35 KiB

Raw Permalink Blame History

သီးအရည်အသွေးကို ဆင်ဆာမှတစ်ဆင့် စစ်ဆေးခြင်းကို စတင်ပါ

Nitya Narasimhan မှ ရေးမှတ်ပုံ။ ပုံကို နှိပ်ပြီး အကြီးအကျယ်ကြည့်ရှုနိုင်ပါသည်။

သင်ခန်းစာမတိုင်မီ မေးခွန်းများ

အကျဉ်းချုပ်

IoT အက်ပလီကေးရှင်းသည် တစ်ခုတည်းသော စက်ပစ္စည်းမှ ဒေတာကို သိမ်းဆည်းပြီး cloud သို့ ပို့ခြင်းသာမက၊ အများအားဖြင့် စက်ပစ္စည်းများစွာ ပေါင်းစပ်၍ ဆင်ဆာများမှ ရPhysical World ဒေတာကို သိမ်းဆည်းခြင်း၊ အဆိုပါ ဒေတာအပေါ် အခြေခံ၍ ဆုံးဖြတ်ချက်များ ချမှတ်ခြင်း၊ actuator များ သို့မဟုတ် visualization များမှတစ်ဆင့် Physical World နှင့် ပြန်လည် အပြန်အလှန် ဆက်သွယ်ခြင်းတို့ကို လုပ်ဆောင်ပါသည်။

ဒီသင်ခန်းစာတွင် IoT အက်ပလီကေးရှင်းများကို အဆင့်မြင့်ပုံစံဖြင့် တည်ဆောက်ခြင်း၊ ဆင်ဆာများစွာ၊ cloud services များစွာကို ပေါင်းစပ်၍ ဒေတာကို ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် သိမ်းဆည်းခြင်း၊ actuator မှတစ်ဆင့် တုံ့ပြန်မှုကို ပြသခြင်းတို့ကို လေ့လာနိုင်ပါမည်။ သီးအရည်အသွေးကို စစ်ဆေးရန် proximity sensor များကို အသုံးပြုခြင်းနှင့် prototype architecture ကို တည်ဆောက်ခြင်းအကြောင်းကိုလည်း လေ့လာနိုင်ပါမည်။

ဒီသင်ခန်းစာတွင် ကျော်ဖြတ်မည့်အကြောင်းအရာများမှာ -

🗑 ဒီသင်ခန်းစာသည် ဒီပရောဂျက်၏ နောက်ဆုံးသင်ခန်းစာဖြစ်ပြီး၊ သင်ခန်းစာနှင့် အလုပ်ပေးစာကို ပြီးဆုံးပြီးနောက် cloud services များကို ရှင်းလင်းရန် မမေ့ပါနှင့်။ အလုပ်ပေးစာကို ပြီးဆုံးရန် services များလိုအပ်မည်ဖြစ်သောကြောင့် အလုပ်ပေးစာကို အရင်ဆုံး ပြီးဆုံးပါစေ။

လိုအပ်ပါက သင့်ပရောဂျက်ကို ရှင်းလင်းရန် လမ်းညွှန်ချက် ကို ကိုးကားပါ။

IoT အက်ပလီကေးရှင်းများကို အဆင့်မြင့်ပုံစံဖြင့် တည်ဆောက်ခြင်း

IoT အက်ပလီကေးရှင်းများသည် အစိတ်အပိုင်းများစွာဖြင့် ဖွဲ့စည်းထားပါသည်။ ၎င်းတွင် အမျိုးမျိုးသော အရာများနှင့် အင်တာနက် services များပါဝင်ပါသည်။

