IoT di Tempat Kerja: Aplikasi Kantor Cerdas untuk Produktivitas Lebih Baik
Keunggulan kompetitif yang signifikan atas pesaing Anda dapat dihasilkan dari peningkatan terkecil dalam efisiensi perusahaan Anda.
Ada banyak cara yang kurang jelas bahwa teknologi memasuki kehidupan kita, selain jam yang dihabiskan menggunakan ponsel cerdas Anda.Dari peralatan rumah pintar hingga perangkat yang dapat dikenakan, suar, dan berbagai sensor. Kami berinteraksi dengan hal yang terhubung setiap hari.
Karena mayoritas orang bekerja antara 8 dan 10 jam per hari, masuk akal bahwa otomatisasi kantor berbasis IoT mendapatkan daya tarik. Ukuran pasar kantor pintar terus berkembang, menurut laporan terbaru. adalah $ 22,21 miliar, dan pada tahun 2023, diperkirakan akan berlipat ganda menjadi $ 46,11 miliar.
Penggunaan teknologi kantor pintar dijamin untuk sejumlah alasan bagus. Anda dapat membuat lingkungan kerja karyawan Anda lebih aman dan nyaman bagi mereka dengan menerapkan Internet of Things di gedung perkantoran. Ini juga akan membantu merampingkan tugas-tugas rutin dan meningkatkan produktivitas di tempat kerja.
Keuntungan tambahan apa yang ditawarkan solusi kantor pintar, dan bagaimana Anda dapat membangunnya sendiri? Beberapa wawasan tentang pengembangan IoT disediakan di sini.
Masa Depan Tempat Kerja: Menggunakan Internet of Things di Kantor
Apa Itu Kantor Pintar?
Kantor Pintar adalah gedung yang memiliki perangkat Internet of Things (IoT) dan karenanya terhubung ke internet. Ini adalah ilustrasi ekosistem cerdas yang didukung oleh sejumlah perangkat terhubung yang pada umumnya memantau, mengontrol , dan mengelola berbagai operasi dan kondisi kerja.
Pro dan Kontra Otomasi Kantor Menggunakan IoT
Ada banyak manfaat dari IoT Kantor Pintar :
- Penyimpanan Energi. Dengan menyesuaikan pencahayaan dan pemanas di kantor secara otomatis, Anda dapat menggunakan sumber daya secara lebih efisien dan mengurangi pemborosan.
- Operasi Bisnis yang Efisien. Sejumlah tugas dapat disederhanakan atau sepenuhnya otomatis dengan perangkat kantor IoT, memungkinkan karyawan Anda untuk berkonsentrasi pada hal-hal yang lebih mendesak.
- Lingkungan Kerja yang Nyaman. Karyawan Anda akan dapat menyesuaikan kondisi kantor dengan preferensi mereka jika mereka dapat mengontrol suhu atau kelembaban langsung dari smartphone mereka.
- Produktivitas Karyawan yang Lebih Baik. Karyawan Anda akan lebih produktif di tempat kerja sebagai hasil dari peningkatan tingkat kenyamanan mereka.
- Peningkatan Keselamatan Kerja. Kamera keamanan, sensor terhubung, dan sistem kontrol akses hanyalah beberapa contoh solusi kantor IoT yang dapat membantu membuat tempat kerja Anda lebih aman. Selain itu, ini dapat mengurangi kemungkinan insiden kecil atau aktivitas kriminal di antara karyawan Anda sekaligus meningkatkan transparansi.
Keuntungan IoT di kantor jelas, seperti yang Anda lihat. Namun, masih ada beberapa kelemahan yang perlu diperhitungkan. Ketika mempertimbangkan penggunaan solusi kantor pintar, hambatan paling signifikan yang perlu diatasi adalah sebagai berikut:
- Total biaya kepemilikan perangkat lunak dan perangkat kantor IoT
- Masalah privasi data
- Mengandalkan daya berkelanjutan dan koneksi WiFi
Contoh dan Aplikasi IoT Kantor Pintar
Kantor pintar masih dalam masa pertumbuhan, terlepas dari ekspansi yang stabil dan potensi yang sangat besar. Industri lain yang mendapat manfaat dari penggunaan solusi IoT, seperti otomatisasi rumah, kesehatan dan kebugaran, ritel, dan manajemen inventaris, sedang mengejar IoT aplikasi kantor.
