การคัดกรองข้อมูลสำหรับระบบเครือข่ายเซนเซอร์ขนาดใหญ่โดย STackSTorm

Data cleansing for large sensor network systems with stackstorm

Name: ทนาลักษ์ ปราณีคุณากร

ThaSH: ข้อมูล

Classification :.DDC: 621.381

ThaSH: ระบบแสดงผลข้อมูล

Abstract: งานวิจัยนี้เพื่อเสนอการใช้โปรแกรม STackSTorm (ST2) รวมกับกระบวนการคัดกรองข้อมูลก่อนถูกเพิ่มในฐานข้อมูลของระบบเครือข่ายเซนเซอร์ขนาดใหญ่ที่มีการส่งข้อมูลต่อเนื่อง ตามเวลาจริง เนื่องจากการคัดกรองข้อมูลปัจจุบันมีสองวิธี ได้แก่ การคัดกรองข้อมูลจากฐานข้อมูลก่อนนำไปใช้และการคัดกรองที่เซนเซอร์ซึ่งทั้งสองวิธีจำเป็นจะต้องใช้ทรัพยากรในการทำงาน เพิ่มขึ้น เช่น ขนาดความจุของฐานข้อมูล พลังงานที่ใช้ในการประมวลผลที่อุปกรณ์เซนเซอร์ เป็นต้น ดังนั้น ผู้วิจัยจึงนำเสนอให้ทำการคัดกรองระหว่างการเก็บข้อมูลโดยการทำงานของ STackSTorm เริ่มต้น เมื่อเกิดทริกเกอร์ตามที่กำหนด ซึ่งงานวิจัยนี้ได้ศึกษาทริกเกอร์ 3 รูปแบบ ได้แก่ ทริกเกอร์ทุกข้อมูล ทริกเกอร์ทุก 10 ข้อมูล และทริกเกอร์ทุก 10 วินาทีจากนั้น STackSTorm จะทำตามชุดคำสั่งที่กำหนดไว้ในที่นี้ คือ การคัดกรองข้อมูลที่มีความผิดพลาดมากกว่าช่วงค่าทำนายโดยวิธีการ Adams Bashforth งานวิจัยนี้ทำการศึกษาเพื่อหาอัตราการส่งข้อมูลสูงที่สุดที่สามารถคัดกรองข้อมูลได้ถูกต้องโดยไม่เกิดการสูญหายของข้อมูล (Package loss) จากการทดลอง พบว่า เวลาที่ใช้โดยรวมในการทำงานนั้นลดลงจากแบบดั้งเดิม เนื่องจากการคัดกรองนั้นทำงานไประหว่างการจัดเก็บข้อมูลลงฐานข้อมูลโดยอัตราการรับข้อมูลสูงสุดที่ระบบรับได้โดยไม่เกิดการสูญหายของข้อมูล คือ ที่ 20 ข้อมูลต่อวินาทีโดยใช้ทริกเกอร์แบบทุกค่าและแบบทุก 10 วินาที และความสามารถในการแก้ไขข้อมูลผิดปกติของทั้งสองแบบนั้น เท่ากัน นอกจากนี้ผลการทดลองยังแสดงให้เห็นว่า อัตราการเกิดข้อมูลผิดปกติไม่ส่งผลต่ออัตราการรับข้อมูลสูงสุด

Abstract: This research proposesusingSTackSTorm (ST2) with data cleansing to clean dynamic data of large sensor networksbefore recording it to the database. There are two cleansing methods, which are cleansing all data in database before using data and cleansing data at sensors. Both methods require large amount of processing resources which lead to some problems. For example, sensor runsout of memory or more energy is needed. Therefore we proposed a new method of data cleansing, cleansing while gathering the data. With this method, ST2 starts working when it is triggered. We considered 3 typesof ST triggering, triggered at every event, triggered once every 10 events and triggered at every 10 second. After ST2 triggered, ran a prediction algorithm which was a Adams Bashforth method to predict and clean the dirty data. From the experiment, we found that our method of cleansing while gathering data led to a decrease in overall processing time. Also, when three types of triggering were compared, we found that triggering at every event and triggering every 10 seconds gave better performance than triggering once every 10 events. Both types with better performance gave the same maximum data transmission rate of 20 data per second without package loss. Also, they provided the same data cleansing performance in terms of dirty data percentage. In addition, we found that the number of dirty data did not affect the maximum data transmission rate from sensor networks to database.

มหาวิทยาลัยบูรพา. สำนักหอสมุด

Address: ชลบุรี

Email: buulibrary@buu.ac.th

Name: ภาณุวัฒน์ ด่านกลาง

Role: อาจารย์ที่ปรึกษาหลัก

Created: 2562

Modified: 2564-06-18

Issued: 2564-06-18

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: ว 621.381 ท117ก

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมไฟฟ้า

Grantor: มหาวิทยาลัยบูรพา

©copyrights มหาวิทยาลัยบูรพา

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	57912245.pdf	2.22 MB	1	2025-05-08 09:10:13

ใช้เวลา

0.019576 วินาที