Nesnelerin İnternetinde Veri Madenciliği Data Mining on Internet of Things

Transkript

1 Nesnelerin İnternetinde Veri Madenciliği Data Mining on Internet of Things Derya Şişmanyazıcı 1, Buket Doğan 2 1 Bilgisayar Mühendisliği Bölümü, Üsküdar Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi, İstanbul, Türkiye derya.sismanyazici@uskudar.edu.tr 2 Bilgisayar Mühendisliği Bölümü, Marmara Üniversitesi Teknoloji Fakültesi, İstanbul, Türkiye buketb@marmara.edu.tr Özetçe Nesnelerin İnterneti, (Internet of Things - IoT) haberleşme protokolleri aracılığıyla nesnelerin birbirleri ile iletişimi sonucu oluşturdukları ağdır. Nesnelerin akıllanmasını sağlayan bu oluşum günümüzde ulaşımdan, sağlığa, ev ve iş yeri ortamından, kişisel alana ve engelliler için olan uygulamalara kadar birçok alanda kullanılmaktadır. Nesnelerin İnterneti ağından elde edilen verilerin üzerinde veri madenciliği tekniklerinin uygulanması ile bu teknolojiler kişilerin ihtiyaç ve alışkanlıklarına özel olarak tasarlanabilmekte ve günlük hayatın içine entegre edilerek hayat kalitesini artırabilmektedir. Bu çalışmada Nesnelerin İnterneti ve mimarisi, bu ortamda veri madenciliğinin kullanımına dair uygulamalar, Nesnelerin İnterneti ve büyük veri, Nesnelerin İnternetinin kullanım alanları literatürdeki mevcut çalışmalar ile ortaya konmaktadır. Anahtar Kelimeler Veri Madenciliği, Nesnelerin İnterneti (IoT),IoT Uygulamaları Abstract The Internet of Things (IoT) is the network of devices which are connected via communication protocols. IoT makes objects smarter and it is used in transportation, health care, home and working era and personal things and applications for disabled people. With the application of data mining techniques on the data obtained from the IoT, these technologies can be designed specifically to improve people s life quality. In this work, Internet of Things and its architecture, data mining applications on İnternet of things, big data and usage areas of Internet of Things are reviewed. Keywords Data Mining, Internet of Things, IoT Applications I. GİRİŞ IoT(Nesnelerin İnterneti) benzersiz adreslenebilir nesneler ve bunların internet benzeri ortamlarda sanal temsillerini ifade etmektedir. Bu tür nesneler veri iletimi için birer bağlantı noktası olabilmekte ve durumları ile ilgili gerçek zamanlı verilerin iletimini gerçekleştirebilmektedir[1]. Nesnelerin kapsamı sensörler, veri tabanları, diğer cihazlar veya yazılım olabilir. Sensörler kalp pilleri, GPS(Global Positioning System, Küresel Konumlama Sistemi, RFID (Radio-Frequency Identification Technology, Radyo Frekansı İle Tanımlama etiketleri) gibi bireysel tanımlama cihazları içerebilir. Sensörler genellikle belirli bir ortamla ilgili farklı bilgi özellikleri sağlamaktadır. Örneğin, RFID sensörleri saati ve konum bilgilerini gösterebilir, kalp pilleri kalp atım hızı hakkında bilgi yakalar; farklı türde sensörler bir öğenin durumunu izleyebilir. Nesneler akıllı olabilmekte, diğer nesnelerden haberdar olabilmekte ve onlarla iletişim kurmaları gerekebilmektedir. Bir nesne diğerinin yerini belirleyerek bir haberleşme başlatabilir ve ondan aldığı verileri de toplayarak bir karar verebilir. Örneğin