من المصانع الذكية إلى المدن الذكية: كيف تتكامل IoT وEdge Computing والذكاء الاصطناعي؟
لم يعد التحول الرقمي يقتصر على نقل الملفات إلى السحابة أو استبدال الأجهزة التقليدية بأخرى متصلة بالإنترنت. نحن أمام تحول أعمق بكثير، تتحول فيه المصانع والمباني والطرق والموانئ وشبكات الطاقة وحتى أنظمة المياه إلى بيئات قادرة على استشعار ما يحدث، وتحليل البيانات، واتخاذ القرارات، وتنفيذ الإجراءات بصورة شبه فورية.
وهنا تظهر ثلاثة مكونات رئيسية تقود هذا التحول: إنترنت الأشياء IoT، والحوسبة الطرفية Edge Computing، والذكاء الاصطناعي AI.
لكن قوة هذه التقنيات لا تظهر عندما تعمل كل واحدة منها بمعزل عن الأخرى. القيمة الحقيقية تبدأ عندما تتكامل داخل منظومة واحدة.
فالحساسات تجمع البيانات، والحوسبة الطرفية تعالج جزءًا منها بالقرب من مصدرها، والذكاء الاصطناعي يحول البيانات إلى معرفة وقرارات، بينما تقوم شبكات الاتصالات والألياف الضوئية و5G بنقل المعلومات بين مختلف عناصر المنظومة.
وهكذا يتحول المصنع من مكان تنتج فيه الآلات السلع فقط إلى نظام رقمي حي يمكن مراقبته وتحليله وتحسينه باستمرار.
وبالطريقة نفسها، يمكن للمدينة أن تتحول من مجموعة مبانٍ وطرق ومرافق منفصلة إلى منصة ذكية مترابطة تستطيع فهم حركة المرور والطاقة والمياه والبيئة والخدمات العامة بصورة أكثر دقة.
لكن كيف يحدث هذا التكامل من الناحية الهندسية؟ وما الدور الذي يؤديه كل عنصر؟ وكيف تنتقل البيانات من الحساس إلى القرار؟ وهل تستطيع هذه المنظومة أن تعمل في الزمن الحقيقي؟
 |
| من المصانع الذكية إلى المدن الذكية كيف تتكامل IoT وEdge Computing والذكاء الاصطناعي؟ |
ما المقصود بالمنظومة الذكية المتكاملة؟
لفهم العلاقة بين IoT وEdge Computing والذكاء الاصطناعي، من المفيد النظر إليها باعتبارها طبقات متتابعة وليست تقنيات منفصلة.
تبدأ المنظومة عادة من العالم الفيزيائي.
هناك آلة أو سيارة أو مضخة أو كاميرا أو عداد أو جهاز طبي أو إشارة مرور.
يتم تركيب حساس أو أكثر لجمع المعلومات من هذا العنصر.
هنا يبدأ دور Internet of Things.
بعد ذلك تنتقل البيانات عبر شبكة اتصال مناسبة إلى نظام معالجة قريب، وهنا يأتي دور Edge Computing.
ثم يمكن استخدام خوارزميات Artificial Intelligence وMachine Learning لتحليل البيانات واكتشاف الأنماط واتخاذ القرارات.
أما السحابة ومراكز البيانات فتظل مسؤولة عن التخزين طويل المدى والتحليلات الضخمة وتدريب نماذج الذكاء الاصطناعي وإدارة المنظومة على نطاق واسع.
إذن يمكن تصور المسار بالشكل التالي:
Physical World → IoT → Network → Edge → AI → Decision → Action
وهذه السلسلة هي جوهر الكثير من تطبيقات الصناعة والمدن الذكية.
إنترنت الأشياء: العين والأذن التي تراقب العالم
يمكن تشبيه IoT بالحواس الموجودة في النظام الذكي.
الحساسات تقيس درجة الحرارة والضغط والرطوبة والاهتزاز والسرعة والموقع واستهلاك الطاقة وغير ذلك.
أما الكاميرات فتلتقط الصور والفيديو.
وأجهزة القياس تجمع معلومات عن تدفق المياه أو استهلاك الكهرباء أو حالة المعدات.
هذه البيانات هي المادة الخام التي يعتمد عليها باقي النظام.
ومن دون بيانات دقيقة وفي الوقت المناسب، لن يستطيع الذكاء الاصطناعي اتخاذ قرارات موثوقة مهما كانت خوارزمياته متقدمة.
لماذا لا تكفي الحساسات وحدها؟
قد يكون لدينا آلاف الحساسات داخل مصنع، لكن وجودها لا يجعل المصنع ذكيًا تلقائيًا.
