3-2-2- انتخاب متغیرها…………………..79

3-2-3- آماده‌سازی و پیش‌پردازش داده‌ها………………….. 80

3-2-3-1- نرمال سازی داده‌ها………………….. 81

3-2-4- تعیین تعداد بهینه خوشه‌ها………………….. 81

3-2-5- خوشه‌بندی……………………. 82

3-2-5-1- انواع خوشه‌بندی……………………. 83

3-2-5-2- خوشه‌بندی به روش K-Means……………………

3-2-5-1-1- مزایای استفاده از الگوریتم خوشه‌بندی K-Means……………………

3-2-5-1-2- محدودیت‌های الگوریتم K-Means……………………

3-2-5-2- خوشه‌بندی به روش WK-Means……………………

3-2-5-3- خوشه‌بندی به روش A-H-Means……………………

3-2-6- ارزیابی خوشه‌ها به روش مجموع مربع خطاها و انتخاب بهترین روش…… 88

3-2-7- به‌کارگیری دانش حاصل از خوشه‌بندی…………………… 90

3-3- روش‌های جمع آوری اطلاعات…………………….. 90

3-4- جمع‌بندی مطالب فصل……………………. 90

فصل چهارم…………………… 92

4-1- مقدمه…………………… 93

4-2- معرفی بانک مهر اقتصاد…………………… 93

4-3- موضوع و فعالیت بانک…………………….. 94

4-4- محاسبات تحقیق……………………. 94

4-4-1- گام انتخاب و جمع آوری متغیرهای ورودی……………………. 95

4-4-2- گام آماده‌سازی و پیش‌پردازش داده‌ها …………………..96

4-4-3-گام تعیین تعداد بهینه خوشه‌ها………………….. 97

4-4-4- گام خوشه‌بندی داده‌ها …………………..97

4-4-4-1- خوشه‌بندی به روش K-Means……………………

4-4-4-2- خوشه‌بندی به روش WK-Means……………………

4-4-4-3- خوشه‌بندی به روش A-H-Means……………………

4-4-5- ارزیابی خوشه‌ها به روش مجموع مربع خطاها و انتخاب بهترین روش…… 101

4-4-6-گام به‌کارگیری دانش حاصل از خوشه‌بندی……………………. 102

4-5- نتایج تحقیق……………………. 104

4-6- جمع‌بندی مطالب فصل……………………. 106

فصل پنجم…………………… 107

5-1- مقدمه…………………… 108

5-2- خلاصه تحقیق……………………. 108

5-3- نتیجه‌گیری……………………. 109

5-4- زمینه‌های پیشنهادی، راهکارها و پیشنهاد‌ات جهت پژوهش‌های آتی…… 110

 

منابع و مآخذ…………………… 126

چکیده:

افزایش روزافزون سطح رقابت در بازار، مدیران و تحلیل­گران سازمان­ها را وادار ساخته به دنبال راهکارهایی باشند که مزیت رقابتی را برای سازمان به ارمغان آورند. بر اساس مطالعات موجود، استفاده از دانش مشتری جهت اتخاذ استراتژی‌های لازم برای جلب رضایت مشتری می ­تواند سازمان­ها را به­سمت تحقق این هدف سوق دهد. از سوی دیگر گسترش بهره­ گیری از فناوری­های بروز در زمینه اطلاعات و ارتباطات خصوصاً در بانک­ها باعث بر جای ماندن حجم عظیمی از داده ­ها گشته که تحلیل و تصمیم ­گیری بر اساس آن­ها با روش­های معمول گزارش­گیری و روش­های آماری امکان­پذیر نمی­باشد. داده ­کاوی ابزار بروز و قدرتمندی است که در این پایان نامه جهت تحلیل داده ­ها به جهت استخراج دانش مشتری پیشنهاد می­گردد.

