pengembangan sistem multiagent pada wireless sensor network

PENGEMBANGAN SISTEM MULTIAGENT PADA WIRELESS SENSOR NETWORK

Seno Adi Putra

33213009

Sekolah Teknik Elektro dan Informatika

Institut Teknologi Bandung

Agenda

Wireless Sensor Network Sistem Multiagent Isu-Ise Perancangan Multiagent System

pada Wireless Sensor Netowork :ArsitekturMiddlewareHardwareItinerary PlanningOutlier Detection

WIRELESS SENSOR NETWORK

Agenda 1

Wireless Sensor Network Definition : perangkat embedded

kecil yang dipasang di jaringan skala besar yang memiliki kapabilitas penginderaan, komputasi, dan komunikasi [1]

Wireless sensor mengkombinasikan teknologi sensor modern, teknologi micro electronic, komputasi, teknologi komunikasi, dan pemrosesan terdistribusi [1]

[1] Krishnamachari Bhaskar. Mathematical Modeling and Algorithm for Wireless Sensor Network. Autonomous Network Research Group Department of Electrical Engineering-Systems USC Viterbi School of Engineering.

[2] Lizhong Jin, Jie Jia, Dong Chen, Fengyun Li, Zhicao Dong, Xue Feng. Research on Architecture, Cross-layer MAC Protocol for Wireless Sensor Networks . 2011 Fifth International Conference on Genetic and Evolutionary Computing. IEEE

[2]

Tipe-tipe Sensor Node

Aplikasi Wireless Sensor Network

Krishnamachari Bhaskar. Mathematical Modeling and Algorithm for Wireless Sensor Network. Autonomous

Network Research Group Department of Electrical Engineering-Systems USC Viterbi School of Engineering.

Structural monitoring Bio-habitat monitoring

Military surveillanceDisaster management

Industrial monitoring

Home/building security

SISTEM MULTIAGENTAgenda 2

Apa itu Agent ? Hal utama yang dimiliki oleh Agent

adalah OTONOM : kapabilitas melakukan aksi yang independent.

Agent adalah sistem komputer yang memiliki kapabilitas melakukan aksi yang otonom di lingkungan tertentu untuk mencapai tujuan yang didelegasikan kepadanya.

Agent melakukan close-couple atau interaksi kontinu di dalam lingkungannya :

sense–decide–act–sense–decide

Wooldridge, Michael. Introduction to MultiAgent System. John Wiley and Sons LTD. 2002

Agent dan Sistem Multiagent

Agent adalah sistem komputer yang mempunyai kemampuan untuk melakukan aksi otonom untuk mencapai obyektif yang diinginkan penggunanya.

Sistem Multiagent adalah sistem yang terdiri dari agent-agent yang berinteraski satu sama lain untuk melakukan kerja sama, koordinasi, dan negosiasi.

Tiga perilaku intelligent agent : Reactive, yaitu sistem memelihara interaksi yang sedang berjalan dengan

lingkungannya dan memberikan respon terhadap perubahan yang terjadi.

Pro-Active (goal directed behaviour) yang berarti menghasilkan dan berusaha untuk mencapai goal, tidak hanya didorong oleh event, namun punya inisiatif dan mengenali opportunity

Social , yaitu kemampuan untuk berinteraksi dengan agent-agent lainnya (dan juga mungkin manusia) melalui beberapa jenis komunikasi agent dan juga bekerja sama, koordinasi, dan negosiasi dengan agent-agent lainnya.

Agent Sebagai Intentional System

Daniel Dennett menyebutkan istilah intentional system untuk mendeskripsikan entitas-entitas yang perilakunya dapat diprediksi oleh metode pengatributan belief, desire, dan rational acumen.

Sejalan dengan sistem komputer yang semakin komplek, diperlukan abstraksi dan metafora yang lebih powerful untuk menjelaskan operasi sistem komputer – Penjelasan low level menjadi tidak praktis. Intentional stance adalah salah satu bentuk abstraksi itu.

Intentional notion adalah bentuk tool abstraksi tersebut yang memberikan kenyamanan dan cara yang familiar untuk mendeskripsikan, menjelaskan, dan memprediksi perlikau sistem komplek.