إذا كان الحساس يجمع البيانات ثم يخزنها دون تحليل، فنحن أمام نظام مراقبة أكثر من كونه نظامًا ذكيًا.
الذكاء يبدأ عندما يتم تحويل البيانات الخام إلى معلومات.
مثلًا، قراءة الاهتزاز وحدها ليست بالضرورة مفيدة.
لكن عندما يقارن النظام نمط الاهتزاز الحالي بآلاف القراءات السابقة ويكتشف أن النمط يشير إلى بداية تلف في أحد المحامل، تتحول البيانات إلى معلومة قابلة للتنفيذ.
وهنا يأتي دور الذكاء الاصطناعي.
Edge Computing: لماذا نحتاج إلى معالجة البيانات بالقرب من مصدرها؟
لو أرسل كل جهاز بياناته إلى مركز بيانات بعيد، فقد يصبح النظام معتمدًا بشكل كبير على الاتصال المستمر والسريع مع السحابة.
في بعض التطبيقات، هذا النموذج مناسب.
لكن في تطبيقات أخرى، يمكن أن يكون إرسال البيانات لمسافات طويلة غير عملي بسبب حجم البيانات أو حساسية التطبيق للزمن.
وهنا تظهر Edge Computing.
الفكرة بسيطة:
بدل نقل كل البيانات إلى مكان بعيد لمعالجتها، نقوم بمعالجة جزء منها بالقرب من المكان الذي تم إنتاجها فيه.
كيف تعمل Edge Computing داخل مصنع ذكي؟
تخيل مصنعًا يحتوي على مئات الكاميرات وآلاف الحساسات.
يمكن لهذه الأجهزة إرسال بياناتها إلى خادم Edge موجود داخل المصنع أو بالقرب منه.
يقوم الخادم بتحليل البيانات في الوقت القريب من الحقيقي.
إذا اكتشف النظام خللًا في آلة، يمكنه إصدار تنبيه أو تنفيذ إجراء مناسب.
أما البيانات التي لا تحتاج إلى استجابة فورية، فيمكن إرسالها إلى السحابة لتحليلها وتخزينها.
وهذا يخلق نموذجًا هجينًا بين Edge وCloud.
الذكاء الاصطناعي: العقل الذي يفهم البيانات
إنترنت الأشياء يجمع البيانات.
Edge Computing تقرب المعالجة.
لكن AI هو الذي يستطيع اكتشاف العلاقات والأنماط المعقدة داخل البيانات.
يمكن تدريب نموذج تعلم آلي على بيانات تاريخية لمعدات المصنع.
يتعلم النموذج الأنماط المرتبطة بالأعطال.
بعد ذلك، عندما يستقبل بيانات جديدة من الحساسات، يمكنه تقدير احتمال وجود مشكلة.
وهذا يسمى غالبًا Predictive Maintenance أو الصيانة التنبؤية.
كيف تعمل الصيانة التنبؤية؟
في النظام التقليدي، قد يتم تشغيل الآلة حتى تتعطل ثم يتم إصلاحها.
وفي نظام الصيانة الوقائية، يتم تغيير بعض الأجزاء وفق جدول زمني محدد حتى لو كانت ما زالت تعمل بصورة جيدة.
أما الصيانة التنبؤية فتستخدم البيانات لمحاولة معرفة متى يحتمل أن يحدث العطل.
وهنا يمكن أن تعمل التقنيات الثلاث معًا.
الحساس يقيس الاهتزاز.
Edge يحلل البيانات بسرعة.
AI يكتشف النمط غير الطبيعي.
ثم يتم إرسال أمر إلى نظام الصيانة أو المشغل.
من البيانات إلى القرار
يمكن تقسيم العملية إلى عدة مراحل مترابطة.
أولًا يتم جمع البيانات من البيئة الفيزيائية.
بعد ذلك تنتقل البيانات عبر شبكة الاتصال.
ثم تتم معالجة أولية بالقرب من مصدرها.
بعدها يقوم نموذج الذكاء الاصطناعي بتحليل البيانات.
إذا تم اكتشاف حدث مهم، يمكن اتخاذ قرار.
ثم ينتقل القرار إلى نظام تنفيذي قادر على التأثير في العالم الفيزيائي.
وهنا تتحول المنظومة من مجرد مراقبة إلى Closed-loop System.
ما هو النظام المغلق Closed Loop؟
النظام المغلق يعني أن هناك دورة مستمرة بين الاستشعار والتحليل والقرار والتنفيذ.