güvenli depolama koşullarının sağlanması için içerisinde tehlikeli yanıcı kimyasal olan ve yan yana durması sakıncalı olan depolama üniteleri önceden içerikle ilgili etiketlenip haberleşmesi ile olası bir kazanın önlenmesi sağlanabilir[2]. RFID genellikle EPC(Electronic Product Codes, Elektronik Ürün Kodu) vasıtasıyla çok sayıda benzersiz tanımlanabilir nesneler izleme kabiliyeti ile Nesnelerin İnterneti için anahtar konumundadır. Ancak, her yerde hazır bulunan(ubiquitous ) sensör cihazlar, barkod veya 2D kodları da tüm büyük ölçekli gömülü sensörler ile Nesnelerin İnterneti için kullanılabilir. Ayrıca, nesneler benzersiz adreslenebilir ve internete bağlı olduklarından, onlar hakkında veri de internete bağlı diğer bilgisayarlar üzerinden akabilir. Bu nesneler çevrelerini algılayıp iletişim kurabilecek, karmaşıklığı çözümlemek için araçlar haline gelmiştir ve genellikle insan müdahalesi olmadan zorlu senaryolar ile otonom cevapları sağlayabilmektedirler [2, 3]. IoT kavramı ilk kez Kevin Ashton ın P&G firmasında bir sunumunda, her gün kullanmış olduğumuz objelere RFID ve diğer sensörleri ekleyerek Nesnelerin İnterneti oluşturulabileceğini söylemesi ile 1998 yılında tanımlandı[4]. Ancak kullanılmaya başlaması 1991 yılında yerel ağ üzerinden kahve miktarını kamera ile kontrol eden Trojan Room Coffee Pot gibi örneklerle geçmişe dayanmaktadır. [4, 5]. Araştırmacılar üst katta bulunan kahve makinasının boş olduğu zamanlarda merdiven tırmanmamak için makinayı gözleyen bir video-kamera yerleştirerek hem makinanın doluluk takibini bilgisayarlarından yapmış, hem de bugünkü Nesnelerin İnterneti nin temellerine katkıda bulunmuşlardır[6]. Nesnelerin İnterneti teknolojileri son yıllarda tarım, güvenlik, akıllı ev ve şehirler gibi pek çok alanda kullanılmaya başlanmış ve günlük hayatın içinde yer almayı

2 başarmıştır[7]. Örneğin, akıllı ev uygulamalarında, ev sahibi eve ulaştığında otomatik olarak açılan garaj kapısı, onlara kahve hazırlanması, iklim kontrol sistemleri, televizyon ve diğer aygıtların kontrol edilmesi gibi faaliyetler sağlanabilmektedir. Tarım alanında ise nem ve sıcaklık değeri ölçülerek bitkilerin yetiştirilmesinde yardımcı olabildiği gibi, ev ve iş yerlerindeki ısı ve ışığın yönetimini sağlamak, kişilerin sağlık parametrelerinin takibi gibi pek çok farklı alanda hayatımıza fayda sağlamaktadır. Bu uygulamalardan bazıları veri toplamak için kullanılırken bir kısmı ise karar verme mekanizmasında yer almaktadır[8, 9]. Gelişmekte olan bu teknolojiler ve yenilikler, hizmet uygulamaları pazar talepleri ve müşteri ihtiyaçlarıyla orantılı olarak büyümektedir. Ayrıca, cihazların her yerde ve her zaman kullanılabilirlik açısından müşteri gereksinimlerine uyacak şekilde geliştirilmesi gerekmektedir [10]. IoT donanım üreticileri, internet servis sağlayıcıları ve uygulama geliştiricileri için büyük bir pazar fırsatı sunmaktadır. IoT akıllı nesnelerinin 2020 sonuna kadar dünya genelinde 212 milyar varlığa ulaşması 2022 yılında ise makinalar arasındaki trafik akışının tüm internet trafiğinin % 45 kadarını teşkil etmesi beklenmektedir[11]. IoT tabanlı hizmetlerin ekonomik büyümesi de işletmeler için önemlidir. Sağlık