Namun, ada beberapa konsep kantor IoT yang bisa segera dikembangkan:
- Penggunaan Energi
Selain itu, menggunakan IoT di tempat kerja dapat meningkatkan efisiensi energi perusahaan Anda. Nuansa jendela otomatis atau solusi pencahayaan cerdas membantu Anda mengontrol intensitas dan warna cahaya serta mengurangi limbah. Lampu akan mati dengan sendirinya segera setelah sensor mendeteksi tidak ada orang di dalam ruangan. Selain itu, sistem manajemen energi yang lengkap dapat memberi Anda kendali penuh atas konsumsi daya dan efisiensi tempat kerja Anda.
- Kontrol Iklim
Setiap termostat pintar Honeywell atau Nest akan mengatur suhu ideal di dalam ruangan sehingga semua orang dapat bekerja dengan nyaman. Selain itu, seperti solusi pencahayaan IoT, ini dapat menghemat energi.
- Kolaborasi dan komunikasi
Manajemen hunian ruangan hanyalah salah satu dari banyak tugas yang dapat dipermudah dengan ruang konferensi berkemampuan IoT. Sistem penjadwalan ruang rapat dapat meringankan masalah manajemen ruang dan koordinasi, membuat kehidupan kantor menjadi lebih sederhana.Selain berbagai proyektor pintar dan papan interaktif, Anda bahkan dapat menggunakan robot untuk menciptakan pengalaman telepresence jarak jauh.
- Furniture Pintar
Meja berdiri sekarang menjadi hal yang biasa di tempat kerja. Meja, di sisi lain, hadir dengan lebih banyak harapan. Selanjutnya, meja akan belajar memahami preferensi orang dan secara otomatis beradaptasi dengan kebutuhan mereka, meningkatkan produktivitas karyawan.
Beberapa aplikasi untuk kantor pintar termasuk solusi IoT ruang kerja ini. Ada sejumlah konsep IoT tambahan untuk bisnis yang dapat diterapkan di lingkungan kantor, serta puluhan aplikasi tambahan yang berpotensi untuk digunakan.
Kantor Cerdas: Kemewahan atau Kebutuhan?
Teknologi kantor pintar telah memicu skeptisisme di antara konsumen yang tertarik, meskipun manfaat nyata dan banyak contoh yang tersedia saat ini. Banyak pemilik bisnis masih ragu untuk berinvestasi di IoT di tempat kerja sementara beberapa dari mereka yang telah mencoba berbagai produk memiliki perasaan yang campur aduk. tentang mereka.
Namun, dapat mengontrol suhu dan pencahayaan kantor dengan smartphone hanyalah salah satu aspek dari memiliki tempat kerja yang mendukung IoT. Ini berarti operasi yang lebih aman, lebih efektif, dan laba atas investasi yang lebih tinggi.
Apakah solusi ini akan diterapkan atau tidak di tempat kerja Anda sepenuhnya terserah Anda. Namun, perlu diingat bahwa lingkungan kerja yang menyenangkan dapat membantu Anda menarik dan mempertahankan karyawan terbaik, dan bahkan peningkatan kecil dalam efisiensi bisnis dapat memberi Anda keunggulan yang signifikan atas pesaing Anda.
8 Penggunaan Praktis Kecerdasan Buatan
Jika Anda menemukan artikel ini dengan mencari “kecerdasan buatan” di Google, Anda telah menggunakan AI dan semoga mendapatkan manfaat. Anda telah menggunakan AI jika Anda pernah menggunakan Uber atau ponsel Anda melakukan koreksi otomatis kata yang salah eja.Tampaknya ada kecerdasan buatan di mana-mana, tetapi apa sebenarnya itu? Bagaimana hal itu meningkatkan kualitas kehidupan kita sehari-hari? Berikut ini adalah delapan aplikasi kecerdasan buatan sehari-hari, terlepas dari aplikasi AI yang tampaknya tak ada habisnya.
Mengetahui dengan tepat apa itu kecerdasan buatan dan tidak membantu sebelum menentukan bagaimana hal itu memengaruhi kehidupan kita. Kecerdasan buatan didefinisikan oleh Oxford Dictionary sebagai:
“Hipotesis dan pengembangan kerangka kerja PC siap untuk melakukan tugas-tugas yang secara teratur membutuhkan wawasan manusia, misalnya, ketajaman visual, pengakuan wacana, navigasi, dan interpretasi antar dialek.” Referensi Oxford Word tentang Expression and Tale (2 ed.)
Dalam bentuknya yang paling dasar, kecerdasan buatan adalah proses di mana komputer dapat menggunakan analisis statistik untuk bertindak berdasarkan data. Ini memberi komputer kemampuan untuk memahami, menganalisis, dan belajar dari data menggunakan algoritme yang dibuat khusus untuk itu. Ini semua dilakukan secara otomatis. Mesin yang memiliki kecerdasan buatan mampu mengingat pola perilaku dan memodifikasi respons mereka untuk mendorong atau menyesuaikan diri dengan pola perilaku tersebut. Ini hanya deskripsi singkat tentang AI; tidak diragukan lagi ada banyak lagi yang bisa dikatakan tentang hal itu.