يمكن أن يكون المسار:
Sense → Analyze → Decide → Act → Sense Again
على سبيل المثال، إذا اكتشف النظام ارتفاعًا غير طبيعي في درجة حرارة محرك، يمكن أن يقلل الحمل على المحرك أو يرسل أمرًا بإيقافه أو يرفع مستوى التبريد، ثم يراقب النتيجة.
هذه القدرة هي أحد أهم عناصر الأنظمة الذكية.
المصانع الذكية: أول اختبار حقيقي للتكامل
تعد المصانع من أكثر البيئات المناسبة لتطبيق هذا النموذج.
فالبيئة الصناعية تحتوي على آلات كثيرة، وعمليات متكررة، وبيانات مستمرة، ومتطلبات دقيقة للإنتاج والجودة والطاقة.
يمكن تركيب الحساسات على خطوط الإنتاج والمعدات، ثم جمع البيانات وتحليلها باستخدام Edge وAI.
وهكذا يصبح المصنع قادرًا على مراقبة نفسه بصورة أكثر تفصيلًا.
التحكم في الجودة باستخدام الذكاء الاصطناعي
من التطبيقات المهمة استخدام كاميرات عالية الدقة لمراقبة المنتجات.
تلتقط الكاميرا صورة للمنتج.
يتم إرسال الصورة إلى خادم Edge.
يستخدم النظام نموذج رؤية حاسوبية لاكتشاف العيوب.
إذا وجد النظام عيبًا، يمكن أن يتم إخراج المنتج من خط الإنتاج.
الميزة هنا أن التحليل يحدث قريبًا من خط الإنتاج، بدل إرسال كل صورة إلى السحابة.
لماذا Edge مهمة في تحليل الفيديو الصناعي؟
الفيديو ينتج كمية ضخمة من البيانات.
إذا كانت هناك عشرات الكاميرات تعمل بدقة عالية، فإن إرسال جميع الفيديوهات الخام إلى السحابة قد يتطلب نطاقًا تردديًا كبيرًا.
يمكن لخادم Edge تحليل الفيديو محليًا.
بدل إرسال الفيديو بالكامل، يمكن إرسال أحداث محددة مثل:
Defect Detected
أو
Safety Violation Detected
أو
Machine Anomaly Detected
وهذا يقلل حركة البيانات.
إدارة الطاقة في المصانع الذكية
يمكن أيضًا استخدام الحساسات لمراقبة استهلاك الطاقة.
يجمع النظام بيانات من المحركات والمضخات وأنظمة التبريد والإضاءة.
ثم يستخدم الذكاء الاصطناعي لتحليل أنماط الاستهلاك.
يمكن للنظام اكتشاف أن آلة معينة تستهلك طاقة أكبر من المعتاد.
وقد يشير ذلك إلى مشكلة ميكانيكية أو كهربائية.
وهكذا يصبح استهلاك الطاقة نفسه مصدرًا للمعلومات التشخيصية.
من المصنع الذكي إلى المدينة الذكية
إذا كان المصنع يمثل نظامًا صغيرًا نسبيًا، فإن المدينة تمثل نظامًا ضخمًا يحتوي على آلاف الأنظمة الفرعية.
هناك:
الطرق، المركبات، المباني، الكهرباء، المياه، الصرف الصحي، النقل العام، مواقف السيارات، الإنارة، إدارة النفايات، الأمن، البيئة، والمرافق العامة.
كل نظام ينتج بيانات.
والتحدي الحقيقي هو دمج هذه البيانات بطريقة تسمح بفهم المدينة كمنظومة واحدة.
كيف تعمل المدينة الذكية؟
يمكن نشر آلاف أو ملايين أجهزة IoT في أنحاء المدينة.
حساسات المرور تقيس حركة المركبات.
حساسات البيئة تقيس جودة الهواء.
عدادات ذكية تراقب استهلاك الطاقة.
أنظمة المياه تراقب الضغط والتدفق.
الكاميرات تراقب الطرق والمنشآت.
هذه البيانات لا تحتاج كلها إلى الانتقال إلى مركز مركزي واحد.
يمكن استخدام Edge Nodes لمعالجة البيانات محليًا.
Edge في المدن الذكية
يمكن تقسيم المدينة إلى مناطق.
كل منطقة تحتوي على عقد Edge قريبة من الأجهزة.
تقوم هذه العقد بتحليل البيانات المحلية.
مثلًا، يمكن لخادم Edge في منطقة معينة تحليل حركة المرور في تلك المنطقة.