هدف از این تحقیق با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با بهره گرفتن از تکنیک­های داده‌کاوی»، بخش‌بندی مشتریان بانک مهر اقتصاد، باهدف کشف ویژگی‌های رفتاری مشابه، برای کمک به مدیران این بانک جهت تسهیل اتخاذ استراتژی‌های متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان و نهایتاً سودآوری برای این بانک می­­باشد. داده‌های خام مورد نیاز جهت این مطالعه از پایگاه داده‌های بانک مهر اقتصاد استخراج شده است.

فصل اول: مقدمه و کلیات تحقیق

1-1- مقدمه

در سال­های اخیر دانش[1] به عنوان منبعی ارزشمند در کنار منابعی چون کار، زمین، سرمایه قرار گرفت و به عنوان موتور تولیدکننده درآمد و یک دارایی مهم و راهبُردی برای سازمان شناخته شد. از طرفی به دلیل وجود رقابت شدید در بین کسب و کارهای امروزی از جمله صنعت بانکداری، مشتری و توجه به جایگاه او و ارتباط با او اهمیت ویژه­ای یافته است. بنابراین مبحث بسیار مهم مدیریت دانش مشتری[2] مطرح گردید که امروزه مطالعات بسیار زیادی را به خود اختصاص داده است. مدیریت دانش مشتری با بهره گرفتن از راهکارهای مختلف مدیریت دانش نظیر روش‌های داده‌کاوی[3] زمینه بسیار خوبی را جهت استفاده مفید از گنجینه گران‌بهای دانش مشتری فراهم می­آورد.

از سوی دیگر در عصر حاضر بهره­ گیری از فناوری­های نوین اطلاعات و ارتباطات در عرصه­های مختلف کسب­وکار به امری گریزناپذیر مبدل گشته است. به طور خاص صنعت بانکداری از جمله صنایعی است که به‌کارگیری فناوری­های روز دنیا در این صنعت می ­تواند مزیت رقابتی انکارناپذیری را برای آن ایجاد نماید. بنابراین این صنعت نیز از بهره­ گیری از بروزترین فناوری­ها مستثنا نبوده و مواردی مانند بانکداری الکترونیک، سیستم‌های یکپارچه بانکداری[4]، دستگاه­های خودپرداز، کارت­های اعتباری، پایانه ­های خرید الکترونیک و… از مصادیق این امر می­باشد.

ورود فناوری­های جدید به سازمان سبب افزایش چشمگیر سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از داده‌ها گشته است. از آنجا که این داده‌ها اغلب حجیم و وسیع می­باشند، معمولاً به صورت خام قابل‌استفاده نیستند، بلکه دانش موجود در آن­ها باید استخراج گردد. با این وجود که ارزش این داده‌ها بر کسی پوشیده نیست، حجم بسیار بالای داده‌های ارزشمند موجود، تحلیل و بهره­ گیری از آن­ها را به امری چالش‌برانگیز مبدل ساخته است. چرا که تحلیل به واسطه روش‌های گزارش گیری سنتی در این مقیاس امکان­پذیر نیست و روش‌های آماری موجود نیز از ظرفیت کافی جهت تحلیل این داده‌ها برخوردار نمی­باشند. بنابراین باید به دنبال راهکاری بود که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامع­تر با نتایج دقیق­تر و درصد خطای پایین­تر را ممکن سازد. این مسئله گواهی بر لزوم به‌کارگیری روش‌های نوین تحلیل داده‌ها جهت حصول دانش، نظیر روش داده‌کاوی خواهد بود.

دانش قابل توجهی که در زمان استفاده از خدمت یا مصرف کالا توسط مشتری، بین مشتری و سازمان تبادل می­شود، به عنوان منبعی مهم برای سازمان شناخته می­شود و کسب و بهره ­برداری از آن به یک مزیت رقابتی در سازمان­ها تبدیل شده است.