ve üretim uygulamaları büyük bir ekonomik etki oluşturmaktadır. Elektronik ortamda etkin bir şekilde tıbbi, tanı, tedavi ve hizmetleri sağlayacak mobil sağlık uygulamalarla ilgili IoT tabanlı hizmetler Şekil 1 de görüldüğü gibi ekonomik olarak en büyük kısmı oluşturmaktadır. IoT hizmetlerinin bütününe bakıldığında yıllık ekonomik etkisi 2025 yılında 2.7 trilyon dolar ile 6.2 trilyon dolar arasında olacağı tahmin edilmektedir. Diğer IoT uygulamalarının öngörülen pazar payları da Şekil 1 de gösterilmektedir [12]. Şekil yılında IoT uygulamaların öngörülen pazar payları akıllı nesneler oluşacağını ve bu alandaki verinin de giderek artacağını göstermektedir. Bu nesnelerden gelen büyük veri ile onları daha akıllı hale getirmek ve insan hayatını kolaylaştıracak yeni Nesnelerin İnterneti teknolojileri üretmek için veri madenciliği fayda sağlayacak bir çalışma konusudur. Nesnelerin İnternetinden elde edilen ve üzerinde veri madenciliği uygulanacak veri karakteri şu şekilde incelenebilir [13]: 1. Okunan ve yazılan büyük miktarda veri: Elde edilen verinin terabayt, petabayt hatta zettabayt boyutuna ulaşması sebebiyle veriyi hızlı ve verimli bir şekilde işleyecek bir mekanizmaya ihtiyaç duyulmaktadır. 2. Veri tiplerinin ve veri kaynaklarının heterojen olması: Bir Nesnelerin İnterneti sisteminde ses, sıcaklık gibi farklı veri türlerinin aynı anda kullanılması durumu ile karşı karşıya kalınabilir. Bu durumda farklı cihazlar birbirleri ile iletişime geçebildikleri gibi, web sayfalarından veri almak da mümkün olmaktadır. 3. Kompleks bilginin ayıklanması: Bilginin gelen büyük verinin içerisinde gizlenmiş olması durumunda elde edilen bilgi anlaşılır olmayabilir. Bu sebeple veri özelliklerinin analiz edilmesi ve farklı verilerle arasındaki ilişkinin incelenmesine ihtiyaç duyulmaktadır. II. NESNELERİN İNTERNETİ MİMARİSİ Nesnelerin İnterneti birbirine internet ile bağlanmış küçük bir nesne grubu ile oluşabildiği gibi sayısı milyonlara ulaşan nesneleri de birbirine bağlaması mümkündür. Bu sebeple esnek bir mimariye sahip olması gerekir. Yapılan çalışmalarda en basit hali ile IoT Şekil 2(a) da görüldüğü gibi üç katmanlı olarak incelenen Nesnelerin İnterneti; algılama katmanı, ağ katmanı ve uygulama katmanından oluşmaktadır[14, 15]. Yıllar içerisinde IoT için yeni katman görüşleri belirtilmiş ve yaygın olarak Şekil 2(b) de görülen beş katmanlı mimari kullanılmaya başlanmıştır [10]. A. Nesne - Algılama Katmanı Bu katmanda sensörler ve aktüatörler tarafından farklı cihazlar aracılığı ile elde edilen sıcaklık, nem, ağırlık, hız, ivme, konum gibi bilgiler bir araya getirilir. Farklı türdeki nesneleri yapılandırmak için kullanılan tak ve çalıştır mekanizması bu katmanda kullanılır. Bu katmanda veriler sayısallaştırılarak birleştirilmesinin ardından güvenli kanallar aracılığıyla Nesne Soyutlama Katmanına iletilir. Her bir cihaz kendine özel 128-bit bir UUİD (Universally Unique Identifier ) değerine sahiptir. Bu sayede gelen verilerin kaynağı da tespit edilmiş olur. Ayrıca, Nesnelerin İnterneti tarafından oluşturulan büyük veri bu katmanda başlatılmış olur [10,15]. IoT ile ilgili öngörülen istatistikler bu endüstri ve hizmetlerin önemli gelişmeler göstereceğini ve büyüyeceğini öngörmektedir. Bu ilerleme yakın gelecekte IoT endüstrisi ve hizmetlerinde de önemli gelişmeler ile