إذا حدث ازدحام، يمكنه اكتشاف المشكلة وإرسال البيانات إلى نظام إدارة المرور.
ثم يمكن دمج المعلومات من مناطق متعددة في مركز تحكم مركزي.
الذكاء الاصطناعي وإدارة المرور
من أكثر التطبيقات وضوحًا استخدام AI لتحليل حركة المرور.
يمكن للكاميرات والحساسات جمع بيانات عن:
عدد المركبات، السرعة، كثافة الحركة، الحوادث، وأوقات الذروة.
يقوم الذكاء الاصطناعي بتحليل هذه البيانات.
يمكن للنظام اكتشاف نمط غير طبيعي يشير إلى حادث أو ازدحام مفاجئ.
وبناءً على ذلك يمكن تعديل الإشارات المرورية أو إرسال تنبيه للمسؤولين.
لماذا نحتاج إلى Edge في إدارة المرور؟
لأن بعض القرارات لا تحتاج إلى انتظار وصول البيانات إلى مركز بيانات بعيد.
إذا اكتشفت كاميرا حادثًا، فقد يكون من المفيد تحليل الحدث محليًا وإرسال التنبيه فورًا.
كلما قل المسار بين الكاميرا ونظام التحليل، أصبح من الأسهل تحقيق استجابة سريعة.
وهنا تظهر أهمية الجمع بين 5G وEdge وAI.
5G كطبقة اتصال للمدينة الذكية
تحتاج المدينة الذكية إلى عدد هائل من الاتصالات.
بعض الأجهزة تحتاج إلى إرسال بيانات صغيرة فقط.
بينما تحتاج الكاميرات والمركبات إلى سعات أعلى.
وبعض التطبيقات تحتاج إلى زمن استجابة منخفض.
يمكن لشبكات 5G توفير بيئة اتصال مرنة تدعم أنواعًا متعددة من الاستخدامات.
لكن 5G وحدها ليست كافية.
القيمة تظهر عندما تتكامل مع Edge والذكاء الاصطناعي.
دور الألياف الضوئية في المدن الذكية
قد يبدو أن المدينة الذكية تعتمد على الاتصالات اللاسلكية فقط.
لكن الواقع مختلف.
تحتاج عقد Edge ومحطات 5G ومراكز البيانات إلى شبكة نقل عالية السعة.
وهنا تأتي الألياف الضوئية.
يمكن للفايبر ربط المناطق المختلفة ومراكز Edge بمراكز البيانات الرئيسية.
وبالتالي يصبح لدينا نموذج:
Wireless Access + Fiber Transport + Edge Computing + Cloud
وهذه البنية تمثل أساسًا قويًا للمدينة المتصلة.
المدن الذكية وإدارة الطاقة
يمكن استخدام العدادات الذكية وأجهزة IoT لمراقبة استهلاك الكهرباء.
لكن القيمة الأكبر تظهر عندما يتم تحليل هذه البيانات بالذكاء الاصطناعي.
يمكن للنظام معرفة أنماط الاستهلاك خلال اليوم.
ويمكنه التنبؤ بالطلب.
كما يمكنه اكتشاف الاستهلاك غير الطبيعي أو بعض الأنماط التي قد تشير إلى مشكلة.
وبذلك تتحول شبكة الطاقة من نظام تقليدي إلى بيئة أكثر اعتمادًا على البيانات.
الشبكات الذكية Smart Grids
في الشبكات الكهربائية الحديثة، يمكن لأجهزة الاستشعار مراقبة الجهد والتيار وحالة المعدات.
يمكن إرسال البيانات إلى أنظمة Edge لمعالجة الأحداث السريعة.
بينما يتم إرسال البيانات التاريخية إلى السحابة للتحليل طويل المدى.
ويمكن للذكاء الاصطناعي المساعدة في التنبؤ بالأحمال واكتشاف بعض الأنماط غير الطبيعية.
إدارة المياه باستخدام IoT وAI
يمكن نشر حساسات في شبكات المياه لمراقبة:
الضغط، التدفق، جودة المياه، ومعدلات الاستهلاك.
إذا حدث تسرب، قد يظهر تغير غير طبيعي في البيانات.
يمكن لخوارزمية ذكاء اصطناعي تحليل هذه الأنماط.
وتستطيع Edge معالجة البيانات بالقرب من المنطقة المتضررة.
وهذا قد يساعد على اكتشاف المشكلات بصورة أسرع.
المباني الذكية
المبنى الذكي ليس مجرد مبنى يحتوي على تطبيق للتحكم في الإضاءة.