مدیریت دانش مشتری دربردارنده فرایندهایی­ست که با شناسایی و اکتساب اطلاعات مشتری و نیز ایجاد و بهره ­برداری از دانش مشتریان، مربوط است [9]. چنین اطلاعاتی در ماورای محدوده­های خارجی سازمان قرار دارند و دانشی که از آن­ها استخراج می­شود موجب ایجاد ارزش برای سازمان و مشتریان آن خواهد شد [32]. در این تحقیق مسئولیت کشف دانش بر عهده الگوریتم‌های داده‌کاوی خواهد بود. در ادامه از این دانش به عنوان راهنما در مسیر اتخاذ استراتژی‌های سازمان، بهره ­گیری می­شود.

1-2- تعریف مسئله

بااهمیت یافتن مشتری در عرصه پرتلاطم رقابت میان کسب­وکارهای مباحثی همچون مدیریت دانش مشتری و مدیریت ارتباط با مشتری مطالعات و تحقیقات فراوانی را به خود اختصاص داده­اند.

مدیریت دانش، كسب دانش درست، برای افراد مناسب، در زمان صحیح و مکان مناسب است، به گونه‌ای که آنان بتوانند برای دستیابی به هدف‌های سازمان، بهترین استفاده را از دانش ببرند.

در تعریفی دیگر مدیریت دانش فرایند كشف، كسب، توسعه و ایجاد، تسهیم، نگهداری، ارزیابی و به‌کارگیری دانش مناسب در زمان مناسب توسط فرد مناسب در سازمان، که از طریق ایجاد پیوند مناسب بین منابع انسانی، فناوری اطلاعات و ایجاد ساختاری مناسب برای دستیابی به اهداف سازمانی صورت می‌پذیرد، تعریف شده است.

مدیریت ارتباط با مشتری[5] از جمله راهکارهایی است که در سال­های اخیر با افزایش روزافزون سطح رقابت در بازار به عنوان سلاحی ارزشمند در جهت افزایش وفاداری مشتری و جلب رضایت او و با هدف به ارمغان آوردن مزیت رقابتی بالاتر برای سازمان، از سوی سازمان­ها بکار گرفته شده است. امروزه بیشتر روش‌های مدیریت ارتباط با مشتری مبتنی بر فناوری اطلاعات می­باشند و مسلماً برای رسیدن به مدیریت مؤثر ارتباط با مشتری ناگزیر از مدیریت دانش مشتری خواهیم بود.

مدیریت ارتباط با مشتری در برگیرنده مجموعه ­ای از فرایندهاست که سازمان­ها را قادر می­سازد تا از استراتژی­های كسب­وكار در جهت ایجاد روابط بلندمدت و سودآور با مشتریان خاص پشتیبانی نمایند [46].

در حقیقت CRM یک فناوری پیشرفته در جهت دستیابی به قله­های اطلاعات مشتری است [G] و شركت­ها از آن به عنوان ابزاری در جهت افزایش رضایتمندی مشتری استفاده می­كنند. مدیریت ارتباط با مشتری به عنوان فعالیتی جهت گسترش و نگاه‌داری مشتریان سازمان­ها به طور گسترده­ای مورد توجه قرار گرفته است و ابزارهای آن افزایش رضایت مشتری و وفاداری اوست. همچنین مدیریت دانش KM همچون مدیریت روابط با مشتری بر جمع آوری منابعی تأكید دارد كه از فعالیت­های تجاری در جهت رسیدن به توانایی رقابت‌پذیری حمایت می­كند [37] برای بهبود روابط با مشتری، خدمات‌رسانی به روشی كه مورد دلخواه اوست، ضروری است. از این رو به مدیریت دانش مشتری احتیاج است [17].

امروزه حجم بالای پایگاه­های داده و پراکندگی و عدم به‌کارگیری راهکارهای مناسب جهت تحلیل این داده‌ها مطالعه و تصمیم ­گیری بهینه پیرامون ارتباط با مشتریان را با مشکل مواجه نموده است.