IoT အက်ပလီကေးရှင်းများကို အရာများ (devices) မှ ဒေတာပေးပို့ခြင်း၊ သိမြင်မှုများ ဖန်တီးခြင်း၊ လုပ်ဆောင်မှုများ ဖန်တီး၍ စီးပွားရေး သို့မဟုတ် လုပ်ငန်းစဉ်တိုးတက်မှုကို အကောင်းမြင်စေခြင်းအဖြစ် ဖော်ပြနိုင်ပါသည်။ ဥပမာအားဖြင့် engine (အရာ) သည် အပူချိန်ဒေတာကို ပေးပို့သည်။ ဤဒေတာကို engine သည် မျှော်မှန်းထားသည့်အတိုင်း လုပ်ဆောင်နေသည်ဟု သုံးသပ်ရန် အသုံးပြုသည် (သိမြင်မှု)။ သိမြင်မှုကို အသုံးပြု၍ engine အတွက် ပြုပြင်ထိန်းသိမ်းမှု အချိန်ဇယားကို ဦးစားပေးစီမံခန့်ခွဲသည် (လုပ်ဆောင်မှု)။

အရာများက ဒေတာအပိုင်းအစများကို စုဆောင်းသည်။
IoT services များက ဒေတာအပေါ် သိမြင်မှုများကို ပေးသည်၊ တစ်ခါတစ်ရံတွင် အခြားအရင်းအမြစ်များမှ ဒေတာဖြင့် ထပ်တိုးပေးသည်။
သိမြင်မှုများက actuator များကို ထိန်းချုပ်ခြင်း၊ ဒေတာကို visualization လုပ်ခြင်းတို့အပါအဝင် လုပ်ဆောင်မှုများကို လွှမ်းမိုးသည်။

IoT architecture ကို ကိုးကားခြင်း

အထက်ပါ ပုံသည် IoT architecture ကို ကိုးကားထားသော ပုံစံတစ်ခုကို ဖော်ပြသည်။

🎓 ကိုးကား architecture ဆိုသည်မှာ သစ်လွင်သော စနစ်များကို ဒီဇိုင်းဆွဲရာတွင် ကိုးကားနိုင်သော ဥပမာ architecture တစ်ခုဖြစ်သည်။ ဤကိစ္စတွင် သင်သည် သစ်လွင်သော IoT စနစ်တစ်ခုကို တည်ဆောက်လိုပါက ကိုးကား architecture ကို လိုက်နာ၍ သင့် device များနှင့် services များကို သင့်တော်သောနေရာတွင် အစားထိုးနိုင်ပါသည်။

အရာများ - devices များသည် ဆင်ဆာများမှ ဒေတာကို စုဆောင်းသည်၊ ဥပမာအားဖြင့် image data ကို ခွဲခြမ်းစိတ်ဖြာရန် image classifier များကို edge services တွင် အသုံးပြုသည်။ devices များမှ ဒေတာကို IoT service သို့ ပေးပို့သည်။
သိမြင်မှုများ - serverless applications များမှ သို့မဟုတ် သိမ်းဆည်းထားသော ဒေတာအပေါ် analytics များမှ ရရှိသည်။
လုပ်ဆောင်မှုများ - devices များသို့ command များ ပေးပို့ခြင်း၊ ဒေတာကို visualization လုပ်ခြင်းတို့ဖြင့် လူသားများကို ဆုံးဖြတ်ချက်ချရန် အခွင့်အရေးပေးခြင်း။

အထက်ပါ ပုံသည် ဒီသင်ခန်းစာများတွင် ဖော်ပြထားသော အစိတ်အပိုင်းများနှင့် services များကို IoT architecture ကို ကိုးကားထားသော ပုံစံတွင် ဘယ်လိုချိတ်ဆက်ထားသည်ကို ဖော်ပြသည်။