يمكن أن يكون نظامًا متكاملًا يستخدم الحساسات لمراقبة:
درجة الحرارة، الرطوبة، الإشغال، جودة الهواء، استهلاك الطاقة، وأنظمة التكييف.
ثم يستخدم الذكاء الاصطناعي لتحسين تشغيل الأنظمة.
إذا كان المبنى فارغًا، يمكن تقليل استهلاك الطاقة.
وإذا ازدادت كثافة الأشخاص في منطقة معينة، يمكن تعديل التهوية والتبريد.
إنترنت الأشياء والذكاء الاصطناعي في الأمن والسلامة
يمكن استخدام الكاميرات والحساسات لمراقبة المناطق الحساسة.
لكن نقل كل الفيديو إلى مركز بيانات بعيد قد يكون مكلفًا.
يمكن تشغيل نماذج رؤية حاسوبية على Edge.
يتم تحليل الفيديو محليًا.
وعند اكتشاف حدث محدد، يتم إرسال تنبيه إلى مركز التحكم.
وهذا يجعل النظام أكثر كفاءة من إرسال جميع البيانات الخام.
لكن هل Edge تعني أن البيانات لن تذهب إلى السحابة؟
لا.
Edge لا تلغي السحابة.
يمكن أن تقوم Edge بتصفية البيانات وتحليلها محليًا، ثم إرسال البيانات المهمة إلى Cloud.
على سبيل المثال، يمكن الاحتفاظ بالفيديو الخام لفترة قصيرة محليًا، بينما يتم إرسال الأحداث المهمة فقط إلى النظام المركزي.
وهذا نموذج أكثر كفاءة في كثير من السيناريوهات.
الذكاء الاصطناعي يحتاج إلى بيانات جيدة
قد تبدو المعادلة بسيطة:
IoT + Edge + AI = Smart System
لكن الواقع أكثر تعقيدًا.
الذكاء الاصطناعي يعتمد على جودة البيانات.
إذا كانت الحساسات غير دقيقة، أو البيانات ناقصة، أو التوقيت غير متزامن، فقد تصبح نتائج النموذج غير موثوقة.
لذلك فإن هندسة البيانات والاستشعار تمثل أساسًا مهمًا لأي نظام ذكي.
مشكلة Data Quality
إذا كان حساس الضغط يعطي قراءات غير صحيحة، فقد يفسر نموذج الذكاء الاصطناعي البيانات بطريقة خاطئة.
وإذا كانت ساعة جهازين غير متزامنة، فقد يصبح من الصعب معرفة ترتيب الأحداث.
ولهذا تحتاج الأنظمة الصناعية والمدن الذكية إلى آليات لمراقبة جودة البيانات ومعايرتها والتحقق منها.
الزمن الحقيقي Real-Time Processing
ليست كل البيانات بحاجة إلى معالجة لحظية.
هناك فرق بين:
Real-Time
و
Near Real-Time
و
Batch Processing
نظام إيقاف آلة عند اكتشاف خطر قد يحتاج إلى استجابة سريعة جدًا.
بينما تحليل استهلاك الكهرباء خلال سنة كاملة يمكن أن يتم بصورة دورية.
وهنا تظهر أهمية توزيع المهام بين Edge وCloud.
كيف نقرر أين تتم معالجة البيانات؟
يمكن اتخاذ القرار بناءً على عدة عوامل.
إذا كانت المهمة حساسة للزمن، تكون Edge مناسبة.
إذا كانت البيانات ضخمة جدًا، قد تكون المعالجة المحلية أفضل.
إذا كانت المهمة تحتاج إلى موارد حوسبية هائلة، فقد تكون Cloud أفضل.
إذا كانت البيانات شديدة الحساسية، فقد يكون من الأفضل تحليلها محليًا وتقليل إرسال البيانات الخام.
إذن مكان المعالجة ليس قرارًا ثابتًا.
بل يعتمد على طبيعة التطبيق.
MEC كحل للمدن والمصانع
عندما يتم نشر Edge ضمن بنية شبكات الاتصالات، يمكن استخدام MEC لتوفير قدرات الحوسبة بالقرب من مستخدمي 5G وأجهزة IoT.
في المصنع، يمكن وضع MEC داخل المنشأة أو بالقرب منها.
وفي المدينة، يمكن وضع عقد MEC في مواقع استراتيجية.
وبذلك يصبح الاتصال والحوسبة جزءًا من بنية تحتية واحدة.
Network Slicing ودعم التطبيقات الذكية
يمكن استخدام Network Slicing لإنشاء بيئات شبكية مختلفة فوق البنية التحتية نفسها.