به طور ویژه بانک­ها سازمان­هایی هستند که با مشتریان تعامل مستقیم دارند و عنصر مشتری در این سازمان­ها اهمیت ویژه­ای دارد. بدیهی است جهت پیشرو بودن در عرصه رقابت توجه به جایگاه مشتری و اختصاص خدمات ویژه با تشخیص نیازمندی­های آن‌ها و ارائه خدمات درست به آن­ها محقق خواهد شد. تحلیل منابع باارزش داده­ای در رابطه با مشتریان کنونی بانک­ها و مشتریان بالقوه و… مقدمه­ای جهت تحقق این مهم خواهد بود.

با ورود فناوری­های جدید به سازمان­ها و افزایش سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از داده‌ها و دشواری استفاده از این حجم وسیع،

این مطلب را هم بخوانید :

 

 معمولاً امکان استفاده از این داده‌ها به صورت خام وجود ندارد، بلکه دانش موجود در آن­ها باید استخراج گردد. همچنین تحلیل این داده‌ها به واسطه روش‌های گزارش گیری سنتی در این مقیاس امکان­پذیر نیست و روش‌های آماری موجود نیز از ظرفیت کافی جهت تحلیل این داده‌ها برخوردار نمی­باشند. داده‌کاوی راهکاری است که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامع­تر با نتایج دقیق­تر و درصد خطای پایین­تر را ممکن سازد.

داده‌ها[6] کمیت‌های عددی یا خصیصه‌ای هستند که در نتیجه مشاهده یا آزمایش حاصل شده‌اند. داده‌های دسته‌بندی شده اطلاعات[7] را تشکیل می‌دهند. اطلاعات از ترتیب، تركیب و شبكه شدن دانش را ایجاد می­نماید. دانش، اطلاعات سازمان‌یافته، تحلیل یافته و یا تلخیص شده برای افزایش درک، آگاهی یا تشخیص می‌باشد.

داده‌کاوی ابزاری بروز، قدرتمند و وسیع است که می ­تواند جهت تحلیل حجم عظیم داده بکار گرفته شود. داده‌کاوی به بهره­ گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزار با کاوش در بین داده‌های موجود و استخراج الگوها و روابط موجود در پایگاه داده‌ها، موجب تسهیل مطالعات و اتخاذ تصمیمات خواهد شد. همچنین به کمک امکانات موجود در این ابزار می­توان حجم داده‌ها را کاهش داد و داده‌های اضافی را حذف نمود. استفاده از روش‌های مختلف داده‌کاوی می ­تواند جهت کشف دانش و الگوهای موجود در حجم عظیم داده‌ها (برای مثال به طور خاص داده‌های جمعیت شناختی مشتریان بانک نظیر جنسیت، سن، وضعیت تأهل، تحصیلات، شغل و غیره، یا داده‌های مربوط به تراکنش­های مالی مشتریان و یا سرویس­های ارائه شده توسط بانک) استفاده شود. این الگوها می­توانند از سوی مدیران جهت اتخاذ تصمیمات مقتضی در ارتباط با مشتری، چگونگی برخورد با شرایط متفاوت کسب­وکار، ارائه خدمات خاص و غیره بکار گرفته شود.

تعاریف متفاوتی از داده‌کاوی وجود دارد ولی تعریفی كه در اكثر مراجع به اشتراك ذكر شده عبارت است از «استخراج اطلاعات و دانش و كشف الگوهای پنهان از پایگاه داده‌های بسیار بزرگ و پیچیده.» داده‌کاوی یک متدولوژی بسیار قوی و با پتانسیل بالا می‌باشد كه به سازمان‌ها كمك می‌کند كه بر مهم‌ترین اطلاعات از مخزن داده‌های خود تمركز نمایند [52].