3 E. İş Katmanı Bütün IoT sistem aktivitelerinin ve servislerinin yönetildiği katman Yönetim Katmanıdır. Uygulama Katmanından elde edilen verilerle iş modelinin oluşturulması, grafikler, tablolar bu katmanın sorumluluğundadır. Önceki dört katmanın gözlenmesi ve yönetilmesi bu katmanda yapılmaktadır. Böylece büyük veri analizi için karar verme süreçlerinin desteklenmesi sağlanır. Bu katmanda ayrıca her katmandan elde edilen verinin (output) bekleneni karşılayıp karşılamadığı kontrol edilmektedir[10, 16, 17] Üç katmanlı ve beş katmanlı mimari karşılaştırıldığında; beş katmanlı mimaride ayrıca eklenen Servis Yönetimi katmanı ve İş Katmanı ile veri madenciliği yapılacak büyük verinin işlenmesinde kolaylık sağlandığı ve yönetim katmanındaki kontrol mekanizmaları sayesinde daha sağlıklı bir Nesnelerin İnterneti sisteminin oluştuğu görülmektedir [10]. Şekil 2. Üç Katmanlı Mimari (a), Beş katmanlı Mimari (b) B. Nesne Soyutlama Katmanı Bu katmanın amacı algılama katmanından elde edilen verinin Servis Yönetimi Katmanına güvenli kanallar aracılığı ile iletilmesidir. Verinin 3G, GSM, RFID, WiFi, Bluetooth gibi teknolojilerle iletilmesinin yanı sıra, bulut bilişim ve veri yönetim süreçleri bu katmanda ele alınır. Teknolojinin gelişmesi ile özellikte mobil cihazlarda daha az batarya tüketimi sağlayan Bluetooth (Bluetooth Low Energy) ve daha hızlı iletişim sağlayan 4G teknolojilerini de bu katmanda kullanmak mümkündür [10, 15]. C. Servis Yönetimi Katmanı Bu katman servisin adres ve isim tabanlı istekler ile eşlendiği katmandır. Bir Nesnelerin İnterneti uygulamasını yazan programcı bu sayede farklı türlerdeki nesnelerle belirli donanım platformlarına ihtiyaç duymadan çalışmasına olanak sağlar. Bunun yanında bu katmanda elde edilen veriler işlenmektedir. Karar verme algoritmaları kullanılarak protokoller aracılığıyla gerekli servislere bilgi taşınır [16, 17]. D. Uygulama Katmanı Nesnenin ihtiyacını karşılamak için oluşturulan IoT sisteminin ihtiyaçlarını karşılayacak çözümlerin uygulandığı katmandır. Kullanıcı tarafından istek yapılan sıcaklık, havadaki nem miktarı gibi bilgiler bu katmanda sağlanır. Bu katmanın Nesnelerin İnterneti için önemi kullanıcı isteklerini akıllı servislere daha yüksek kalite ile sağlamasıdır. Uygulama katmanı bu şekilde akıllı evler, akıllı yapılar, taşımacılık, endüstride otomasyon, akıllı sağlık hizmetleri gibi pek çok alanda kullanılmaktadır [15, 16]. III. NESNELERİN İNTERNETİNDE BİLGİ KEŞFİ SÜRECİ İşletmeler her geçen gün sensörlerden ve çeşitli aygıtlardan gelen daha büyük ve farklı türde veri ile karşılaşmakta ve bu verileri kullanarak rekabet güçlerini artırmak amacıyla yeni ürün ve hizmet sunmak gibi yeni sorumluluklar almaktadırlar. Günümüzde büyük veri olarak da adlandırılan bu tür verileri elde etmek kolaylaşmakta iken bu veriyi saklamak, analiz etmek, gizli örüntüleri ortaya çıkarmak zorlaşmaktadır. Farklı alanlara uygulanan geleneksel veri tabanlarında bilgi keşfi sürecinin nesnelerin interneti ortamında da uygulanması ile ilginç, önceden bilinmeyen bilgilerin ortaya çıkartılması mümkündür[18]. Şekil 3 de görüldüğü gibi IoT farklı kaynaklardan gelen veya kendisi ile ilgili verileri toplamaktadır. Şekil 3. IoT Bilgi Keşfi Mimarisi