Perception Fungsi see adalah kemampuan

agent untuk melakukan observasi lingkungannya.

Fungsi action merepresentasikan proses agent mengambil keputusan

Ouput fungsi see adalah percept

yang memetakan state lingkungan ke percept, dan fungsi action menjadi :

yang memetakan urutan perceipt ke action

Agent dengan State Agent yang memelihara state memiliki struktur ata internal,

di mana biasanya digunakanuntuk merekam informasi tentang state lingkunganna dan historinya.

Angap I adalah set semua state internal sebuah agent.

Fungsi tambahan next diperkenalkan, dimana memetakan state internal dan percept ke state internal :

Fungsi action sekarang didefinisikan sebagai :

di mana memetakan antara state internal ke aksi

Fungsi next diperkenalkan sebagai :

Yang memetakan state inbternal dan percept ke state internal

Arsitektur Belief, Desire, Intention (BDI)

belief merepresentasikan informasi yang dimiliki agent terkait dengan lingkungannya.

Desire merepresentasikan tugas-tugas yang diberikan kepada agent sesuai dengan obyektif atau tujuan yang harus dicapainya.

Intention merepresentasikan desire yang agent komitmen lakukan.

Plan menentukan beberapa daftar aksi-aksi yang dapat dilakukan agent untuk mendukung intention-nya.

Empat struktur data ini dikelola oleh intrepeter agent yang bertanggung jawab dalam memperbaharui belief dari hasil observasi lingkungan, menghasilkan desire baru (pekerjaan) sebagai dasar belief baru, dan memilih beberapa set pekerjaan yang harus dilakukan sebagai intention-nya. Selanjutnya intrepeter memilih aksi yang harus dilakukan.

•

Protokol Contract Net

ISU-ISU PERANCANGAN SISTEM MULTIAGENT PADA WIRELESS SENSOR NETWORK :1. ARSITEKTUR2. MIDDLEWARE3. HARDWARE 4. ITINERARY PLANNING5. OUTLIER DETECTION

Agenda 3

ISU ARSITEKTURAgenda 3.1

Arsitektur Client-Server Paradigma client-server merupakan metode

tradisional disiminasi data di WSN kemunculan event me-trigger node-node

sumber di sekitarnya untuk mengumpulkan dan mengirim data ke sink sendiri-sendiri.

Jumlah aliran data umumnya sama dengan jumlah node-node sumber sehingga menyebabkan konsumsi bandwidht dan energi yang cukup tinggi.

Pendekatan ini menyebabkan ketidakseimbangan konsumsi energi di jaringan karena node-node yang lebih dekat dengan sink akan me-forward lebih banyak data (data dirinya maupun data yang dititipkan dari node lain)

Min Chen, Sergio Gonzalez, and Victor C. M. Leung. “Application and Design Issues For Mobile Agent in Wireless Sensor Networks”. University of British Columbia. IEEE Wireless Communication, December 2007

Arsitektur Mobile Agent Pada pendekatan berbasis Mobile

Agent : sink node mengirimkan mobile agent

ke area target untuk mengunjungi node satu per satu;

data-data sensor dikurangi dan dikumpulkan oleh agent; dan

selanjutnya sesuai dengan instruksi mobile agent, data-data tersebut dikirim kembali ke sink

pendekatan ini menghasilkan satu aliran lalu lintas data daripada multiple aliran lalu lintas data


Arsitektur Pada Jaringan Sensor Hierarki

Peran atau kapabilitas setiap node tidak sama.

Sensor disegmentasi dalam bentuk cluster sehingga metode diseminasi data terdiri dari :Intra-cluster : Setiap cluster head memberangkatkan mobile

agent yang akan mengunjungi semua anggota cluster satu per satu untuk menghimpun dan melakukan aggregasi data. Setelah mobile agent kembali ke cluster head-nya, mobile agent ini akan mengirimkan data yang sudah diaggregasi ke sink node.

Inter-cluster : Metode ini tidak melibatkan operasi mobile agent di dalam cluster , melainkan mobile agent bermigrasi diantara cluster head dan processing center.