داده‌کاوی را می­توان به عنوان ابزاری جهت کشف دانش از پایگاه­های داده تعریف نمود. داده‌کاوی یک گام در فرایند کشف دانش از پایگاه داده[8] است که با بهره گرفتن از الگوریتم‌های کشف و تحلیل داده‌ها تعداد خاصی الگو یا مدل را از روی داده‌ها تولید می­ کند.

یک الگو زمانی می ­تواند به عنوان دانش تلقی شود که :

1. به سادگی برای افراد قابل فهم باشد.
2. اعتبار آن از یک حد آستانه­ای[9] پایین­تر نباشد.
3. دانش جدیدی متناسب با اهداف تعیین‌شده سازمان ارائه دهد.
4. کاربردی باشد. [1]

امروزه کاربردهای مختلفی برای داده‌کاوی در صنعت بانکداری شناخته شده است.

شهرابی و همکاران در [1] کاربردهایی نظیر مدیریت ارتباط با مشتریان از طریق بخش‌بندی آن­ها و استخراج قواعد رفتاری آن­ها جهت هدایت فعالیت‌های بازاریابی بانک، مدل‌سازی پاسخ بازار به تصمیمات کلان بانک

1-3 مقدمه…………………….. 54

2-3 نهان نگاری تصویر دیجیتال با موجک های چندگانه…………………….. 54

3-3 تبدیل موجک چندگانه تصویر…………………….. 55

4-3 انتخاب مکان مناسب برای درج نهان نگار…………………….. 56

5-3 الگوریتم جاگذاری نهان نگار…………………….. 57

6-3 الگوریتم آشکار سازی نهان نگار…………………….. 58

7-3 نتایج……………………… 59

فصل چهارم…………………….. 60

 

1-4 مقدمه…………………….. 61

2-4 کیفیت تصویر نهان نگاری شده…………………….. 61

3-4 استحکام نهان نگار…………………….. 62

4-4 بررسی استحکام تصویر در برابر حملات رایج……….. 62

5-4 مقایسه سیستم نهان نگاری پیشنهادی با روش ها قبل…….. 63

6-4 نتیجه گیری……………………… 64

فصل پنجم……………………… 65

1-5   خلاصه تحقیق……………………… 66

2-5 پیشنهاداتی برای تحقیقات آینده…………………….. 67

منابع و مآخذ……………………… 68

Abstract…………………….

چکیده:

با رشد سریع اینترنت و پیشرفت در ارتباطات دیجیتال و تکنیک های فشرده سازی ، محتوای رسانه های دیجیتال ، از قبیل موسیقی ، فیلم و تصویر می تواند بطور آنی توسط کاربران نهایی در اینترنت منتشر شود . داده های دیجیتال در برابر نمونه آنالوگ آن برتری های بسیاری دارد . یکی از مشکلات احتمالی در کنترل داد های

این مطلب را هم بخوانید :

 

 دیجیتالی این است که این داده ها می توانند بدون افت کیفیت تغییر داده شده و به راحتی تکثیر شوند . بنابراین بدون حفاظت و مدیریت حق مالکیت دیجیتال ،محتوای مورد نظر می تواند به راحتی و در حجم وسیعی تکثیر شود .این کار ضرر بسیار بزرگی را به شرکت هایی که در زمینه تولید محتوی دیجیتال فعالیت می کنند وارد می نماید.

نهان نگاری دیجیتال یکی از تکنیک های نوظهور می باشد که اطلاعات حق مالکیت را به طور مستقیم در درون محتوی رسانه دیجیتال به طور دائم جاگذاری می کند .از اطلاعات جاگذاری به عنوان نهان نگار تعبیر می شود . به طور ایده ال نباید هیچ تفاوتی بین داده نهان نگاری شده و داده اصلی وجود داشته باشد ، و نهان نگار باید به راحتی قابل استخراج بوده و در برابر عملیات رایج پردازش سیگنال   مقاومت یا استحکام مناسب داشته باشد.