Pembelajaran mesin (ML), pembelajaran mendalam, dan pemrosesan bahasa alami (NLP) adalah teknologi AI yang paling signifikan.
Proses di mana mesin belajar bagaimana merespons secara lebih efektif dikenal sebagai pembelajaran mesin. Ini didasarkan pada kumpulan data besar yang terstruktur dan umpan balik berkelanjutan dari manusia dan algoritme.
Karena tidak memerlukan data terstruktur untuk belajar, Deep Learning sering dianggap sebagai bentuk pembelajaran mesin yang lebih maju.
Dalam ilmu komputer, alat linguistik adalah Natural Language Processing (NLP). Ini memungkinkan mesin untuk memahami dan membaca ucapan manusia. Komputer dapat menggunakan NLP untuk menerjemahkan ucapan manusia ke dalam input komputer.
8 Contoh Kecerdasan Buatan
Delapan contoh kecerdasan buatan yang mungkin Anda temui setiap hari tercantum di bawah ini :
- Peta dan Navigasi
Kini bepergian menjadi sangat nyaman semenjak hadirnya AI. Anda sekarang dapat menggunakan Waze, Google, atau Apple Maps di ponsel Anda untuk mengetik tujuan Anda alih-alih mengandalkan peta atau petunjuk arah yang dicetak.
Oleh karena itu, bagaimana aplikasi menentukan ke mana harus pergi? Selain itu, bagaimana dengan rute terbaik, penghalang jalan, dan kemacetan lalu lintas? Sebelumnya, hanya GPS berbasis satelit yang tersedia, tetapi kecerdasan buatan ditambahkan untuk memberi pengguna peningkatan yang signifikan pengalaman.
Algoritme menggunakan pembelajaran mesin untuk mengingat tepi bangunan yang telah dipelajarinya. Hal ini memudahkan untuk melihat peta dan mengenali serta memahami jumlah rumah dan bangunan. Selain itu, aplikasi telah dilatih untuk memahami dan mengenali pergeseran arus lalu lintas sehingga dapat menyarankan rute yang melewati hambatan dan kemacetan.
- Deteksi dan Pengenalan Wajah
Contoh kecerdasan buatan yang sekarang menjadi bagian dari kehidupan kita sehari-hari adalah menggunakan ID wajah untuk membuka kunci ponsel kita dan menerapkan filter virtual ke wajah kita saat mengambil gambar. Yang pertama menggunakan deteksi wajah, yang dapat mengidentifikasi wajah manusia mana pun. Yang terakhir memanfaatkan pengenalan wajah untuk mengidentifikasi wajah tertentu. Bandara dan fasilitas pemerintah juga menggunakan pengenalan wajah untuk keamanan dan pengawasan.
- Editor Teks atau Koreksi Otomatis
Tampaknya dalam pengolah kata, aplikasi SMS, dan setiap media tertulis lainnya, algoritme AI menggunakan pembelajaran mesin, pembelajaran mendalam, dan pemrosesan bahasa alami untuk mengidentifikasi penggunaan bahasa yang salah dan menyarankan koreksi. Sama seperti di sekolah, ahli bahasa dan ilmuwan komputer berkolaborasi untuk mengajarkan tata bahasa mesin. Algoritme diajarkan dengan menggunakan data bahasa berkualitas tinggi, sehingga editor akan mengetahui jika Anda salah menggunakan koma.
- Algoritma Pencarian dan Rekomendasi
Pernahkah Anda memperhatikan bahwa produk yang disarankan kepada Anda saat Anda ingin berbelanja online atau menonton film sering kali sesuai dengan minat atau penelusuran terbaru Anda? Dengan melacak aktivitas online Anda dari waktu ke waktu, sistem rekomendasi cerdas ini telah mengumpulkan informasi tentang kebiasaan dan minat Anda Pembelajaran mesin dan pembelajaran mendalam digunakan untuk menyimpan dan menganalisis data yang dikumpulkan di bagian depan (dari pengguna). Kemudian, biasanya dapat memprediksi preferensi Anda dan menyarankan hal-hal yang mungkin ingin Anda beli atau dengarkan selanjutnya.
- Chatbot
Sebagai pelanggan, berinteraksi dengan layanan pelanggan dapat memakan waktu dan stres. Bagi perusahaan, ini adalah departemen yang tidak efisien yang biasanya mahal dan sulit dikelola. Salah satu solusi kecerdasan buatan yang semakin populer untuk ini adalah penggunaan chatbot AI. Algoritme yang diprogram memungkinkan mesin menjawab pertanyaan yang sering diajukan, menerima dan melacak pesanan, dan panggilan langsung.