Arsitektur Pada Jaringan Sensor Flat Mobile Agent-Based

Distributed Sensor Network (MADSN) merupakan paradigma berbasis agent pertama yang bisa diadopsi baik hierichical dan Flat WSN. Sink memberangkatkan

beberapa mobile agent untuk secara langsung mengumpulkan data di area target. Node-node sumber diasumsikan dekat dengan sink.

Metode ini menyebabkan overhead yang besar ketika mengirimkan kode-kode mobile dari sink setiap saat.Min Chen, Sergio Gonzalez, and Victor C. M. Leung. “Application and Design Issues For Mobile Agent in

Wireless Sensor Networks”. University of British Columbia. IEEE Wireless Communication, December 2007

Arsitektur Pada Jaringan Sensor Flat

Pada Mobile Agent-Based WSN (MAWSN), dimungkinkan dilakukan pengurangan redudancy informasi di level : Node. Data mentah, yang dihasilkan oleh masing-

masing node sensor, dikurangi oleh agent child. Lalu, hanya informasi relevan yang dikirim ke sink.

Agent anak. Ketika node-node saling berdekatan, maka pengukuran node-node tersebut akan menampilkan tingkat korelasi yang tinggi. Jadi, perlu dilakukan aggregasi data untuk mengurangi redudancy data sensor dari satu event tunggal ketika agent anak mengunjungi node-node sumber yang mendeteksi event tersebut.

Agent Induk. Setelah agent-agent anak kembali ke agent induk, selanjutnya agent induk mengurangi redudancy yang terjadi di data yang terkumpul oleh berbagai agent anak.


ISU MIDDLEWAREAgenda 3.2

FIPA ACL bahasa komunikasi agent yang banyak digunakan dan

dipelajari adalah ACL (Agent Communication Language)

Saat ini, the Foundation for Intelligent Physical Agents (FIPA) memulai pekerjaannya pada program standar agent —Bagian sentral yang dilakukan adalah ACL.

Basic structure is :performative;

20 performatif di FIPA.house keepingkonten

FIPA Performatif

JADE v.s Agent Factory

FIPA ACL

Agent Factory

JADE

implementsimplements

extendsextends

JADE LEAP

AFME

Java Agent Development Environtment (JADE)

Agent platform yang mengikut standar FIPA.

JADE menerapkan spesifikasi manajemen agent secara lengkap sebagaimana di definisikan oleh FIPA seperti Agent management System (AMS), Directory Facilitator (DF), Message Transport Service (MTS), Agent Communication Channel (ACC).

JADE juga menerapkan FIPA Agent Communication Stack mulai dari FIPA ACL untuk struktur pesannya, FIPA SL untuk ekspresi konten pesan, ditambah dukungan untuk interaksi FIPA dan protokol transport.

JADE juga mendefinisikan komponen-komponen di luar yang didefinisikan FIPA seperti terdistribusi, fault tolerant, arsitektur kontainer, arsitektur service internal, persistent message delivery, semantic framework, mekanisme keamanan, mobilitas agent, interaksi web service, antarmuka grafis, dan sebagainya.

JADE LEAP libraries menyediakan FIPA-compliant agent platform dengan pengurangan footprint dan diterapkan pada J2ME-CLDC MIDP 1.0

Agent Factory Agent Factory Framework adalah koleksi tools, platform, dan bahasa open source

yang mendukung pengembangan dan penerapan sistem multiagent.

Secara umum framework ini dibagi ke dalam 2 bagian besar, yaitu : dukungan untuk agent di lingkungan laptop, desktop, dan server; dan dukungan untuk agent di lingkungan perangkat yang memiliki sumber daya terbatas seperti perangkat telepon genggam dan sensor. Kedua framework tersebut saat ini bernama Agent Factory Standard Edition (AFSE), dan Agent Factory Micro Edition (AFME).

AFSE adalah modular dan extensible framework yang menyediakan dukungan konprehensif untuk pengembangan dan penerapan aplikasi berorientasi agent. AFSE mengkombinasikan FIPA-Compliant Agent Platform dengan dukungan beberapa bahasa pemrograman agent dan arsitektur-arsitektur.

