تعد المحاكاة الافتراضية للأجهزة مفتاحًا لاعتماد إنترنت الأشياء
![](https://i0.wp.com/eshrag.net/wp-content/uploads/2023/03/GettyImages-990108542.jpg?fit=1200%2C617&ssl=1)
إنترنت الأشياء (IoT) – شبكة من الأجهزة المترابطة عبر الإنترنت – تتألف من 9.7 مليار جهاز في عام 2020 ، ومن المتوقع أن تتجاوز 29 مليار بحلول عام 2030. نظرًا لأنها تجمع العالمين المادي والرقمي معًا ، تعمل إنترنت الأشياء على تحويل كل صناعة يمكن تخيله من خلال تقديم فرص جديدة ؛ الارتقاء بتجربة العملاء ؛ تحسين الإنتاجية والكفاءة وخفة الحركة ؛ وتمكين القرارات الثاقبة.
سواء كانت تنشر طائرات بدون طيار لمسح الأراضي الزراعية ، أو باستخدام أجهزة استشعار وعلامات RFID لمراقبة البضائع من خلال سلسلة التوريد ، أو تقديم تجارب مصرفية أفضل عبر أجهزة المستخدم المتصلة ، فإن إمكانيات إنترنت الأشياء لا حصر لها.
يجب أن يمتلك إنترنت الأشياء
ومع ذلك ، تحتاج الشركات إلى تلبية متطلبات معينة قبل أن تتمكن من استخدام إنترنت الأشياء بالكامل كأداة لتحويل الأعمال.
أولاً ، يجب دمج إنترنت الأشياء في المنتجات والعمليات ، تمامًا مثل تطبيقات البرامج الأخرى.
ثانيًا ، يتم تحقيق النجاح في اعتماد إنترنت الأشياء من خلال التكرار: نظرًا لأن إنترنت الأشياء يحتوي على عدد لا يحصى من العناصر ، تحتاج المؤسسات إلى جمع البيانات من الأجهزة ، وتحويلها إلى تحليل ، والعمل بناءً على تلك الرؤية ، والقيام بذلك مرة أخرى في حلقة ملاحظات مستمرة وهي دائمًا ما يصقل ويتعلم ويحسن مختلف مكونات إنترنت الأشياء.
هذا يعني أن المنظمات يجب أن توفر لإدارة وصيانة وتحديث الأنظمة والعمليات والأجهزة المترابطة على أساس مستمر. ويحتاجون إلى اختبار كل شيء للتأكد من أن جميع “الأشياء” تتحدث مع بعضها البعض وأن أداءهم يلبي المواصفات ويقيس توقعات المستخدمين.
يوضح المثال التالي سيناريو نموذجي لاختبار إنترنت الأشياء:
تراقب أداة في نظام تتبع الرعاية الصحية المعلمات الحيوية للمريض وتسجيل هذه المعلومات حتى يتمكن مقدمو الرعاية الصحية من الوصول إليها عند الحاجة. يمكن للأطباء إجراء تغييرات في الأدوية أو المدخول عن بُعد من جهاز كمبيوتر أو جهاز محمول متصل به الجهاز.
للعمل بسلاسة ، يجب اختبار الجوانب المختلفة لحالة الاستخدام هذه.
على سبيل المثال ، يجب فحص كل جهاز للتأكد من قابليته للاستخدام (إرسال الرسائل ، وبيانات السجلات ، وعرض المعلومات ، وما إلى ذلك). يجب أن تكون الأجهزة المتصلة ، والبيانات المتدفقة بينها ، آمنة. من الضروري التحقق من توافق أنظمة التشغيل المختلفة والمتصفحات والأجهزة وخيارات الاتصال المتضمنة. يجب أن يعمل النظام بأكمله أيضًا على نطاق واسع وأن يتوافق مع جميع المتطلبات التنظيمية. علاوة على ذلك ، يحتاج البرنامج الذي يعمل على تشغيل أجهزة إنترنت الأشياء إلى اختبار شامل للقضاء على الأخطاء وتحسين الأداء.
نظرًا لأن كل هذه العناصر مشتتة وتحت ملكية متعددة ، فمن المؤكد تمامًا أنها لن تعمل في نفس الوقت للخضوع للاختبار المادي.
بالعودة إلى المثال السابق ، تخيل صعوبة الاختبار المادي لواجهة المستخدم التي يتم الوصول إليها عن بُعد من قبل المرضى من أجهزتهم (المتنوعة). بصرف النظر عن عدم توفر الجهاز وعدم إمكانية الوصول إليه ، فإن التكلفة العالية تمثل تحديًا هامًا من جانب الجهاز في اختبار والتحقق من صحة حل إنترنت الأشياء.
هناك صعوبة أخرى في الاختبار الفعلي لحالة استخدام إنترنت الأشياء داخل مباني المؤسسة وهي أنها تتطلب موارد ضخمة لا تتوفر إلا في السحابة.
حالة قوية لظاهرية الجهاز في الاختبار
في ظل هذه الظروف ، يعد اختبار المحاكاة المستند إلى المحاكاة الافتراضية للجهاز خيارًا جيدًا. تعالج المحاكاة الافتراضية للأجهزة – على غرار إنشاء التوأم الرقمي – التحديات المذكورة أعلاه من خلال توفير طبقة تجريد لأجهزة وأنظمة إنترنت الأشياء.