قد تحتاج تطبيقات النقل الذكي إلى خصائص معينة.
بينما تحتاج كاميرات المراقبة إلى سعة كبيرة.
وقد تحتاج حساسات المدن إلى عدد ضخم من الاتصالات منخفضة البيانات.
يمكن تصميم موارد الشبكة وفق طبيعة كل خدمة.
الذكاء الاصطناعي في إدارة البنية التحتية نفسها
لا يقتصر دور AI على تحليل بيانات المصنع أو المدينة.
يمكن استخدام الذكاء الاصطناعي لمراقبة الشبكة نفسها.
يمكنه تحليل:
أداء المحطات، استخدام السعة، حركة البيانات، حالة الخوادم، استهلاك الطاقة، ومؤشرات الأعطال.
وهذا يسمح بإنشاء شبكات أكثر قدرة على التنبؤ بالمشكلات.
الشبكات ذاتية التشغيل
مع زيادة عدد الأجهزة وعقد Edge، تصبح الإدارة اليدوية أكثر صعوبة.
يمكن أن تستخدم الشبكة الذكاء الاصطناعي لمراقبة نفسها.
إذا زاد الحمل على عقدة Edge، يمكن للنظام إعادة توزيع بعض التطبيقات.
إذا انخفض الطلب، يمكن تقليل الموارد.
إذا ظهرت مشكلة، يمكن اكتشافها قبل أن تتحول إلى انقطاع.
وهذا يقربنا من مفهوم Autonomous Networks.
الأمن السيبراني في المنظومة الذكية
كل جهاز متصل يمثل نقطة محتملة للهجوم.
ومع انتشار IoT يصبح عدد الأجهزة ضخمًا.
لذلك يجب حماية كل طبقة:
Device Security
ثم
Network Security
ثم
Edge Security
ثم
Cloud Security
ثم حماية التطبيقات والبيانات.
ولا يمكن الاعتماد على طبقة واحدة فقط.
لماذا يمثل IoT تحديًا أمنيًا؟
بعض أجهزة IoT صغيرة ومحدودة القدرة.
قد لا تحتوي على أنظمة أمن متقدمة.
وقد يتم نشرها في أماكن بعيدة يصعب الوصول إليها.
كما أن تحديثها قد يكون معقدًا.
لذلك يجب أن يتم تصميم الجهاز منذ البداية مع مراعاة:
Secure Boot، التحديث الآمن، المصادقة، التشفير، وإدارة الهوية.
Zero Trust في المصانع والمدن الذكية
يمكن أن تكون Zero Trust جزءًا من النموذج الأمني.
لا ينبغي افتراض أن الجهاز آمن لمجرد أنه داخل شبكة المصنع أو المدينة.
يجب التحقق من الهوية والسياسات قبل السماح بالوصول.
وهذا مهم جدًا عندما تكون الشبكة تضم آلاف الأجهزة والمستخدمين والتطبيقات.
الخصوصية في المدن الذكية
عندما تستخدم المدن الكاميرات والحساسات، تظهر أسئلة مهمة حول الخصوصية.
قد تكون البيانات قادرة على كشف مواقع الأشخاص أو أنماط الحركة.
لذلك يجب تحديد:
من يجمع البيانات؟
لماذا يتم جمعها؟
أين تتم معالجتها؟
من يستطيع الوصول إليها؟
وكم من الوقت يتم الاحتفاظ بها؟
وهنا يمكن أن تساعد Edge في بعض السيناريوهات من خلال تحليل البيانات محليًا وتقليل الحاجة إلى نقل البيانات الخام.
التوأمة الرقمية Digital Twins
يمكن أن يصبح التكامل بين IoT وEdge وAI أساسًا لإنشاء Digital Twin.
التوأم الرقمي هو نموذج رقمي يمثل نظامًا حقيقيًا ويتم تحديثه بالبيانات القادمة من النظام الفيزيائي.
في المصنع يمكن أن يكون لدينا نموذج رقمي لخط الإنتاج.
وفي المدينة يمكن إنشاء نموذج رقمي للبنية التحتية أو حركة المرور.
كلما وصلت بيانات جديدة، يتم تحديث النموذج.
كيف يخدم الذكاء الاصطناعي التوأم الرقمي؟
يمكن استخدام AI لتحليل سلوك النظام الحقيقي داخل التوأم الرقمي.
قد يتوقع النموذج أن آلة معينة ستحتاج إلى صيانة.
أو يمكن محاكاة أثر تغيير معين في حركة المرور قبل تطبيقه فعليًا.