4 Önişleme aşamasında sensörler, RFID, kameralar, mobil cihazlar gibi farklı kaynaklardan, farklı türlerde gelen tüm veriler bir araya toplanır. Elde edilen veriler gürültüden arındırılarak veriyi kullanılacak veri madenciliği algoritmasına hazır hale getirmek için gerekli dönüşümler yapılır. Örneğin elde edilen veriden tüm niteliklerin değil sadece algoritma ve analizle ilgili kısımların kullanılması gerektiğinde özellik seçimi işleminin gerçekleştirilmesi gerekmektedir. Veri madenciliği adımı, veri önişleme adımı çıkışından analize hazır olan veriye uygun veri madenciliği yönteminin seçildiği aşamadır. Örüntü bulunması ve değerlendirilebilmesi için hazırlanmış olan veriye uygun gerekli algoritmalar uygulanır. Karar verme aşamasında ise veri madenciliği aşamasının çıkışından alınan algoritmaların uygulanması sonucunda elde edilen kurallar görselleştirilerek karar vermede kullanılabilecek hale getirilir ve böylece nesnelerin interneti teknolojisinden çıkarılan bilgiye ulaşılır [18-20]. IoT için yüksek performanslı bir veri madenciliği modülü geliştirmek amacıyla geçerli veri madenciliği teknolojileri ile bilgi keşfi sürecinde bu sürecin hangi problemi çözeceğine dair sorunun iyi ortaya konması, verinin iyi tanınması ve temsil edilmesi gerekmektedir. Sonrasında ise amaç en iyi performansı sağlayacak uygun veri madenciliği yöntemlerinden seçim yapılması gerekmektedir. IV. NESNELERİN İNTERNETİ VE BÜYÜK VERİ KAVRAMI Nesnelerin interneti teknolojilerinden gelen veri; veri hacmi, veri tiplerinin çeşitliliği ve veri hızı özellikleri ile büyük veri özelliklerini taşmaktadır ve veride analiz gerçekleştirebilmek için veri madenciliği süreçlerinden geçirilmesi gerekmektedir [18]. Başlangıçta; gelenekselin üzerinde büyüklük, hız ve tür özellikleri nedeniyle hacim (volume), hız(velocity) ve çeşitlilik(variety) sorunlarını içeren büyük veri için Zikopoulos ve diğerleri [21] doğruluk (Veracity ) ve değer (value) kavramlarını da katmıştır. Doğruluk kavramı içerisinde güvenirlik kavramını da almaktadır ve bu faktör açık bir şekilde istenmesine rağmen, özellikle birden fazla kaynaktan elde edilen veriler için sağlanması zordur. Büyük veri, bir işletmenin teknoloji alanına fayda sağlayacak değer potansiyeli anlamına gelir ve bu amaçla ayrı bir analizin yapılması gerekmektedir. Çünkü Büyük Veri saklanması ve analiz edilmesi, normal veri faaliyetlerinden farklı ve daha kapsamlı altyapı ve maliyet gerektirmektedir [2]. Hacim, hız, çeşitlilik gibi özelliklere sahip Nesnelerin İnterneti tarafından oluşturulan büyük veriyle ilgili tüm veri analitiği sürecinin yeniden gözden geçirilmesi gerekmektedir. Hacim açısından bakıldığında, veri analizini felce uğratabilecek ilk neden çok büyük miktardaki veridir. Geleneksel veri analizinden farklı olarak sensörlerin bulunduğu sistemlerde darboğaz oluşturabilecek esas nokta sensörün kendisinden kaynaklanan problemler değil; ona ait veriyi saklamak, işlemek ve veri iletişimini sağlamaya yönelik problemlerdir. Sensörler