AFME merupakan platform agent yang merujuk pada J2ME MIDP ringan open source dan menerapkan Agent Factory Framework yang ada. AFME ditujukan untuk sistem wireless pervasive sehingga secara spesifik AFME tidak dirancang untuk WSN. Namun, karena dukungan J2ME kepada platform sensor Sun Spot, AFME dapat diadopsi untuk pengembangan aplikasi WSN berbasis agent.

Mengapa AFME untuk WSN berbasis Sistem Multiagent ?

AFME menurut [2] merupakan agent paltform yang merujuk pada J2ME MIDP ringan open source dan menerapkan Agent Factory Framework yang ada.

AFME ditujukan untuk sistem wireless pervasive sehingga secara spesifik AFME tidak dirancang untuk WSN. Namun, karena dukungan J2ME kepada platform sensor SunSpot,

AFME dapat diadopsi untuk pengembangan aplikasi WSN berbasis agent. AFME berbasis pada pradigma Believe-Desire-Intention di mana di dalamnya agent-agent mengikuti siklus sense-decision-act.

AFME mendeskripsikan agent melalui mixed declarative/imperative programming model bernama Agent Factory Agent Programming Language (AFAPL), berbasis formalisme logik belief dan commitment. AFAPL digunakan untuk me-encode perilaku agent dengan menentukan aturan-aturan yang mendefinisikan kondisi-kondisi dimana komitmen diadopsi.

JADE LEAP merupakan framework pengembangan teknologi agent, namun berbeda dengan AFME, framework tersebut tidak reflective (kemampuan melakukan penalaran tentang dirinya) dan tidak menggunakan bahasa pemrograman abstrak yang berbasis pada teori agent rasional[2] Stefano Galzarano , Francesco Aielo, Alesio Carbone, Giancarlo Fortino. Java-Based Mobile Agent Platform for Wireless

Network Sensor. the International Multiconference on Computer Science and Information Technology pp. 165–172. 2010

Proses Kontrol AFME

Lingkungan

Perceptor

Update Belief

Identtifikasi Desire

Identtifikasi Intention

Mengelola Komitmen

Aktuator

•Conor Muldoon, Geogory M. P. O’here, Rem W. Collier, Michaerl J. O’Grady. Toward Pervasive Intteligence : Reflection on The Evolution of Agent Factory Framework. Springer Science and Business Media, LC. 2009.

Platform Lainnya[2] Stefano Galzarano , Francesco Aielo, Alesio Carbone, Giancarlo Fortino. Java-Based Mobile Agent Platform for Wireless Network Sensor. the International Multiconference on Computer Science and Information Technology pp. 165–172. 2010

Bagaimana dengan MASPOT ?

MASPOT, mobile agent system for Sun SPOT berbasis Java, menyediakan solusi terkait dengan isu kebutuhan akan reprogramming jaringan dan penghematan konsumsi energi.

Tidak seperti AFME yang hanya mendukung weak migration, MASPOT mendukung migrasi kode (strong migration)

Ramon Lopes and Flavio Assis. “MASPOT: A Mobile Agent System for Sun SPOT”. LaSiD - Distributed Systems Laboratory DCC - Department of Computer Science UFBA - Federal University of Bahia. Salvador, Brazil. Tenth International Symposium on Autonomous Decentralized Systems. 2011

ISU HARDWAREAgenda 3.3

Daftar Sensor Node

Commercial solutions from particular producers

Modules assembled by companies trying to sell software solutions

Solutions developed in research community or by groups ofenthusiasts.