အရာများ - သင်သည် device code ကို ဆင်ဆာများမှ ဒေတာကို သိမ်းဆည်းရန်ရေးသားထားပြီး၊ Custom Vision ကို cloud နှင့် edge device နှစ်ခုစလုံးတွင် အသုံးပြု၍ image ကို ခွဲခြမ်းစိတ်ဖြာထားသည်။ ဤဒေတာကို IoT Hub သို့ ပေးပို့ထားသည်။
သိမြင်မှုများ - သင်သည် Azure Functions ကို IoT Hub သို့ ပေးပို့ထားသော message များကို တုံ့ပြန်ရန် အသုံးပြုထားပြီး၊ ဒေတာကို နောက်ပိုင်းတွင် ခွဲခြမ်းစိတ်ဖြာရန်အတွက် Azure Storage တွင် သိမ်းဆည်းထားသည်။
လုပ်ဆောင်မှုများ - cloud တွင် ချမှတ်ထားသော ဆုံးဖြတ်ချက်များအပေါ် အခြေခံ၍ actuator များကို ထိန်းချုပ်ထားပြီး၊ Azure Maps ကို အသုံးပြု၍ ဒေတာကို visualization လုပ်ထားသည်။

✅ သင်အသုံးပြုဖူးသော IoT devices များကို စဉ်းစားပါ၊ ဥပမာအားဖြင့် smart home appliances များ။ အဆိုပါ device နှင့် software တွင် ပါဝင်သော အရာများ၊ သိမြင်မှုများနှင့် လုပ်ဆောင်မှုများကို စဉ်းစားပါ။

ဤ pattern ကို သင့်လိုအပ်ချက်အတိုင်း ကြီးမားစွာ သို့မဟုတ် သေးငယ်စွာ အဆင့်မြှင့်နိုင်ပြီး၊ devices များနှင့် services များကို ပေါင်းထည့်နိုင်ပါသည်။

ဒေတာနှင့် လုံခြုံရေး

သင့်စနစ်၏ architecture ကို သတ်မှတ်ရာတွင်၊ ဒေတာနှင့် လုံခြုံရေးကို အမြဲစဉ်းစားရန် လိုအပ်ပါသည်။

သင့် device သည် ဘယ်လို ဒေတာကို ပေးပို့ပြီး လက်ခံပါသလဲ။
အဆိုပါ ဒေတာကို ဘယ်လို လုံခြုံစွာ ကာကွယ်သင့်သလဲ။
device နှင့် cloud service သို့ ဝင်ရောက်ခွင့်ကို ဘယ်လို ထိန်းချုပ်သင့်သလဲ။

✅ သင့်ပိုင် IoT devices များ၏ ဒေတာလုံခြုံရေးကို စဉ်းစားပါ။ အဆိုပါ ဒေတာအနက် ဘယ်လောက်က ပုဂ္ဂလိကဖြစ်ပြီး၊ ပို့ဆောင်မှုတွင် သို့မဟုတ် သိမ်းဆည်းထားသောအခါ ပုဂ္ဂလိကထားသင့်သလဲ။ ဘယ်လို ဒေတာကို သိမ်းဆည်းမသင့်သလဲ။

သီးအရည်အသွေး စစ်ဆေးမှုစနစ်ကို ဒီဇိုင်းဆွဲခြင်း

အခုတော့ အရာများ၊ သိမြင်မှုများနှင့် လုပ်ဆောင်မှုများ၏ အယူအဆကို သီးအရည်အသွေး စစ်ဆေးမှုစနစ်တွင် အသုံးပြု၍ အဆင့်မြင့် application တစ်ခုကို ဒီဇိုင်းဆွဲကြည့်ပါ။

သင်သည် သီးအရည်အသွေး စစ်ဆေးမှုစနစ်တစ်ခုကို တည်ဆောက်ရန် တာဝန်ပေးခံရသည်ဟု စဉ်းစားပါ။ သီးများသည် conveyor belt စနစ်ပေါ်တွင် သွားလာပြီး၊ လက်ရှိတွင် ဝန်ထမ်းများက သီးများကို လက်ဖြင့် စစ်ဆေးပြီး၊ မမှီမီသီးများကို ဖယ်ရှားရန် အချိန်ကုန်လှသည်။ စရိတ်လျှော့ချရန် စက်ရုံပိုင်ရှင်သည် အလိုအလျောက်စနစ်တစ်ခုကို တောင်းဆိုသည်။