تحاكي الأجهزة الافتراضية كل شيء من تهيئة الجهاز إلى الاتصال بين الأجهزة والسحابة في أي من الاتجاهين إلى معالجة إعدادات التكوين. يمكن محاكاة الأحمال المختلفة والسيناريوهات المتعلقة بالشبكة افتراضيًا لاختبار أداء أحد التطبيقات. يمكن محاكاة جميع أنواع الأجهزة ، سواء في النموذج الأولي أو في مرحلة الإنتاج ، من خلال المحاكاة الافتراضية للجهاز.
علاوة على ذلك ، فإن استخدام الأجهزة الافتراضية (أو التوائم الرقمية للأجهزة المادية) للاختبار يقلل التكلفة الإجمالية للملكية بالإضافة إلى وقت الاختبار.
تعد الأجهزة الافتراضية مفيدة بشكل خاص في المراحل الأولى من التطوير عندما يمكن إرجاع ملاحظاتها المبكرة للتخلص من الأخطاء أو حل مشكلات الأداء في وقت أقرب في دورة التطوير وبتكلفة أقل.
يمكن أن تكون مكاسب ظاهرية الجهاز كبيرة جدًا. قامت شركة خدمات مالية بتخفيض حلقة التغذية الراجعة لدورة الانحدار الليلية من 1500 ساعة عندما قامت باختبار تسلسلي إلى 7.5 ساعة فقط.
أخيرًا وليس آخرًا ، يمكن للأجهزة الافتراضية أتمتة 50 إلى 60٪ من متطلبات الاختبار.
لقد تجاوزت المنظمات التي تفكر في المستقبل طرق الاختبار التقليدية إلى استخدام الأجهزة الافتراضية والمحاكاة على نطاق واسع في الاختبار. تعد المحاكاة الافتراضية وحلقات التغذية الراجعة جزءًا لا يتجزأ من تطوير المنتج.
ومن الأمثلة الجيدة هنا شركة Dassault Aviation ، التي أطلقت طائرة رجال الأعمال دون إنشاء نموذج أولي مادي. من خلال العمل على منصة افتراضية وقاعدة بيانات مشتركة ، ساعدت شبكة المطورين العالمية للشركة في تقليل وقت التجميع وتكاليف الأدوات بهامش كبير جدًا.
تحسين نتائج تطوير حلول إنترنت الأشياء
يمكن أن تؤدي المحاكاة الافتراضية للأجهزة ، إلى جانب هندسة منصة إنترنت الأشياء ، إلى تحسين جودة حلول إنترنت الأشياء وتقديمها. يعد توفر الأجهزة ذات القدرات العالية وبأسعار معقولة أحد المحركات الرئيسية لثورة إنترنت الأشياء. لذلك ، بالإضافة إلى اعتماد ابتكارات برمجية جديدة ، يجب أن تواكب منصات إنترنت الأشياء أيضًا التطور في الأجهزة.
تكمن المشكلة في أن الأجهزة تدخل دورة تطوير منصة إنترنت الأشياء في مرحلة متأخرة جدًا بدلاً من نقطة البداية ، مما يؤدي إلى ارتفاع التكاليف وانخفاض الجودة وفترات زمنية أطول. تساعد المحاكاة الافتراضية للأجهزة على إدخال الأجهزة في وقت مبكر من دورة تطوير النظام الأساسي – في مرحلة تصميم التطبيق نفسها – وتضمن إمكانية الوصول إليها طوال الوقت. من خلال القيام بذلك ، فإنه يفيد تطوير حلول إنترنت الأشياء بعدة طرق.
على سبيل المثال ، توفر النسخة المتماثلة الافتراضية طريقة للتغلب على مشكلة شائعة في النماذج الأولية: تطوير الأجهزة والتطبيقات المتوازية ، والتي بسببها قد لا يكون الجهاز المادي متاحًا أثناء اختبار التكامل. تتدخل النسخة المتماثلة للجهاز الظاهري ، وتقليد الميزات الجديدة وتقديم الملاحظات ، لتسريع النماذج الأولية للجهاز.
هناك سيناريوهان آخران تضيف فيهما الأجهزة الافتراضية قيمة وهما هندسة النظام الأساسي – حيث تساعد في البرمجة واختبار الامتثال – والتأكد من أن تطبيقات إنترنت الأشياء متوافقة مع الإصدارات السابقة والحالية والمستقبلية لمختلف الأجهزة.
أخيرًا وليس آخرًا ، تعمل المحاكاة الافتراضية للجهاز على تحسين التحقق من صحة الميزات واختبار النتائج عن طريق اختبار مجموعة من المعلمات ، بما في ذلك قابلية التوسع واستخدام الموارد والأمان.
Balakrishna DR ، المعروف باسم بالي ، هو نائب الرئيس التنفيذي ورئيس وحدة الذكاء الاصطناعي والأتمتة في Infosys.
صانعي القرار
مرحبًا بك في مجتمع VentureBeat!
DataDecisionMakers هو المكان الذي يمكن للخبراء ، بما في ذلك الأشخاص الفنيون الذين يقومون بعمل البيانات ، مشاركة الأفكار والابتكارات المتعلقة بالبيانات.
إذا كنت تريد أن تقرأ عن الأفكار المتطورة والمعلومات المحدثة ، وأفضل الممارسات ، ومستقبل البيانات وتكنولوجيا البيانات ، انضم إلينا في DataDecisionMakers.
يمكنك حتى التفكير في المساهمة بمقال خاص بك!
قراءة المزيد من DataDecisionMakers