Communication Module Mostly performed in unlicensed bands according to open standards

Standard: IEEE 802.15.4 - Low Rate WPAN ○ 868/915 MHz bands with transfer rates of 20 and 40 kbit/s, 2450

MHz band with a rate of 250 kbit/s ○ Technology: ZigBee, WirelessHART

Standard: ISO/IEC 18000-7 (standard for active RFID) ○ 433 MHz unlicensed spectrum with transfer rates of 200 kbit/s○ Technology: Dash7

Standard: IEEE 802.15.1 – High Rate WPAN ○ 2.40 GHz bands with transfer rates of 1-24 Mbit/s ○ Technology: Bluetooth (BT 3.0 Low Energy Mode)

Standard: IEEE 802.11x – WLAN ○ 2.4, 3.6 and 5 GHz with transfer rates 15-150 Mbit/s○ Technology: Wi-Fi

Communication Module Sometimes in licensed bands

Standard: 3GPP – WMAN, WWAN cellular communication ○ 950 MHz, 1.8 and 2.1 GHz bands with data rate ranging from 20 Kbit/s to

7.2 Mbit/s, depending on the release ○ Technology: GPRS, HSPA

Sometimes according to proprietary standards and protocols Z-Wave – for home automation

○ 900 MHz band (partly overlaps with 900 MHz cellular) with data rates of 9.6 Kbit/s or 40 Kbit/s

ANT – for sportsmen and outdoor activity monitoring, owned by Garmin ○ 2.4 GHz and 1 Mbit/s data rates

Wavenis – for M2M periodic low data rate communication ○ 868 MHz, 915 MHz, 433 MHz with data rates from 4.8 Kbits/s to 100

Kbits/s ○ most Wavenis applications communicate at 19.2 kbits/s.

MiWi, SimpliciTI, Digi xxx, …

Sensor Node : Embedded OS Comparison

Sensor Node : Virtual Machine Comparison

Sun SPOTSalah satu teknologi populer di area WSN adalah Sun SPOT (Small Programmable Object Technology). Sun Spot terdiri dari 32-bit ARM9 CPU, 512K memory, 2 Mb flash storage dan wireless networking berbasis pada ChipCon CC2420 yang mengikuti standar 802.15.4, terintergasi dengan antenna dan beroperasi pada 2.4GHz to 2.4835GHz ISM unlicensed bands. IC-nya terdiri dari 2.4GHz RF transmitter/receiver dengan digital direct sequence spread spectrum (DSSS) baseband modem dengan dukungan MAC.

Contoh Aplikasi Sun SPOT

• MAPS menurut [7] biasa diinteroperasikan dengan JADE framework. JADE-MAPS gateway telah dikembangkan untuk memungkinkan agent-agent JADE berinteraksi dengan agent-agent MAPS.

• Meskipun JADE dan MAPS menggunakan platform Java, keduanya menggunakan metode komunikasi yang berbeda. JADE mengirim pesan berdasarkan standar FIPA menggunakan spesifikasi Agent Communication Language (ACL), sedangkan MAPS membuat komunikasi pesannya sendiri berbasis event.

• JADE-MAPS gateway memfasilitasi pertukaran pesan antara agent-agent MAPS dengan JADE.

[7] Giancarlo Fortino, Stefano Galzarano, Raffaele Gravina, Antonio Guerrieri. “Agent-based Development of Wireless Sensor Network Applications”, DEIS – University of Calabria. 2010.

ISU ITINERARY PLANNING

Agenda 3.4

Itinerary Planning

Itinerari adalah rute yang dilalui selama migrasi mobile agent.

Itinerari planning mencakup dua isu yang harus diselesaikan oleh sink dan mobil agent secara otonom Pemilihan set node-node sumber yang akan dikunjungi oleh mobile agent. Penentuan urutan kunjungan ke sumber-sumber dengan mempertimbangkan efisiensi energi

Kategori Itenerary Planning : Static Planning. Agent itinerari ditentukan sepenuhnya oleh sink node sebelum agent

diberangkatkan.Pada static planning, Dispatcher menggunakan informasi network global terkini dan mendapatkan jalur agent efisien sebelum mobile agent dikirim.