✅ IoT (နှင့် နည်းပညာ) တိုးတက်မှုနှင့်အတူ လက်မောင်းအလုပ်များကို စက်များဖြင့် အစားထိုးနေသည်ဟု ဆိုကြသည်။ သုတေသနလုပ်ပါ - IoT ကြောင့် ဘယ်လောက်အလုပ်များ ဆုံးရှုံးမည်ဟု ခန့်မှန်းထားသလဲ။ IoT devices များကို တည်ဆောက်ရန် ဘယ်လောက်အလုပ်များ ဖန်တီးမည်လဲ။

သင်သည် သီးများကို conveyor belt ပေါ်ရောက်ရှိသည်ကို detect လုပ်ပြီး၊ ၎င်းကို ဓာတ်ပုံရိုက်ကာ edge ပေါ်တွင် AI model အသုံးပြု၍ စစ်ဆေးရမည်။ ရလဒ်များကို cloud သို့ ပို့ပြီး၊ သီးသည် မမှီမီဖြစ်ပါက notification ပေး၍ မမှီမီသီးများကို ဖယ်ရှားနိုင်ရန် လုပ်ဆောင်ရမည်။


အရာများ	conveyor belt ပေါ်သို့ ရောက်ရှိသော သီးများကို detect လုပ်ရန် detector သီးများကို ဓာတ်ပုံရိုက်ကာ classify လုပ်ရန် camera classifier ကို run လုပ်ရန် edge device မမှီမီသီးများကို notification ပေးရန် device
သိမြင်မှုများ	သီး၏ အရည်အသွေးကို စစ်ဆေးရန် ဆုံးဖြတ်ချက်ချခြင်း classification ရလဒ်များကို သိမ်းဆည်းခြင်း မမှီမီသီးများအကြောင်း alert ပေးရန် လိုအပ်မှုကို ဆုံးဖြတ်ခြင်း
လုပ်ဆောင်မှုများ	ဓာတ်ပုံရိုက်ရန်နှင့် image classifier ဖြင့် စစ်ဆေးရန် device သို့ command ပေးခြင်း မမှီမီသီးများအကြောင်း alert ပေးရန် device သို့ command ပေးခြင်း

သင့် application ကို prototype လုပ်ခြင်း

အထက်ပါ ပုံသည် prototype application အတွက် IoT architecture ကို ကိုးကားထားသော ပုံစံကို ဖော်ပြသည်။

proximity sensor ပါရှိသော IoT device တစ်ခုသည် သီးရောက်ရှိသည်ကို detect လုပ်သည်။ ၎င်းသည် cloud သို့ message ပေးပို့ပြီး သီးရောက်ရှိသည်ဟု ပြောသည်။
cloud တွင်ရှိသော serverless application တစ်ခုသည် ဓာတ်ပုံရိုက်ရန်နှင့် classify လုပ်ရန် အခြား device သို့ command ပေးသည်။
camera ပါရှိသော IoT device တစ်ခုသည် ဓာတ်ပုံရိုက်ပြီး edge ပေါ်တွင် run လုပ်နေသော image classifier သို့ ပို့သည်။ ရလဒ်များကို cloud သို့ ပို့သည်။
cloud တွင်ရှိသော serverless application တစ်ခုသည် ဤအချက်အလက်ကို သိမ်းဆည်းပြီး၊ မမှီမီသီးများ၏ ရာခိုင်နှုန်းကို နောက်ပိုင်းတွင် ခွဲခြမ်းစိတ်ဖြာရန် အသုံးပြုသည်။ သီးသည် မမှီမီဖြစ်ပါက LED မှတစ်ဆင့် factory worker များကို alert ပေးရန် အခြား IoT device သို့ command ပေးသည်။

