Kenar bilişim ve bulut bilişim sistemlerinin dişli mekanizması fiziksel sistemine ait titreşim sinyallerinin değerlendirmesi üzerinden performans analizi

Abstract

Amaç: Bu tez çalışmasında Kenar Bilişim ve Bulut Bilişim sistemlerinin birbirlerine göre performanslarının değerlendirilmesi amaçlanmıştır. Kenar Bilişim sistemini temsilen bir dişli mekanizmasının kullanılması hedeflenmiştir. Bu amaçla dişli mekanizmasının, nesnelerin interneti kapsamında sensör ve gömülü devre ile donatılarak bağlı hale getirilmesi düşünülmüştür. Diğer taraftan Bulut Bilişim sistemini temsil eden bir uzak sistemin oluşturulmasına karar verilmiştir. Fiziksel sistemin ürettiği titreşim verileri arasında normal olmayan titreşim değerlerinin tespiti için bir makine öğrenmesi alt tekniği olan anomali algoritması kullanılması düşünülmüştür. Algoritma, Kenar ve Bulut Bilişim sistemlerinin her ikisine de yerleştirilerek fiziksel sistemden iletilecek titreşim verilerinin değerlendirilmesi amaçlanmıştır. Bu amaç doğrultusunda çeşitli metrikler tanımlanarak farklı aşamalarda her iki sistemin karşılaştırmalı performans analizinin yapılması hedeflenmiştir.Yöntem: Titreşim verisinin elde edilebilmesi için bir deney tasarımı yapılmıştır. Bu amaçla elektro-mekanik bir dişli mekanizması kullanılmıştır. Nesnelerin interneti prensipleri gözetilerek fiziksel sisteme dijital bileşenler eklenmiştir. Anomali tespiti için LOF (Local Outlier Factor) algoritması kullanılmıştır.Bulgular: Metriklerin değerlendirilmesi neticesinde, Kenar Bilişim sisteminin aşamalar arası veri transferi ve cevap verme sürelerinin Bulut Bilişim sistemine göre daha performanslı olduğu tespit edilmiştir. Anomali tespiti gibi işlem gücü gerektiren aşamalarda ise Bulut Bilişim sisteminin daha fazla performans gösterdiği izlenmiştir. Kenar Bilişim sisteminin donanımsal kaynak kısıtlarından kaynaklanan işlem gücü zayıflığına karşın fiziksel sisteme bütünleşik olmasının getirdiği üstünlükler karşılaştırmalı olarak sunulmuştur. Sonuç: Sistemlerin karşılaştırılması sonucunda sistem içi veri transferi ve işlenmiş cevabın geri döndürülmesi açısından kaynağa yakın olmanın daha etkili olduğu gözlemlenmiştir. Verilerin değerlendirilme sürecinde ve işlem gücü gerektiren aşamalarda ise bulut sistemin daha avantajlı olduğu görülmüştür. Kenar sistemin kaynak erişim kısıtı yaşaması karmaşık hesaplamaları yapmasını güçleştirmiştir.

Purpose: In this thesis, it was aimed to evaluate the performance of Edge Computing and Cloud Computing systems relative to each other. It is aimed to use a gear mechanism to represent the Edge Computing system. For this purpose, the gear mechanism is thought to be connected by equipping it with sensors and embedded circuits within the scope of the Internet of Things. On the other hand, it was decided to create a remote system representing the Cloud Computing system. It is considered to use an anomaly algorithm, which is a machine learning sub-technique, to detect abnormal vibration values among the vibration data produced by the physical system. It is aimed to evaluate the vibration data to be transmitted from the physical system by placing the algorithm in both Edge and Cloud Computing systems. For this purpose, various metrics were defined, and it was aimed to make comparative performance analysis of both systems at different stages.Method: An experimental design has been made to obtain vibration data. For this purpose, an electro-mechanical gear mechanism has been used. Digital components have been added to the physical system by observing the principles of the Internet of Things. LOF (Local Outlier Factor) algorithm has been used for anomaly detection.Findings: As a result of the evaluation of the metrics, it was determined that the between stages data transfer and response times of the Edge Computing system are more efficient than the Cloud Computing system. It was observed that the Cloud Computing system performed more in stages that require processing power such as anomaly detection. Despite the processing power weakness of the Edge Computing system due to hardware resource constraints, the advantages of being integrated into the physical system are presented comparatively.Result: As a result of the comparison of the systems, it has been observed that being close to the source is more effective in terms of intra-system data transfer and return of the processed response. It has been observed that the cloud system is more advantageous in the data evaluation process and in stages that require processing power. The edge system has resource access constraints, making it difficult to perform complex calculations.