Chatbot diajarkan untuk meniru gaya percakapan perwakilan pelanggan melalui pemrosesan bahasa alami (NLP). Chatbots tingkat lanjut tidak lagi memerlukan format input tertentu. Mereka dapat menjawab pertanyaan kompleks yang membutuhkan tanggapan terperinci. Bahkan, jika Anda memberikan peringkat buruk untuk respons yang Anda dapatkan, bot akan mengidentifikasi kesalahan yang dibuat dan memperbaikinya untuk waktu berikutnya, memastikan kepuasan pelanggan yang maksimal.
- Ruang Asisten
Ketika kita sedang sibuk, seringkali kita terpaksa menggunakan asisten digital untuk melakukan tugas kita. Saat Anda mengemudi, mungkin Anda meminta asisten untuk memberitahu ibu Anda bahwa Anda sedang sibuk. Asisten virtual seperti Siri adalah contoh AI yang akan mengakses kontak Anda, mengidentifikasi kata “Ibu”, dan memanggil nomor tersebut. Asisten ini menggunakan NLP, ML, analisis statistik, dan eksekusi algoritmik untuk memutuskan apa yang Anda minta dan mencoba mendapatkannya untuk Anda. Pencarian suara dan gambar bekerja dengan cara yang hampir sama.
- Media Sosial
Aplikasi hiburan online memanfaatkan bantuan kecerdasan buatan untuk menyaring konten, mengusulkan asosiasi, dan menayangkan iklan kepada klien yang ditunjuk, di antara berbagai upaya yang berbeda untuk menjamin bahwa Anda tetap berkontribusi dan terhubung.
Perhitungan intelijen berbasis komputer dapat mengenali dan dengan cepat menghapus posting berbahaya yang mengabaikan kesepakatan melalui bukti pembeda semboyan dan pengakuan gambar visual. Rekayasa jaringan otak pembelajaran mendalam adalah bagian penting dari interaksi ini, namun tidak berhenti di situ.
Organisasi hiburan online menyadari bahwa klien mereka adalah barang mereka, jadi mereka menggunakan kecerdasan buatan untuk menghubungkan klien tersebut dengan sponsor dan pengiklan yang telah mengenali profil mereka sebagai target utama. Kecerdasan buatan manusia hiburan virtual juga dapat memahami jenis kepuasan yang didengungkan oleh klien dan menawarkan substansi komparatif kepada mereka.
- Elektronik Pembayaran
Bank saat ini menggunakan penalaran terkomputerisasi untuk bekerja dengan klien dengan meningkatkan proses angsuran. Perhitungan cerdas telah menyisihkan kemungkinan untuk melakukan pembayaran, memindahkan uang, dan, yang mengejutkan, membuka catatan dari mana saja, menggunakan kecerdasan buatan untuk keamanan, kepribadian papan, dan kontrol perlindungan.
Memang, bahkan kesalahan representasi yang potensial dapat dibedakan dengan memperhatikan desain pengeluaran Visa klien. Ini juga merupakan ilustrasi penalaran terkomputerisasi. Perhitungannya memahami jenis barang yang dibeli klien, kapan dan dari mana barang itu biasanya dibeli, dan di bagian biaya berapa barang tersebut jatuh.
Ketika ada tindakan yang tidak biasa yang tidak menemukan tempat dengan profil klien, sistem dapat menghasilkan laporan siap atau singkat untuk mengkonfirmasi pertukaran.
Terakhir
Contoh kecerdasan buatan di atas menunjukkan mengapa AI sering dibahas. Hampir setiap harinya kita dipertemukan oleh AI. Ketika kita pergi ke pesanan seluler, kita mungkin mendapatkan rekomendasi baru untuk minum kopi. Selama istirahat makan siang Anda, Instagram mungkin menampilkan video baru. Anda bisa pergi ke restoran baru untuk makan malam menggunakan Google Maps. Delapan contoh AI ini menunjukkan apa itu AI dan bagaimana penggunaannya, meskipun daftarnya bisa berlangsung selamanya.
Bagaimana cara kerja Cloud? Apakah Cocok Untuk Internet of Things (IoT)?
Meskipun IoT secara teknis tidak memerlukan cloud, menggunakan cloud untuk banyak aplikasi IoT dapat memberikan keuntungan yang signifikan. Mengapa demikian?
