ادغام فناوری RFID با هوش مصنوعی – مزایا و معایب :

امروزه نقش RFID در صنعت و تجارت و در جهت شفافیت فرآیندها، کاهش هزینه ها و بهبود عملکرد سازمانها بر مدیران کسب و کار پوشیده نمی باشد. با توجه به اینکه فناوری RFID  اقدام به تولید داده های خام می نماید، استفاده بهینه از این داده های خام، نیاز به پردازش داده ها خواهد داشت تا بتوان در راستای مدیریت صحیح و علمی کسب و کار بکار گرفت . ما در این مقاله سعی خواهیم کرد تا دلایل اینکه چرا اطلاعات استخراج شده از سیستمهای RFID نیاز به پردازش هوشمندانه دارند و مزایا و معایب استفاده از هوش مصنوعی در کنار فناوری RFID  خواهیم پرداخت.

اطلاعات خام استخراجی از سیستم RFID  باید دو مرحله اساسی زیر را طی نماید تا مورد استفاده قرار گیرد :

ایجاد پایگاه داده ساخت یافته :

کار با داده هایی که از استقرار RFID  جمع آوری می شوند دشوار بوده و برای استفاده بهتر باید تفسیر شده و به صورت ساخت یافته و در قالب دیتا بیس در آیند. داده های نامربوط فیلتر شده و رکوردهای تکراری حذف گردند.

اعمال الگوریتمهای یادگیری ماشین و تشخیص الگوهای رفتاری :

پس از اینکه داده های خام به شکل دیتابیس در آمدند بایستی با استفاده از الگوریتمهای یاد گیری ماشین و سایر مفاهیم داده کاوی مانند خوشه بندی و... ، داده های پردازش شده به بینش تبدیل شوند تا امکان پیش بینی رفتارها و رویدادهای آینده فراهم گردد؛ ناهنجاری ها تشخیص داده شود و آنچه که از رفتار مورد انتظار پیروی نکند علامتگذاری گردد.

مزایای ترکیب RFID با هوش مصنوعی

در واقع استفاده از هوش مصنوعی یا AI در کنار فناوری RFID، امکان استفاده علمی و منطقی از داده های جمع آوری شده توسط ریدر RFID را امکان پذیر می سازد که در زیر به 3 مورد اساسی از مزایای آن اشاره می شود :

1 – پیش بینی حوادث : اصلی ترین مزیت استفاده از هوش مصنوعی این است که قبل از وقوع اتفاقی بتوان وقوع آن را پیش بینی و از اتفاق افتادن آن جلوگیری کرد. علاوه بر موارد امنیتی که با تجزیه و تحلیل داده ها قابلیت پیش بینی دارند سایر اطلاعات مهم از جمله تامین نیازها قبل از اتمام موجودی، تعمیر تجهیزات قبل از آسیب کلی و... نیز از مزایای بکارگیری هوش مصنوعی در کنار RFID  به حساب می آید.

2 – امنیت و تشخیص ناهنجاریها  : با استفاده از هوش مصنوعی، الگوهای حرکتی و رفتار منطقی برای سیستم تعریف میگردد و هر آنچه که از این الگوی تعریف شده پیروی نکند به عنوان فعالیت نامنظم تلقی و هشدارهای لازم ارائه می گردد.

3 – افزایش بهره وری : با ایجاد پایگاه داده ساخت یافته و حذف داده های نامعتبر و تکراری، اشتباهات کاهش یافته و زمان مورد نیاز برای بررسی فرآیندها کمتر خواهد شد. علاوه بر این هزینه ها نیز کاهش خواهد یافت.

مراحل ادغام فناوری RFID  با فناوری هوش مصنوعی :

در حالت کلی آنچه RFID انجام میدهد جمع آوری اطلاعات خام بوده و آنچه که AI انجام میدهد ایجاد پایگاه داده ساخت یافته از روی داده های خام و پردازش داده ها است. با این وجود میتوان عملکرد دو فناوری ادغام شده را به صورت لایه ای به شرح زیر در نظر گرفت :

لایه  RFID  : همان لایه آغازین فرآیند است که اطلاعات مربوط به تگ های RFID از طریق ریدرها یا آنتن ها جمع آوری شده و در اختیار لایه بعدی قرار داده می شود.

لایه Edje یا لبه : وظیفه این لایه، فیلتر کردن و حذف نویزها و داده های اضافی نامعتبر و ایجاد پایگاه داده معتبر و استاندارد از اطلاعاتی است که جهت پردازش در اختیار لایه بعدی قرار داده می شود.

لایه  Process  یا پردازش هوش مصنوعی : پردازش داده ها و تجزیه تحلیل اطلاعات در این لایه انجام می پذیرد که شامل مدلهای یادگیری،  خوشه بندی، کلاسبندی داده ها و مدلهای سری زمانی است تا بتوان در طول زمان تغییرات را تشخیص و پیش بینی نمود.

لایه  Application  : این لایه شامل انواع مختلف برنامه های کاربردی است که با کاربران نهایی در ارتباط بوده و به سیستم های دیگر متصل می باشند. استفاده از داده های تولید شده توسط  RFID و هشدارهای مدیریتی و... در این لایه انجام می پذیرد.

آینده سیستم‌های RFID با پشتیبانی هوش مصنوعی :

کاربردهای متنوعی از ادغام دو فناوری پیشرفته RFID و AI در آینده نه چندان دور قابل تحقق می باشد. در این سیستمها، زنجیره های تامین هوشمندتر شده، ردیابی محصولات از خط تولید تا مصرف کننده ایمن تر میگردد؛ خریدها خودکار و فروشگاههای بدون صندوقدار توسعه می یابند؛ به تهدیدات قبل از اینکه به خسارت منجر شود پاسخ داده شده و به فرصت تبدیل می شوند.

از طرف دیگر این فناوریها به سازمانها مزیت رقابتی قوی بخشیده و گردش کاری آنها را بهینه می نماید که این خود موجب بهره وری بیشتر و کاهش هزینه های عملیاتی میگردد.

در کنار مزایای بی شماری که بکار گیری این سیستمها می توانند داشته باشند معایب و خطراتی هم وجود دارد که ضرورت برخورد آگاهانه و هوشمندانه در برخورد با این فناوریها را طلب می نماید.

نقض حریم خصوصی افراد، جعل، شبیه سازی و دستکاری داده ها و حملات مبتنی بر هوش مصنوعی از جمله تهدیدات این فناوری می باشد که ضرورت اقدام هوشمندانه را بیش از پیش می طلبد. استفاده از تکنیک های رمز گذاری پیشرفته، به حداقل رساندن داده های هدف، احراز هویت چند عاملی، بالا بردن حفاظت های فیزیکی سخت افزاری و نرم افزاری و رعایت پروتکلها و توصیه های امنیت شبکه های کامپیوتری مانند لایه بندی شبکه و استفاده از سیستم های مونیتورینگ شبکه، پیاده سازی سیستم های اکسس کنترل و...  به سازمانها کمک می‌کند تا اطلاعات و شبکه‌های خود را در برابر نفوذ و دستکاری ایمن نگه داشته و اعتبار خود را در یک محیط رقابتی حفظ کنند.