aracılığı ile çok fazla miktar veri toplamak mümkün hale gelmiştir, fakat bu veriyi daha üst katmanlara iletmek gerektiğinde dar boğazlar oluşabilmektedir. Buna ek olarak, hız açısından bakıldığında, gerçek zamanlı ya da akan verilere(streaming) sahip IoT sistemleri kısa sürede analiz yaparak cevap veremeyecekleri kadar büyük veriyle karşı karşıya kalmaktadır. Bu durumda bütün veriyi analiz etmek yerine sadece gerçekten analiz edilmesi gereken bölümünün belirlenmesi ve seçilmesi gerekmektedir. Çeşitlilik açısından ise farklı türde veya eksik veri içeren kısımlar ile ilgili önişleme aşamasında giriş parametreli ile veri analizine başlamadan önce veri temizleme, dönüştürme gibi işlemlerin yapılması gerekmektedir[22]. IoT teknolojilerinden gelen giriş verilerinde karmaşıklığını azaltmak, büyük veri soruyla başa çıkmak ve veri madenciliği performansını artırmak için veri örnekleme, veri sıkıştırma, boyut indirgeme, ızgara tabanlı yaklaşımlar, böl ve fethet, artan öğrenme ve dağıtık hesaplama gibi yöntemler kullanılabilmektedir [22]. Bu yöntemler veri işleme süresini azaltarak makul bir süre içinde büyük veri analizini mümkün kılmaktadır. Örneğin boyut indirgeme yöntemlerinden, temel bileşenler analizi (PCA, Principal component analysis) veri analitiği sürecini hızlandırmak için giriş veri hacmini azaltmaya yardımcı olmaktadır. Örnekleme (sampling) gibi veri kümelemede veri analizi süresini hızlandırmak için kullanılabilecek yöntemler de bulunmaktadır[23]. Büyük veri olma potansiyeli taşıyan Nesnelerin internetindeki verilerin RFID veya GPS ile izlenme gerekliliği de bulunmaktadır. Örneğin, trafik yoğunluğu bilgisinin sensörler yardımıyla alınması ve anlık bildirim yapılması, envanter bilgilerinin RFID etiketleri kullanılarak izlenmesi, hastane yönetim sistemlerinde RFID etiketleri kullanımı, park yeri bulma gibi süreçler sürekli bir izleme gerekmektedir. Bu tür verilerin sürekli izlenmesi büyük verinin sahip olduğu özellikler ile örtüşmektedir. Etiketlerden alınan ve farklı türe sahip olan gerçek zamanlı, sürekli değişen bu tür verilerin saklanması ve izlenmesi gerekmektedir. V. NESNELERİN İNTERNETİ TEKNOLOJİSİ VE VERİ MADENCİLİĞİ Nesnelerin İnterneti sayısız uygulama geliştirilmesine imkân tanır ve bu sayısız uygulamada pek çok nesnenin birbiri ile iletişimi sonucunda ortaya büyük miktarda veri çıkmaktadır. Bu verileri elde edebileceğimiz alanlar ve veri madenciliği uygulamalarını aşağıdaki gibi gruplamak mümkündür[24]: A. Ulaşım ve Lojistik Ulaşımın akıllandırılması amacıyla yollarda kullanılan sensörler ve aktüatörler aracılığı ile ulaşım aracı takibi yapılabileceği gibi araç park sistemlerinde de Nesnelerin İnterneti teknolojilerinden yararlanmak mümkün olmaktadır. Basınç sensörü, kamera gibi sensör teknolojileri bu bağlamda Nesnelerin İnterneti sisteminde kullanılarak