Belakangan ini, tampaknya setiap aplikasi dan perangkat terhubung ke cloud dalam beberapa cara, baik itu menyimpan data, memproses data, atau bekerja di cloud. Namun, Anda mungkin tidak menyadari apa artinya sebenarnya jika Anda baru mengenal Internet of Things (IoT) atau jika Anda tidak terlalu paham teknologi. Kami memberikan sejarah singkat tentang cloud, penjelasan tentang cara kerjanya, dan potensi keuntungan untuk bisnis atau penerapan Anda di artikel ini.
Apa itu Awan?
Sejarah Singkat
Kembali pada tahun 1970-an, sangat populer bagi bisnis untuk menyewa waktu menggunakan sistem komputer mainframe yang besar. Sistem ini sangat besar dan mahal, jadi tidak masuk akal secara finansial bagi bisnis untuk memiliki kekuatan komputasi itu sendiri. Sebaliknya, mereka dimiliki oleh perusahaan besar, lembaga pemerintah, dan universitas.
Teknologi mikroprosesor memungkinkan pengurangan besar dalam ukuran dan biaya, yang mengarah pada munculnya komputer pribadi, yang popularitasnya meledak pada 1980-an. Tiba-tiba, bisnis dapat (dan memang) menghadirkan komputasi di rumah.
Namun, karena koneksi berkecepatan tinggi telah menyebar luas, trennya berbalik: bisnis sekali lagi menyewa daya komputasi dari organisasi lain. Tapi kenapa begitu?
Alih-alih membeli perangkat keras yang mahal untuk penyimpanan dan pemrosesan internal, lebih mudah untuk menyewanya dengan harga murah di cloud. Cloud adalah jaringan besar yang saling terhubung dari server kuat yang melakukan layanan untuk bisnis dan untuk orang-orang.
Saat ini Amazon, Google, dan Microsoft adalah penyedia layanan cloud terbesar di Amerika Serikat. Sebagai bagian dari layanan cloud mereka, mereka menyewakan server besar untuk bisnis.
Ini hemat biaya untuk bisnis dengan kebutuhan variabel karena mereka hanya dapat membayar untuk apa yang mereka gunakan. Sebagian besar waktu, mereka tidak membutuhkan banyak komputasi, tetapi terkadang mereka membutuhkannya.
Kami sering menggunakan layanan cloud ini untuk orang. Daripada menyimpan file Anda di komputer, Anda dapat menyimpannya di Google Drive. Biasanya, Google Drive menggunakan layanan cloud-nya.
Anda juga dapat mendengarkan lagu di Spotify daripada mengunduhnya ke ponsel atau komputer Anda. Spotify menggunakan layanan cloud dari Amazon.
Apa pun yang terjadi melalui koneksi internet daripada di perangkat itu sendiri biasanya disebut sebagai “di Cloud.”
Internet of Things dan Cloud
Banyak sistem IoT menggunakan sejumlah besar sensor untuk mengumpulkan data dan kemudian membuat keputusan yang cerdas. Ingin tahu bagaimana sebenarnya sistem IoT bekerja?. Akibatnya, aktivitas seperti pemrosesan dan penyimpanan data berlangsung di cloud, bukan di perangkat itu sendiri.
Untuk menggabungkan data dan mengekstrak wawasan darinya, penggunaan cloud sangat penting. Setelah menanam benih yang sama, misalnya, perusahaan pertanian yang cerdas akan dapat membandingkan sensor kelembaban tanah dari Kansas dan Colorado. Jauh lebih sulit untuk membandingkan data di seluruh wilayah yang lebih luas tanpa awan.
Selain itu, cloud menyediakan skalabilitas tinggi. Akan sangat mahal dan menghabiskan banyak energi untuk menempatkan sejumlah besar daya komputasi pada setiap sensor ketika ada ratusan, ribuan, atau bahkan jutaan dari mereka. Sebaliknya, data dari semua sensor ini dapat dikirim ke cloud dan diproses bersama di sana.
Kepala sistem atau lebih tepatnya otak ada di cloud untuk banyak IoT.Data dikumpulkan dan tindakan dilakukan oleh sensor dan perangkat namun, bagian “pintar” pemrosesan, perintah, dan analitik biasanya dilakukan di cloud.
Jadi, apakah IoT bergantung pada cloud?
Jawabannya secara teknis tidak. Koneksi internet lokal dapat digunakan untuk pemrosesan data dan perintah alih-alih di cloud. Ini sebenarnya sangat masuk akal untuk beberapa aplikasi IoT, dan ini disebut sebagai “komputasi kabut” atau “komputasi tepi”. .”
Namun, menggunakan cloud untuk banyak aplikasi IoT memiliki keuntungan yang signifikan. Peningkatan biaya karena tidak menggunakan cloud akan memperlambat industri secara signifikan.