💁 IoT application အားလုံးကို logic အားလုံးကို တစ်ခုတည်းသော device တွင် တည်ဆောက်၍ image classification ကို စတင်ရန်နှင့် LED ကို ထိန်းချုပ်ရန် အစိတ်အပိုင်းများကို built-in လုပ်နိုင်ပါသည်။ ၎င်းသည် IoT Hub ကို မမှီမီသီးများ detect လုပ်မှုအရေအတွက်ကို track လုပ်ရန်နှင့် device ကို configure လုပ်ရန်သာ အသုံးပြုနိုင်သည်။ ဒီသင်ခန်းစာတွင် IoT application များ၏ ကြီးမားသောပုံစံများအတွက် အယူအဆများကို ဖော်ပြရန်အတွက် အဆင့်မြှင့်ထားသည်။

prototype အတွက် သင်သည် ဤအရာအားလုံးကို တစ်ခုတည်းသော device တွင် တည်ဆောက်ရမည်။ microcontroller ကို အသုံးပြုပါက image classifier ကို run လုပ်ရန် အခြား edge device ကို အသုံးပြုရမည်။ သင်သည် ဤအရာများကို တည်ဆောက်ရန် လိုအပ်သော အများစုကို အရင်က သင်ယူပြီးဖြစ်သည်။

ဆင်ဆာမှတစ်ဆင့် သီးအရည်အသွေး စစ်ဆေးမှုကို စတင်ခြင်း

IoT device သည် သီးကို classify လုပ်ရန် အချက်ပြ trigger တစ်ခုလိုအပ်သည်။ ဤ trigger တစ်ခုမှာ conveyor belt ပေါ်တွင် သီးသည် သင့်တော်သောနေရာတွင် ရောက်ရှိသည်ကို detect လုပ်ရန် sensor မှ အကွာအဝေးကို တိုင်းတာခြင်းဖြစ်နိုင်သည်။

Proximity sensor များကို sensor နှင့် object အကြား အကွာအဝေးကို တိုင်းတာရန် အသုံးပြုနိုင်သည်။ ၎င်းများသည် laser beam သို့မဟုတ် infra-red light ကဲ့သို့သော electromagnetic radiation ကို ပို့ပြီး၊ object မှ radiation ပြန်လည်ပေါ်လာသည်ကို detect လုပ်သည်။ laser beam ပို့ခြင်းနှင့် signal ပြန်လည်ပေါ်လာခြင်းအကြား ကြာချိန်ကို sensor နှင့် object အကြား အကွာအဝေးကို တွက်ချက်ရန် အသုံးပြုနိုင်သည်။

💁 သင်သည် proximity sensor များကို မသိဘဲ အသုံးပြုဖူးနိုင်ပါသည်။ အများစုသော smartphone များသည် ဖုန်းခေါ်ဆိုမှုအတွင်း screen ကို touch capabilities ပိတ်ထားရန် proximity sensor ကို အသုံးပြုသည်။

Task - အကွာအဝေး sensor

💁 အချို့သော ဟာ့ဒ်ဝဲများသည် တစ်ချိန်တည်းတွင် အတူတူ လည်ပတ်နေသော အက်ပလီကေးရှင်းများစွာမှ ဝင်ရောက်အသုံးပြုမည်ဆိုပါက အလုပ်မလုပ်နိုင်ပါ။

မိုက်ခရိုကွန်ထရိုလာပေါ်တွင် အစက်အပြောက်စက်များစွာကို အတူတူ simulation ပြုလုပ်ခြင်း

မိုက်ခရိုကွန်ထရိုလာများတွင် အစက်အပြောက်စက်များစွာကို simulation ပြုလုပ်ရန်ပိုမိုရှုပ်ထွေးသည်။ Single board computer များကဲ့သို့ တစ်ချိန်တည်းတွင် အပလီကေးရှင်းများစွာကို မရောထွေးနိုင်ပါ။ အစား IoT စက်များအတွက် logic အားလုံးကို တစ်ခုတည်းသော အပလီကေးရှင်းအတွင်းတွင် ထည့်သွင်းရမည်ဖြစ်သည်။