5 park yeri bulmada büyük fayda sağlamaktadır. Aynı zamanda Pasif kızılötesi (Passive infre-red-pir) olarak adlandırılan cisimlerin yaydığı kızılötesi ışınları takip eden sensörler de bu alanda kullanılmaktadır. Bu sensörler park yerinin iç ve dış tarafından aracın yaymış olduğu kızılötesi ışınların verisini toplamaktadır. Bu veri üzerinde sınıflandırma yöntemi uygulanarak taşıtın giriş veya çıkış yaptığı tespit edilebilir. Bu bilgi, nesnelerin interneti sistemindeki park eden araç sayısını değiştirip, bütünleşmiş bir sistem varsa SMS ve benzeri teknolojilerle bu sistemlerle kullanıcılara gerekli uyarıyı yollamaktadır [18]. B. Sağlık Sağlık hizmetleri alanında oluşturulan IoT sistemlerinin mimarisini Yuan Jie Fan ve arkadaşları temel kısım (master), nesneler (things) ve sunucu(server) olmak üzere üç başlık altında incelemişlerdir[25]. Doktorlar, hemşireler, telefon, tablet, bilgisayar gibi cihazlarla sisteme belirli erişimi bulunan kişiler temel kısım bölümünü oluşturmaktadır. IoT cihazları, hasta kişiler ve RFID ile veri alınan normal cihazlar ise nesneler kısmını oluşturur. Veri kayıtları, veri analizi, izin kontrolleri, rehabilitasyon stratejisi oluşturma, alt sistemlerin oluşturulması ve cihaz kontrol işlemleri ise sunucu bölümünde yapılmaktadır. Bu mimari ile nesneler bölümünden gelen veri ile temel kısım bölümünde veriyi etkileyen kişiler verinin üzerinde çalışmaların yapıldığı sunucu bölümüne ulaşmaktadır [25]. Özellikle giyilebilir teknolojilerin gelişmesi ile birlikte kişilerin sağlık parametrelerinin takibi kolaylaşmıştır. Bu teknolojilerle bir hastanın normal hayatındaki veriler temel alınarak, yanlış dozda veya yanlış saatte almış olduğu bir ilaç ile oluşan ani değişimler saptanarak gerekli sağlık kuruluşuna iletilmesi ile birçok hasarın önüne geçilebilir. Bu da veri madenciliğinde sıra dışı (outlier) veri analizi olarak adlandırılmaktadır. Sağlık hizmetlerinden elde edilen veriler hastalığı sezmede veya uygun ilaç tespitinde kullanılabildiği gibi yeni alanlar için de potansiyel oluşturmaktadır. Örneğin elektronik sağlık kayıtları, medikal görüntü analizi ile görüntü işleme ve analizi, biyomedikal sinyal analizi ile sinyal işleme, erken teşhis için bir arada görülmesi muhtemel hastalıklar için birliktelik kuralı madenciliği ile farklı amaçlarla veri analizi yapmak mümkündür [25, 26]. C. Akıllı Ev, Ofis Ortamı Ev ve işyerlerine yerleştirilen sensörler ve aktüatörler çeşitli yönlerden insan hayatını kolaylaştırmaya katkı sağlamaktadır. Ortam sıcaklığı kişisel tercihe, saate ve hava durumuna göre ayarlanabildiği gibi bu parametrelerden elde edilen veriler üzerinde veri madenciliği çalışılarak kişinin alışkanlıklarına göre de ayarlanması mümkün olmaktadır. Akıllı ortamlar aynı zamanda RFID etiketleriyle ilişkilendirilmiş üretim parçalarının yaygınlaşmasıyla birlikte endüstriyel tesislerin otomasyonunun geliştirilmesine de katkı sağlar. Üretim parçaları işlem noktasına geldiğinde etiket RFID okuyucu tarafından okunur. Okuyucu RFID numarası ve depolanmış diğer verilerle olayı gerçekleştirir. Makine ve robotlar bu olay tarafından uyarılır ve üretim parçalarını taşırlar. İşletme sistemi ve RFID etiketinden gelen verilerin karşılaştırılması ile, sistem bir sonraki süreç aşamasında ne yapması gerektiğini öğrenmiş olur. Paralel olarak, makine monitörlerine monte edilen kablosuz sensörler ile spesifik eşik değerinin, yani ürün parçasının daha önceden belirlenmiş standartların aşılıp aşılmadığı kontrol edilirken öte yandan aşma varsa sürecin durdurulmasını