Yang penting, skalabilitas dan biaya bukan satu-satunya pertimbangan. Ini membawa kita ke pertanyaan yang lebih sulit.
Apakah IoT cocok untuk cloud?
Kami hanya berbicara tentang keuntungan menggunakan cloud untuk IoT hingga saat ini. Sebelum kita masuk ke kekurangannya
Skalabilitas dan ketersediaan sistem yang tinggi Peningkatan masa pakai sensor dan perangkat bertenaga baterai Kemampuan untuk mengumpulkan data dalam jumlah besar Apa pun dengan koneksi internet dapat menjadi “pintar”. Namun, ada kekhawatiran yang sah mengenai penggunaan cloud:
- Kepemilikan data.Apakah Anda memiliki data saat menyimpannya di layanan cloud perusahaan, atau penyedia layanan cloud? Untuk aplikasi IoT yang melibatkan data pribadi, seperti rumah pintar atau layanan kesehatan, ini bisa menjadi sangat penting.
- Skenario mogok. Aplikasi IoT tidak akan berfungsi jika koneksi terputus atau layanan cloud itu sendiri mogok. Untuk beberapa aplikasi IoT, seperti pertanian pintar, ketidakteroperasian jangka pendek mungkin bukan masalah besar, tetapi bagi yang lain, itu bisa menjadi bencana .Aplikasi yang terkait dengan kesehatan dan keselamatan tidak boleh mogok bahkan selama beberapa detik, apalagi beberapa jam.
- Latensi. Diperlukan investasi agar informasi dapat dikirim dari cloud dan perintah untuk kembali ke gadget. Milidetik ini dapat menjadi sangat penting dalam aplikasi IoT yang terkait dengan kesehatan dan keselamatan. Kendaraan otonom adalah contoh yang baik. Anda tidak ingin memilikinya untuk menunggu mobil berbicara dengan awan sebelum Anda memutuskan untuk menyingkir jika terjadi tabrakan.
Oleh karena itu, ketika kami menanyakan tentang kesesuaian cloud untuk IoT ini bervariasi.
Internet of Things adalah bidang yang sangat besar dengan sejumlah besar aplikasi. Karena tidak ada solusi satu ukuran untuk semua, bisnis IoT harus mempertimbangkan aplikasi khusus mereka ketika memutuskan apakah cloud adalah pilihan yang baik.
Konektivitas IoT: Membandingkan NB-IoT, LTE-M, LoRa, SigFox, dan Teknologi LPWAN Lainnya
Jika Anda ingin menggunakan LPWAN untuk konektivitas IoT Anda, langkah selanjutnya adalah mencari tahu apa yang harus dilakukan. Gambaran umum masing-masing dari berbagai LPWAN teknologi akan dibahas pada artikel ini.
Kami membahas beberapa dasar teknologi LPWAN di artikel pertama kami, termasuk apa itu LPWAN dan beberapa keunggulannya dibandingkan opsi konektivitas lainnya. Kami akan membandingkan beberapa teknologi dan pemain LPWAN paling penting di pasar dalam angsuran kedua dari seri ini. Anda harus memiliki pemahaman umum tentang LPWAN mana yang terbaik untuk proyek atau penerapan IoT Anda di akhir artikel ini, juga sebagai beberapa langkah selanjutnya tentang cara melanjutkan.
Teknologi LPWAN
Terlepas dari kenyataan bahwa ada banyak teknologi dan standar LPWAN, kami akan berkonsentrasi pada SigFox, LoRa, Symphony Link, dan Weightless karena pengembangan atau penerapannya yang berkelanjutan. Meskipun ada beberapa protokol dan tumpukan eksklusif, seperti Dash7 Alliance Protocol , mereka belum mendapatkan banyak daya tarik, jadi artikel ini tidak akan membahasnya. LTE-M dan Narrowband-IoT, juga dikenal sebagai “NB-IoT” dan “LTE-M2,” baru-baru ini muncul sebagai pemain baru yang signifikan dalam pasar. Lanskap konektivitas IoT yang berkembang pesat siap untuk perubahan signifikan lainnya seiring pendekatan 5G. Agar siap menghadapi perubahan masa depan dalam opsi konektivitas, penting untuk memahami bagaimana LPWAN cocok dengan lanskap itu dan bagaimana menimbang biaya dan manfaat dari berbagai teknologi LPWAN.
Masing-masing teknologi LPWAN akan dibahas secara rinci di bagian berikut. Kami akan mencurahkan masing-masing posting sepanjang sisa seri ini untuk setiap opsi, menggali lebih dalam berbagai manfaat dan kekurangan masing-masing. Selain itu, kami akan melakukan pemeriksaan teknis tumpukan teknologi yang mendasarinya.