وهذا يفتح الباب أمام Predictive Simulation.
المصنع الذكي كنظام ذاتي التحسين
عندما تتكامل التقنيات بصورة متقدمة، يمكن أن يصبح المصنع قادرًا على التعلم من بياناته.
تجمع الحساسات البيانات.
تحلل Edge الأحداث.
يكتشف AI الأنماط.
يقترح النظام تحسينًا.
يتم تطبيق التغيير.
ثم يتم قياس النتيجة.
إذا كان التحسين ناجحًا، يصبح جزءًا من سياسة التشغيل.
وهكذا يتحول المصنع إلى نظام Self-Optimizing.
المدينة الذكية كنظام ديناميكي
المدينة أكثر تعقيدًا من المصنع.
فهي تتغير طوال الوقت.
عدد السكان والحركة والطقس والاستهلاك والأحداث كلها تتغير.
لذلك تحتاج المدينة الذكية إلى أنظمة قادرة على التعامل مع البيانات المتغيرة باستمرار.
وهنا يمكن لـIoT جمع البيانات، وEdge معالجتها محليًا، وAI تحليلها، والسحابة تخزينها وربطها بالتحليلات طويلة المدى.
ما الذي يجعل هذه المنظومة قابلة للتوسع؟
التوسع يمثل تحديًا كبيرًا.
لا يمكن بناء نظام جديد يدويًا لكل مصنع أو حي.
يجب أن تكون المنظومة قابلة لإضافة أجهزة وخدمات جديدة.
وهنا تساعد الحوسبة السحابية والمنصات البرمجية وواجهات API وإدارة الأجهزة عن بعد.
كما تساعد 5G وFiber على توفير بنية اتصال قادرة على استيعاب نمو البيانات.
من IoT إلى AIoT
ظهر مفهوم جديد نسبيًا هو AIoT – Artificial Intelligence of Things.
وهو يشير إلى دمج الذكاء الاصطناعي مع إنترنت الأشياء بحيث لا تكتفي الأجهزة بجمع البيانات، وإنما تصبح المنظومة قادرة على تحليلها واستخراج المعلومات منها.
وعندما تتم إضافة Edge إلى هذه المنظومة، يصبح لدينا نموذج أكثر تقدمًا:
IoT + Edge AI
أي أجهزة تجمع البيانات، وحوسبة قريبة تحللها باستخدام الذكاء الاصطناعي.
دور 5G في AIoT
5G يمكن أن توفر الاتصال بين عدد كبير من الأجهزة مع دعم حالات استخدام مختلفة.
لكن الذكاء الحقيقي لا ينتج من 5G وحدها.
يمكن تصور البنية كالتالي:
IoT Devices → 5G → MEC → AI → Cloud
وهذه البنية تجمع الاتصال والحوسبة والذكاء في منظومة واحدة.
من المصانع إلى المدن: ما الذي يتغير؟
في المصنع، تكون البيئة أكثر تحكمًا.
الموقع محدد.
الأجهزة معروفة.
التطبيقات واضحة.
أما المدينة فهي بيئة مفتوحة ومعقدة.
هناك أجهزة من شركات مختلفة.
مستخدمون متحركون.
مبانٍ ومرافق متنوعة.
وحركة بيانات غير متوقعة.
لذلك فإن نقل نموذج المصنع الذكي إلى المدينة يحتاج إلى هندسة أكثر تعقيدًا.
هل يمكن للمدينة أن تتعلم من المصنع؟
بالتأكيد.
الكثير من المفاهيم المستخدمة في الصناعة يمكن تطبيقها على المدن.
مثل:
الصيانة التنبؤية، مراقبة الأصول، تحليل البيانات في الزمن القريب من الحقيقي، التوأم الرقمي، Edge AI، الأتمتة، وإدارة الطاقة.
لكن يجب تكييفها مع طبيعة البيئة الحضرية.
التحدي الأكبر: التكامل وليس التقنية المنفردة
قد تمتلك شركة أفضل أجهزة IoT، لكن إذا كانت شبكة الاتصال ضعيفة، فلن تستفيد كثيرًا.
وقد تمتلك شبكة 5G ممتازة، لكن إذا كانت البيانات غير منظمة، فلن يكون الذكاء الاصطناعي فعالًا.
وقد تمتلك نموذج AI قويًا، لكنه يحتاج إلى بيانات عالية الجودة.
إذن النجاح يعتمد على التكامل بين الطبقات.
المستقبل: شبكة واحدة لعالم مادي ذكي
مع تطور 5G ثم 6G، ستصبح الحدود بين الشبكات والحوسبة والاستشعار أكثر تداخلًا.
