هلد در محل هایی که کنتور گاز نصب شده است، مراجعه کرده و اطلاعات مصرف کنتور گاز  را از طریق سیستم RF قرائت می کند.و پس از ذخیره سازی به مرکز داده ارسال می نماید.

دراین روش از استاندارد Wireless M-BUS بهره گرفته شده است و دریافت داده در فرکانس ۸۶۸ Khz از طریق سیستم RF انجام می شود.