NB-IoT and LTE-M
LTE-M dan Narrowband-IoT (NB-IoT) merupakan tambahan yang menjanjikan untuk ruang LPWAN. LTE-M dan Narrowband-IoT (NB-IoT)LTE-M adalah tanggapan dari Proyek Kemitraan Generasi Ketiga (biasa disebut sebagai “3GPP”) terhadap meningkatnya permintaan akan solusi LPWAN yang memanfaatkan konektivitas LTE standar sambil menghemat sumber daya.Tidak seperti LTE-M, yang beroperasi di luar konstruksi LTE, NB-IoT adalah konstruksi 3GPP lain yang menantang gangguan yang dipicu oleh Sigfox dan LoRa Alliance (bawah). Namun, NB-IoT tidak sama dengan LTE-M.
Bentuk gelombang NB-IoT yang lebih sederhana adalah salah satu keunggulan utamanya:Teknologi ini menggunakan sangat sedikit energi. Biaya adalah manfaat penting lainnya. Total biaya komponen berkurang dengan memilih chipset yang telah dirancang khusus untuk protokol NB-IoT dan dibangun dengan cara yang lebih sederhana. Terakhir namun tidak kalah pentingnya, aplikasi kota pintar dapat mengambil manfaat dari NB-IoT.LinkLabs memperkirakan bahwa NB-IoT mungkin lebih banyak digunakan di gedung daripada LTE-M namun, penggelaran di Amerika Serikat akan menjadi tantangan karena meluasnya penggunaan LTE dan biaya mahal chip berkemampuan LTE-M. Namun, sering kali, hal itu tergantung pada Aplikasi khusus Anda LTE-M memiliki keunggulan untuk aplikasi roaming seperti kendaraan atau drone, sedangkan NB-IoT mungkin paling cocok untuk aset statis seperti smart meter.
LTE-M menawarkan keuntungan yang signifikan.Pertama, ia memiliki kecepatan data yang lebih tinggi, paling penting untuk kasus penggunaan dengan banyak data.Selain itu, tidak seperti NB-IoT, front-end relatif mudah.Namun, ada batasan tambahan untuk memperhitungkan selain fakta bahwa LTE terutama merupakan teknologi AS. Pertama, kami masih belum tahu banyak tentang efisiensi daya LTE-M, dan ada masalah perizinan yang ketat untuk dipikirkan. Siapa yang ingin membayar perusahaan seperti Qualcomm dan InterDigitals untuk melisensikan kekayaan intelektual mereka untuk industri seluler?
Secara umum, debat NB-IoT vs. LTE-M mungkin dibentuk oleh kekuatan ekonomi dan praktis yang lebih besar. Penyedia layanan utama AS kemungkinan akan mempromosikan LTE-M karena mereka telah menginvestasikan miliaran dalam teknologi LTE. Sebaliknya, kita dapat mengantisipasi preferensi untuk protokol NB-IoT (non-LTE) di seluruh dunia, di mana spektrum GSM adalah norma.
LoRa
LoRa Alliance adalah organisasi nirlaba gratis yang didirikan untuk menciptakan ekosistem untuk teknologi LPWAN tertentu. Didirikan oleh IBM, MicroChip, Cisco, Semtech, Bouygues Telecom, Singtel, KPN, Swisscom, Fastnet, dan Belgacom, dan sekarang memiliki sekitar 400 perusahaan anggota di Amerika Utara, Eropa, Afrika, dan Asia.
Aliansi LoRa mengawasi lapisan jaringan standar terbuka yang dikenal sebagai LoRaWAN. Namun, karena chip yang mendasari yang diperlukan untuk mengimplementasikan tumpukan LoRaWAN lengkap hanya tersedia melalui Semtech, itu tidak benar-benar terbuka. Pada dasarnya, LoRa adalah lapisan yang sebenarnya. Perangkat LoRaWAN Lapisan MAC merupakan perangkat lunak yang dipasang dengan chip yang memungkinkan jaringan. Pada blog Buffer I/O Jensd, Anda dapat menemukan pengenalan singkat namun komprehensif tentang LORAWAN.
Fungsionalitasnya mirip dengan SigFox karena sebagian besar digunakan untuk aplikasi hanya uplink dengan banyak titik akhir, seperti mengirim data dari sensor atau perangkat ke gateway. Paket yang dikodekan. Di sisi lain, digunakan untuk menyebarkan data ke beberapa saluran frekuensi dan kecepatan data daripada transmisi pita sempit. Kapasitas gateway ditingkatkan karena pesan-pesan ini cenderung bertabrakan dan mengganggu.