ဤလုပ်ငန်းစဉ်ကို ပိုမိုလွယ်ကူစေရန် အကြံပြုချက်များမှာ -

IoT စက်တစ်ခုစီအတွက် class တစ်ခု (သို့မဟုတ်) အများအပြားကို ဖန်တီးပါ - ဥပမာအားဖြင့် DistanceSensor, ClassifierCamera, LEDController ဟုခေါ်သော class များ။ တစ်ခုစီတွင် မိမိ၏ setup နှင့် loop method များကို အဓိက setup နှင့် loop function များမှ ခေါ်နိုင်သည်။
Command များကို တစ်နေရာတည်းတွင် စီမံဆောင်ရွက်ပြီး လိုအပ်သလို သက်ဆိုင်ရာ device class သို့ ညွှန်းပေးပါ။
အဓိက loop function အတွင်းတွင် စက်တစ်ခုစီအတွက် timing ကို စဉ်းစားရမည်ဖြစ်သည်။ ဥပမာအားဖြင့် စက္ကန့် ၁၀ တစ်ကြိမ် process လုပ်ရမည့် device class တစ်ခုနှင့် စက္ကန့် ၁ တစ်ကြိမ် process လုပ်ရမည့် device class တစ်ခုရှိပါက အဓိက loop function တွင် စက္ကန့် ၁ အချိန်နောက်ကျမှုကို အသုံးပြုပါ။ loop တစ်ကြိမ်စီသည် စက္ကန့် ၁ တစ်ကြိမ် process လုပ်ရမည့် device အတွက် သက်ဆိုင်ရာ code ကို ခေါ်သည့်အပြင် counter ကို အသုံးပြု၍ loop တစ်ခုစီကို ရေတွက်ပြီး counter သည် ၁၀ ရောက်သောအခါ အခြား device ကို process လုပ်ပြီးနောက် counter ကို ပြန်လည် reset လုပ်ပါ။

ထုတ်လုပ်မှုအဆင့်သို့ ရွှေ့ပြောင်းခြင်း

Prototype သည် နောက်ဆုံးထုတ်လုပ်မှုစနစ်၏ အခြေခံအဖြစ် တည်ဆောက်မည်ဖြစ်သည်။ ထုတ်လုပ်မှုအဆင့်သို့ ရွှေ့ပြောင်းသည့်အခါ ကွဲပြားမှုများမှာ -

ခိုင်ခံ့သောပစ္စည်းများ - စက်ရုံအတွင်းရှိ ဆူညံသံ၊ အပူ၊ တုန်ခါမှုနှင့် ဖိအားကို ခံနိုင်ရည်ရှိသော hardware များကို အသုံးပြုခြင်း။
အတွင်းပိုင်းဆက်သွယ်မှုများကို အသုံးပြုခြင်း - အချို့သောပစ္စည်းများသည် cloud သို့ hop မလုပ်ဘဲ တိုက်ရိုက်ဆက်သွယ်ပြီး data ကို cloud တွင်သာ သိမ်းဆည်းမည်။ ဤလုပ်ငန်းစဉ်ကို စက်ရုံ၏ setup ပေါ်မူတည်၍ တိုက်ရိုက်ဆက်သွယ်မှုများဖြစ်စေ၊ gateway device ကို အသုံးပြု၍ IoT service ၏ အချို့ကို edge တွင် run လုပ်ခြင်းဖြစ်စေ။
Configuration ရွေးချယ်မှုများ - စက်ရုံနှင့် အသုံးပြုမှုအခြေအနေတိုင်းကွဲပြားနေသောကြောင့် hardware ကို configure လုပ်နိုင်ရမည်။ ဥပမာအားဖြင့် proximity sensor သည် အကွာအဝေးကွဲပြားသော အသီးများကို ရှာဖွေရန်လိုအပ်နိုင်သည်။ Classification ကို trigger လုပ်ရန်အတွက် အကွာအဝေးကို hard code မလုပ်ဘဲ cloud မှတစ်ဆင့် configure လုပ်နိုင်ရန်လိုအပ်မည်။ ဥပမာအားဖြင့် device twin ကို အသုံးပြုခြင်း။
အလိုအလျောက်အသီးဖယ်ရှားခြင်း - အသီးမစိမ်းကြောင်း LED ဖြင့် သတိပေးခြင်းအစား အလိုအလျောက်စက်များဖြင့် ဖယ်ရှားခြင်း။

✅ သုတေသနလုပ်ပါ: ထုတ်လုပ်မှုစက်များသည် developer kit များနှင့် ဘယ်လိုအခြားကွဲပြားမှုများရှိမလဲ?