Dynamic Planning. Dynamic planning memungkinkan mobile agent untuk menentukan node berikutnya untuk dikunjungi pada setiap titik pemberhentian di jalur migrasinya. Pendekatan Dynamic planning mencari sensor node yang : (1) Memiliki sisa energi yang terbesar; (2) Memerlukan konsumsi energi untuk migrasi agent; dan (3) Menyediakan informasi yang lengkap

Hybrid Planning. Pada Hybrid Planning, pemilihan set kunjungan node sumber adalah statik, sedangkan keputusan urutan kunjungan node sumber adalah dinamis. Kosep Mobile Agent-Based Directed Diffusion (MADD) :○ Jika sumber di area target mendeteksi event yang diharapkan, sumber-sumber tersebut mengirim paket-

paket eksploratoty ke sink. Berdasarkan paket-paket ini sink secara statistik memilih sumber-sumber yang akan dikunjungi oleh mobile agent, lalu mobile agent secara otonom memutuskan urutan kunjungan ke sumber.

Algoritma Solusi Itinerary Planning untuk Multiple Agent

Centre location-based multiple MA itinerary planning (CL-MIP)Chen, M., Gonzlez, S., Zhang, Y., Leung, V.C.: ‘Multi-agent itinerary planning for sensor networks’. Proc. IEEE 2009 Int. Conf. Heterogeneous Networking for Quality, Reliability, Security and Robustness (QShine 2009), Las Palmas de Gran Canaria, Spain, 2009

Direction-based Multiple MA Itinerary Planning

(Agle Gap-Based MIP, AG-MIP)Chen, M., Gonzalez, S., Leung, V.: ‘Directional source grouping for multi-agent itinerary planning in wireless sensor networks’. Proc. Int. Conf. ICT Convergence (ICTC), Jeju Isaland, Korea, 2010

Tree-based Multiple MA Itinerary Planning (Balanced Minimum Spanning Tree, BST)Chen, M., Cai, W., Gonzalez, S., Leung, V.C.: ‘Balanced itinerary planning for multiple mobile agents in wireless sensor networks’. Proc. Second Int. Conf. Ad Hoc Networks (ADHOCNETS2010), Victoria, BC, Canada, 2010

Genetic Algorithm-based Multiple MA Itinerary Planning

Cai, W., Chen, M., Hara, T., Shu, L.: ‘GA-MIP: genetic algorithm based multiple mobile agents itinerary planning in wireless sensor network’. Proc. Fifth Int. Wireless Internet Conf. (WICON), Singapore, 2010

Algoritma Solusi Itinerary Planning untuk Multiple Agent

Usulan Alternatif Teknik Metaheuristic :• Ant Colony• Simulated Aneling• Cross Entropy• Differential Evolution

Min Chen, Sergio Gonzalez, and Victor C. M. LeungUniversity of British ColumbiaIEEE Wireless Communication, December 2007

ISU OUTLIER DETECTION

Agenda 3.5

Apa itu Outlier ? Karena kondisi lingkungan yang keras dan tidak menentu, sensor node dapat

tidak berfungsi dengan baik, menghasilkan data yang tidak akurat ke base station.

Karena keterbatasan sumber daya seperti pemrosesan yang terbatas, penyimpanan data yang terbatas, bandwidth yang terbatas, dan otonomi dapat juga menyebabkan ketidakakuratan data mentah yang dibaca oleh sensor node.

Inilah dikenal dengan outlier di mana sensor node membaca data yang menyimpang dari pola data yang biasanya dibaca. Kemungkinan besar sumber outlier ini berasal dari noise, data error yang disebabkan karena kegagalan hardware, kondisi lingkungan yang tidak normal, atau serangan malicious.

“Teknik-teknik deteksi outlier sebagian besar membutuhkan kapasitas memory yang besar untuk penyimpanan data dan memerlukan konsumsi energi yang cukup besar. Selain itu teknik-teknik ini menyebabkan overhead pada komunikasi dan tidak mendukung kapabilitas komputasi terdistribusi.”Paulo Gil, Amâncio Santos, and Alberto Cardoso. “Dealing With Outliers in Wireless Sensor

Networks: An Oil Refinery Application”. IEEE transactions on control systems technology.2013

Teknik-teknik Deteksi Outlier

Dikategorikan ke dalam pendekatan : statistical-based, nearest-neighbour-based, clustering-based, classification-based, spectral-decomposition-based.

Statistical-based yang dibagi ke dalam dua metode, yaitu parametik dan non-parametrik. Kedua metode ini menitik beratkan kepada distribusi probabilitas untuk melakukan karakteristik data set atau time seri ketika melakukan evaluasi sampel data mentah secara statistik.