4-12-2چارچوبی برای امنیت اینترنت اشیا ………………66

5-12-2 معماری امنیت برمبنای معماری چهار لایه اینترنت اشیا ………………67

13-2کاربرد تکنولوژی های فناوری اینترنت اشیا در صنعت نفت و گاز……… 68

1-13-2کاربردشبکه های حسگر بیسیم درصنعت نفت وگاز و پتروشیمی…….. 68

2-13-2 كاربردRFIDدرصنعت نفت وگاز و پتروشیمی……………….. 71

3-13-2کاربرد نانوتکنولوژی در اینترنت اشیا صنایع نفت و گاز………………. 76

4-13-2مزایای استفاده از اینترنت اشیا در صنایع نفت و گاز………………. 77

14-2نتیجه گیری……………….. 77

فصل سوم: طراحی وضعیت امن برای بکار گیری اینترنت اشیا……………… 78

1-3مقدمه………………. 79

2-3 مدل پیشنهادی……………….. 79

1-2-3پیش شرط ها……………… 81

1-1-2-3الزامات امنیتی……………….. 81

2-1-2-3تعیین قلمرو و محدودیت های محیطی……………….. 81

3-1-2-3تعیین اهداف راهبردها و سیاست های امنیتی……………….. 81

4-1-2-3شناسایی اولویت های امنیتی……………….. 82

5-1-2-3تعیین هزینه امنیتی……………….. 82

2-2-3برنامه ریزی و ایجاد طرح……………….82

1-2-2-3 بررسی برنامه ریزی استراتژیک………………… 82

2-2-2-3 بررسی برنامه ریزی فناوری اطلاعات……………….. 83

3-2-2-3الزامات و ساختار های موجود………………. 83

4-2-2-3مطالعه زنجیره ارزش و تامین……………….. 83

5-2-2-3طرح ریزی برای ساختار اینترنت اشیا و تعیین نقش اینترنت اشیا….. 83

3-2-3تفکیک سازی نقش ها و ساختار………………. 83

4-2-3پیاده سازی و اجرا……………… 84

5-2-3مدیریت امنیت……………….. 86

6-2-3 مکانیزم ها و روش های ارزیابی امنیت……………….. 86

 

3-3نتیجه گیری……………….. 86

فصل چهارم : تجزیه و تحلیل داده ها ،ارزیابی مدل پیشنهادی…….. 87

1- 4 مقدمه………………. 88

2-4مطالعه موردی……………….. 88

1-2-4جمع بندی مطاله موردی……………….. 100

3-4ارزیابی مقایسه ای……………….. 100

1-3-4ابزار مورد استفاده ………………101

2-3-4تعیین هدف و معیارها……………… 101

3-3-4تحلیل نتایج……………….. 104

4-4ارزیابی به وسیله پرسش نامه………………. 105

1-4-4روش پژوهش و جمع آوری داده ها……………… 105

2-4-4روایی و پایایی پرسشنامه………………. 105

3-4-4روش آلفای کرونباخ………………. 106

4-4-4آنالیز و تجزیه و تحلیل داده ها ………………108

5-4نتیجه گیری……………….. 123

فصل پنجم: نتیجه گیری……………….. 124

1-5 خلاصه تحقیق………………. 125

2-5محدودیت های تحقیق………………. 126

3-5 پیشنهاداتی برای تحقیقات آینده……………… 127

منابع و مآخذ………………. 128

پیوست……………….. 134

چکیده:

صنعت نفت و گاز به عنوان یکی از مهمترین صنایع می باشد که لزوم استفاده از فناوری های جدید در جهت افزایش اثرات مطلوب این صنعت، با تامین ایمنی همه

این مطلب را هم بخوانید :

 

 جانبه کارکنان و تجهیزات و تاسیسات ،به صفر رساندن حوادث و آسیب ها از طریق حذف شرایط ناایمن ،ارتقا سلامت افراد و حفاظت از محیط زیست به عنوان سرمایه بشری می باشد .