Didirikan pada tahun 2009, SigFox adalah perusahaan Prancis yang berbasis di Labège, Prancis. SigFox telah memiliki daya tarik yang signifikan di ruang LPWAN karena kampanye pemasarannya yang sukses di Eropa. Ini juga menawarkan ekosistem vendor yang luas termasuk Texas Instruments, Silicon Labs, dan Axom. Baru-baru ini, SigFox telah menginvestasikan sebagian besar upayanya ke pasar Eropa yang berkembang pesat, pertimbangan untuk pengadopsi yang berfokus di AS.
SigFox memanfaatkan teknologi miliknya sendiri, yang memanfaatkan tingkat modulasi lambat untuk memperluas jangkauan. SigFox adalah pilihan tepat untuk aplikasi di mana sistem hanya perlu mengirim data kecil dan jarang karena pilihan desain ini.
Sensor parkir, meteran air, dan tong sampah pintar semuanya merupakan kegunaan potensial. Namun, ada beberapa kekurangannya juga. Kemampuan downlink untuk mengirim data kembali ke sensor dan perangkat sangat terbatas, dan gangguan sinyal mungkin timbul.
Symphony Link
Sebagai anggota LoRa Alliance, Link Labs menggunakan chip LoRa yang disebutkan sebelumnya. Namun, Link Labs telah mengembangkan Symphony Link, lapisan MAC (perangkat lunak) berpemilik berdasarkan chip Semtech, bukan LoRaWAN.
Link Labs memiliki kantor pusat di Annapolis, Maryland, dan didirikan pada tahun 2013 oleh mantan anggota Laboratorium Fisika Terapan Universitas Johns Hopkins.
Jika dibandingkan dengan LoRaWAN, Symphony Link menambahkan fitur konektivitas penting seperti jaminan penerimaan pesan, peningkatan firmware over-the-air, penghapusan batas siklus kerja, kemampuan repeater, dan jangkauan dinamis.
Tujuan dari Weightless SIG (kelompok minat khusus) adalah untuk menstandarisasi teknologi LPWAN. Accenture, ARM, M2COMM, Sony Europe, dan Telensa adalah lima “Anggota Grup Promotor”.
Dalam spektrum sub-1 GHz yang tidak berlisensi, Weightless adalah satu-satunya standar yang benar-benar terbuka.Weightless tersedia dalam tiga rasa yang berbeda, masing-masing dengan tujuan yang berbeda:
Weightless-W:menggunakan spasi putih, yang merupakan spektrum lokal yang tidak digunakan di pita TV berlisensi. Weightless-N:Weightless-P, protokol spektrum pita sempit tanpa izin berdasarkan teknologi NWave: protokol dua arah yang dikembangkan oleh M2COMM berdasarkan teknologi Platanusnya. Karena masa pakai baterai Weightless-W yang lebih pendek, opsi Weightless N dan P adalah yang paling banyak digunakan.
Weightless-N/NWave
Meskipun Nwave menawarkan implementasi lapisan MAC yang unggul, fungsinya sangat mirip dengan SigFox. Ini menegaskan bahwa “teknik demodulasi lanjutan” digunakan untuk memungkinkan jaringannya hidup berdampingan dengan teknologi radio lain tanpa menambahkan kebisingan tambahan. Ini bekerja paling baik , seperti SigFox, untuk jaringan berbasis sensor, pembacaan suhu, pemantauan level tangki, pengukuran cerdas, dan aplikasi lain seperti ini.
Pada pita sempit 12,5 kHz, standar ini menggunakan modulasi FDMA+TDMA, yang lebih unggul daripada SigFox tetapi lebih rendah daripada LoRa. Mirip dengan Symphony Link, ia memiliki kecepatan data adaptif 200 bps hingga 100 kbps. Sensitivitasnya, yaitu -134 dBm pada 625 bps, cukup tinggi, dan dapat menangani modulasi GMSK dan PSK.
Weightless-P cocok untuk jaringan pribadi, aplikasi yang lebih canggih, dan situasi di mana penting untuk mengontrol data uplink dan downlink. Ketersediaan kit pengembangan Weightless-P baru saja dimulai pada saat ini.
Mungkin sulit untuk melacak lanskap LPWAN yang berubah karena persaingan baru yang ditimbulkan oleh protokol NB-IoT dan LTE-M dan perbedaan signifikan antara teknologi LPWAN yang dibahas di atas. Saya harap informasi dalam seri ini akan membantu Anda memilih teknologi LPWAN terbaik untuk solusi IoT Anda berikutnya.