🚀 စိန်ခေါ်မှု

ဤသင်ခန်းစာတွင် IoT စနစ်တစ်ခုကို အဆောက်အအုံတည်ဆောက်ရန် သိရှိရမည့် အကြောင်းအရာအချို့ကို သင်လေ့လာခဲ့ပါသည်။ ယခင် project များကို ပြန်လည်စဉ်းစားပါ။ ၎င်းတို့သည် အထက်ဖော်ပြပါ reference architecture နှင့် ဘယ်လိုကိုက်ညီမလဲ?

ယခင် project များထဲမှ တစ်ခုကို ရွေးချယ်ပြီး project များတွင် ဖော်ပြထားသောအထက်၌ ကျော်လွန်သော စွမ်းရည်များစွာကို ပေါင်းစပ်ထားသည့် ပိုမိုရှုပ်ထွေးသောဖြေရှင်းချက်တစ်ခုကို ဒီဇိုင်းဆွဲပါ။ Architecture ကို ရေးဆွဲပြီး လိုအပ်သော device များနှင့် service များအားလုံးကို စဉ်းစားပါ။

ဥပမာ - GPS နှင့် အအေးခန်းထဲရှိ ထရပ်ကား၏ အပူချိန်များ၊ အင်ဂျင်ဖွင့်/ပိတ်အချိန်များ၊ ယာဉ်မောင်း၏ အမည်ကို စောင့်ကြည့်သည့် sensor များကို ပေါင်းစပ်ထားသည့် ယာဉ်လိုင်းစောင့်ကြည့်စက်တစ်ခု။ ပါဝင်သော device များ၊ ပါဝင်သော service များ၊ ပေးပို့နေသော data များနှင့် လုံခြုံရေးနှင့် ကိုယ်ရေးအချက်အလက်ဆိုင်ရာစဉ်းစားချက်များကို ဘာများဖြစ်မည်နည်း?

Post-lecture quiz

ပြန်လည်သုံးသပ်ခြင်းနှင့် ကိုယ်တိုင်လေ့လာခြင်း

IoT architecture အကြောင်းကို Azure IoT reference architecture documentation on Microsoft docs တွင် ပိုမိုဖတ်ရှုပါ။
Device twin များကို နားလည်ပြီး အသုံးပြုခြင်းအကြောင်းကို understand and use device twins in IoT Hub documentation on Microsoft docs တွင် ဖတ်ရှုပါ။
စက်မှုလုပ်ငန်းအလိုက် စက်မှစက်ဆက်သွယ်မှု protocol ဖြစ်သည့် OPC-UA အကြောင်းကို OPC-UA page on Wikipedia တွင် ဖတ်ရှုပါ။

လုပ်ငန်းတာဝန်

Build a fruit quality detector

အကြောင်းကြားချက်:
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးစားနေသော်လည်း၊ အလိုအလျောက် ဘာသာပြန်မှုများတွင် အမှားများ သို့မဟုတ် မမှန်ကန်မှုများ ပါဝင်နိုင်သည်ကို သတိပြုပါ။ မူရင်းဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းကို အာဏာရှိသော ရင်းမြစ်အဖြစ် သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူ့ဘာသာပြန်ပညာရှင်များမှ ပရော်ဖက်ရှင်နယ် ဘာသာပြန်မှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်မှုကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော အလွဲအလွတ်များ သို့မဟုတ် အနားယူမှားမှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။

35 KiB Raw Permalink Blame History