قد تصبح السيارة جهاز استشعار متحركًا.
وقد يصبح الهاتف منصة AI.
وقد تصبح كاميرا المدينة عقدة Edge.
وقد يتحول المصنع إلى شبكة ضخمة من الأجهزة المستقلة.
وفي كل هذه السيناريوهات، ستحتاج المنظومة إلى اتصال سريع وموثوق، وحوسبة قريبة، وذكاء قادر على فهم البيانات.
الخلاصة
إن الانتقال من المصانع الذكية إلى المدن الذكية لا يعتمد على تقنية واحدة.
القصة الحقيقية تبدأ عندما تعمل IoT وEdge Computing والذكاء الاصطناعي كمنظومة متكاملة.
إنترنت الأشياء يمنح النظام القدرة على الاستشعار وجمع البيانات من العالم الحقيقي.
Edge Computing تقرب المعالجة من مصادر البيانات، وتقلل الحاجة إلى إرسال كل شيء إلى السحابة.
الذكاء الاصطناعي يحول البيانات إلى تنبؤات واكتشافات وقرارات.
أما 5G فتمنح المنظومة طبقة اتصال مرنة قادرة على التعامل مع أنواع مختلفة من الأجهزة والتطبيقات، بينما توفر الألياف الضوئية السعات العالية التي تربط طبقات الشبكة ومراكز Edge ومراكز البيانات.
وعندما تجتمع هذه المكونات، لا يعود المصنع مجرد مجموعة آلات، ولا المدينة مجرد مجموعة مبانٍ وطرق.
بل يصبح كل منهما نظامًا رقميًا قادرًا على الاستشعار والتحليل والتنبؤ والاستجابة.
والمرحلة الأكثر إثارة لن تكون عندما ننجح فقط في جعل الآلات متصلة، وإنما عندما تصبح هذه الآلات قادرة على التعاون مع بعضها، وتبادل البيانات، والتعلم من الأحداث، واتخاذ قرارات محسوبة دون تدخل بشري في كل خطوة.
وهنا يبدأ التحول الحقيقي من Connected World إلى Intelligent World.
الأسئلة الشائعة حول IoT وEdge Computing والذكاء الاصطناعي
ما العلاقة بين IoT وEdge Computing والذكاء الاصطناعي؟
IoT تجمع البيانات من العالم الحقيقي، وEdge Computing تعالج جزءًا من هذه البيانات بالقرب من مصدرها، بينما يستخدم الذكاء الاصطناعي البيانات لاكتشاف الأنماط وإنتاج التنبؤات والقرارات.
لماذا تحتاج المصانع الذكية إلى Edge Computing؟
لأن بعض التطبيقات الصناعية تحتاج إلى استجابة سريعة، كما أن إرسال كميات ضخمة من بيانات الحساسات والكاميرات إلى السحابة قد يستهلك قدرًا كبيرًا من النطاق الترددي.
هل يمكن تشغيل الذكاء الاصطناعي على Edge؟
نعم. يمكن تشغيل نماذج AI Inference على أجهزة وخوادم Edge، خصوصًا عندما تكون هناك حاجة إلى تحليل البيانات بالقرب من مصدرها وزمن استجابة منخفض.
ما دور 5G في المدن الذكية؟
توفر 5G طبقة اتصال يمكنها دعم مجموعة واسعة من الأجهزة والتطبيقات، من أجهزة IoT منخفضة البيانات إلى تطبيقات تحتاج إلى سعة عالية أو زمن استجابة منخفض.
هل ستختفي السحابة مع انتشار Edge Computing؟
لا. المستقبل يتجه إلى نموذج هجين تتوزع فيه المهام بين الأجهزة وEdge ومراكز البيانات الإقليمية والسحابة وفق متطلبات كل تطبيق.
ما هو AIoT؟
AIoT هو دمج الذكاء الاصطناعي مع إنترنت الأشياء بحيث تستطيع منظومة IoT تحليل البيانات واكتشاف الأنماط واتخاذ قرارات أكثر ذكاءً، بدل الاكتفاء بجمع البيانات.
هل IoT وAI وEdge كافية لبناء مدينة ذكية؟
لا. تحتاج المدينة الذكية أيضًا إلى بنية اتصالات قوية، وألياف ضوئية، ومراكز بيانات، وأمن سيبراني، ومنصات برمجية، ومعايير لتبادل البيانات، وحوكمة واضحة للبيانات والخصوصية.
تعليقات
إرسال تعليق