اینترنت اشیا یکی از مجموعه فناوری های نوین می باشد که می تواند در فرایند های اکتشاف و تولید ،پالایشگاه ها ،پترو شیمی ،خط لوله ،حمل و نقل و توزیع استفاده شود.استفاده از این فناوری در صنعت نفت و گاز باعث افزایش امنیت کارکنان ،شناسایی مسایل بهداشتی و ایمنی ،بهینه سازی تولید ،تحمل خطا و کاهش هزینه های عملیاتی می شود.

با توجه به اهمیت کاربرد این فناوری در صنایع نفت و گاز نیازمند استفاده از مدلی هستیم که به واسطه استفاده از آن بتوانیم در حد قابل قبولی از امنیت، بکار گیری فناوری اینترنت اشیا را در سطح این صنایع مهم داشته باشیم به دین منظور به شناسایی فناوری اینترنت اشیا و تکنولوژی های مورد استفاده آن می پردازیم سپس در طی مراحل تحقیق برای ارائه مدل امن دستاوردهای مطالعات و پژوهش هایی را كه به منظور ارائه چارچوبی مناسب جهت تدوین معماری اینترنت اشیا است، عرضه می گردد. بدین ترتیب كه ابتدا مطالعات گسترده ای بر مبانی نظری انجام ودر ادامه به بررسی چند چارچوب معماری و معماری امنیت در اینترنت اشیا پرداخته میشود كه از بین آنها چارچوب معماری امن سه لایه را انتخا ب و بامولفه های ، الزامات ساختار عملیات در صنعت نفت و گاز باز تعر یف كرده و با در نظر گرفتن عوامل خارجی اثر گذار بر امنیت چارچوبی جدید در بکارگیری امن اینترنت اشیا در صنعت نفت و گاز ارائه خواهیم داد و در انتها به ارزیابی مدل پیشنهادی می پردازیم.

فصل اول: مقدمه و کلیات پژوهش

1-1- مقدمه

در اواخر قرن بیستم با گسترش فناوری های هوشمند ،توسعه شبکه های ارتباطی و اینترنت ،توسعه شبکه های حسگر و سنسورها تلاش ها ومطالعات گسترده ای برای استفاده از این دسته فناوری ها به منظور ارائه راه حل های برای بهبود زندگی انسان ها شروع شد.]5,6[

یکی از کاربرد های مهم این فناوری ها ارتباط با اشیا و کسب اطلاعات از طریق این اشیا بود این پارادایم اولین بار توسط کلوین اشتون در سال 1998 در یک سخرانی ارائه شد در واقع راه حل هایی ارائه گردید که با بکارگیری آنها از طریق اینترنت در هرزمان و در هر كجا با هر شی ارتباط برقرار كرد و شناسایی آنها در شبكه، همچنین دستیابی به اطلاعات محیطی و وضعیت آن شكلهای جدیدی از ارتباط میان افراد و اشیاء و حتی بین خود اشیاء فراهم گردید وباعث معرفی اینترنت اشیاء شد كه علاوه بر افراد و اطلاعات، حاوی اشیاء نیز می شدند]7[ تعریف اشیا با توجه به پروژه های تحقیقاتی اروپا بر روی اینترنت اشیابه صورت زیر بیان شده است :اشیا عبارتند از تمامی شرکت کنندگان فعال در کسب و کار، اطلاعات وفرایندها که قادر به تعامل و ارتباط در میان خود و با محیط اطراف بوده وبه تبادل داده ها و اطلاعات در محیط های احساس می پردازند ، همچنین امکان واکنش به حوادث دنیای واقعی ، فیزیکی را دارند اشیا نقش مؤثر بر فرایندهای در حال اجرا دارند   و همچنین امکان ایجاد اقدامات و خدمات با یا بدون دخالت مستقیم انسان را نیز دارا می

 

 

 

این مطلب را هم بخوانید :

 

 

فهرست مطالب

 

این مطلب را هم بخوانید :