Metode nearest-neighbour menitik beratkan pada matrik-matrik yang meghitung jarak antara obyek-obyek atau sample-sample dengan interpretasi geometrik.

Pada teknik berbasis clustering, data set dikelompokkan ke dalam cluster yang memiliki atribut yang sama. Sebuah obyek dapat dikatakan sebagai outlier jika obyek tersebut berada di luar cluster yang ditentukan.

Metode berbasis classification menitik beratkan pada teknik machine learning yang mencoba memahami dataset yang tersedia. Kelemahan teknik ini adalah secara komputasi terlalu komplek untuk diterapkan secara real time di sensor node.

Pendekatan spectral-decomposition yang menitik beratkan pada analisis komponen-komponen dasar untuk mengidentifikasi mode-mode normal dari perilaku dataset. Pendekatan ini menghasilkan kompleksitas komputasi yang tinggi.

Pendekatan Statistika Univariate Pendekatan statistika ini dapat diterapkan

pada sensor yang melakukan penginderaan terbatas.

Pendekatan ini mengasumsikan bahwa satu variabel lingkungan diobservasi melalui pembacaan sensor dan digunakan untuk menentukan batasan threshold untuk operasi kontrol. Penyimpangan dari batasan ini akan diindikasikan sebagai oulier.

Metodologi ini biasanya diterapkan dalam bentuk grafik Shewhart control. Batas atas (Δu) dan batas bawah (Δl) pada grafik Shewhart adalah garis kritis untuk meminimasi nilai false outlier dan missed detection

Teori hipotesis statistik dapat digunakan untuk memprediksi suatu nilai false outer dan missed detection. Misalkan variabel monitoring z, yang memiliki deviasi dari titik tengahnya, ź, adalah additive error dan nilai z mengikuti distribusi Gaussian N(ź, σ2) dengan standar deviasi σ; lalu probabilitas P di mana z berada dalam interval yang ditentukan dihitung berdasarkan :

P{z < (ź - cα/2 σ)} = P{z > (ź + cα/2 σ)} = α /2P{(ź - cα/2 σ) ≤ z ≤ (ź + cα/2 σ)} = 1 – α

di mana cα/2 adalah standard normal deviation dan α adalah tingkat signifikansi dimana menentukan tingkat tradeoff antara nilai false outlier dan missed detection. Beberapa nilai yang umum digunakan pada standard normal deviation meliputi cα/2 = {1.0; 1.5; 3.0}. Pada kasus standard normal deviation cα/2 = 1.5, probabilitas P{(ź - cα/2 σ) ≤ z ≤ (ź + cα/2 σ)} adalah 86.64%

Paulo Gil, Amâncio Santos, and Alberto Cardoso. “Dealing With Outliers in Wireless Sensor Networks: An Oil Refinery Application”. IEEE transactions on control systems technology.2013

Contoh AplikasiImplementasi sistem multiagent pada sensor node pada studi kasus kilang minyak. Lingkungan di kilang minyak merupakan lingkungan yang penuh tantangan untuk komunikasi wireless. Struktur metal yang sangat tebal dan operasi mesin yang non stop menyebabkan tingkat noise yang tinggi yang dapat mengganggu kinerja WSN dan kualitas data yang terkumpul dari transmiter sehingga menghasilkan outlier.

Arsitektur sistem multiagent yang digunakan bertopologi hierarchical multiagent system (HMAS)


Contoh AplikasiOutlier direpresentasikan dengan titik berwarna merah dan berdasarkan mekanisme akomodasi yang diterapkan, titik-titik ini diganti dengan first-order prediction based pada regresi linear dari dataset yang disampling. Garis berwarna biru adalah data time seri yang dikirim ke sink.

Dari eksperimen ini disimpulkan bahwa implementasi real-time outlier detection dan accommodation framework membuktikan kelayakan dan efektifitas yang memberikan kontribusi secara meyakinkan pada perbaikan kualitas data yang dikirim ke sink


TERIMA KASIH

pengembangan sistem multiagent pada wireless sensor network

Documents