sağlar. Bu şekildeki bir uygulama üretimin kalite kontrol sürecine de bir katkı sağladığı gibi veri madenciliği ile elde edilmiş olan bir eşik değerinin nesnelerin interneti uygulamasında kullanılmasına olanak sağlamış olur [24, 27]. D. Kişisel ve Sosyal Alan İnsanların diğer bireylerle daha kolay iletişim kurmaları ve onlarla daha aktif bir şekilde etkileşim sağlaması amacıyla birçok bağlantı aracı kullanılmaktadır. Bunlardan biri olan sosyal ağlarda da Nesnelerin İnterneti kullanımı görülebilmektedir. Kişinin bulunduğu yerdeki konumunu algılayarak bu bilginin paylaşılabilmesi mümkün olabildiği gibi, bu konumlar üzerinde veri madenciliği teknikleri uygulanarak kişilere birliktelik kuralı gereğince yeni mekân önerilerde bulunulabilir. Aynı şekilde bireyler devam eden aktivitelerinin geçmişlerini veya geçmişte yapmış oldukları bir aktiviteyi merak ettiğinde Google Calendar gibi uygulamaları kullanabilirler. Google Charts API ile bir zaman dilimini kiminle nerede geçirildiğinin grafiklerine de ulaşılması mümkündür[24]. E. Engelliler İçin Nesnelerin İnterneti Nesnelerin İnterneti bireylerin günlük yaşantısına yenilikler getirebildiği gibi engelli bireylerin karşılaştıkları kısıtlamalarda da kolaylıklar sağlamaktadır. Görme engelliler için rahatlıkla alışveriş yapmasını sağlayan The Blind Navigation System (Görme Engelli Navigasyon Sistemi) alışveriş yaparken görme engellilerin yollarını bulmalarına yardımcı olmaktadır. Süpermarket hücrelere bölünerek radyo frekans etiketleri (RFID-Tag) yerleştirilir ve bu etiketler navigasyona haritalandırılır. Birey akıllı telefonunun ses ayrıştırma ve tanıma sistemini kullanarak gitmek istediği bölümü telefonunda bildirir ve Bluetooth ve WLAN teknolojileri ile kişinin gitmek istediği yere yönlendirmesi yapılır. Aynı şekilde duyma engelliler için sıcaklık sensörü ile alınan ortam sıcaklığı verisinin ulaşılan değeri geçmesi durum bilgisi bir kontrol merkezine gönderilerek engelli bireyin parlayan ışık veya titreşim ile uyarıyı görmesi sağlanır [14, 28]. Nesne tanıma alanında yapılan çalışmalarla özellikle az gören veya görme engelli bireyler için engel algılama ve sınıflandırma, nesne tanıma, görüntüden betimleme yapma gibi yardımcı hizmetlerin sunulması konusunda sınıflama yöntemleri ile daha kısa ve başarılı şekilde sonuçlar verecek yöntemler araştırılmaktadır [29, 30].

6 VI. SONUÇLAR Nesneleri İnterneti teknolojileri ulaşımda, sağlık alanında, akıllı ev ofis ortamında ve kişisel sosyal alanlarda veri madenciliği ile birlikte kullanılabilmektedir. Verinin biçim ve boyut olarak her geçen arttığı günümüz koşullarında daha hızlı ve doğru veri analizi yapacak sistemlere ihtiyaç duyulmaktadır. O nedenle bu alanda farklı çalışma modelleri ve algoritmaların güncel bir araştırma konusu olduğu görülmektedir. KAYNAKÇA [1] C. C. Aggarwal, N. Ashish, and A. Sheth, "The internet of things: A survey from the data-centric perspective," in Managing and mining sensor data, ed: Springer, 2013, pp [2] D. E. O'Leary, "BIG DATA, THE INTERNET OF THINGS AND THE INTERNET OF SIGNS," Intelligent Systems in Accounting, Finance and Management, vol. 20, pp , [3] H. Kopetz, "Internet of things," in Real-time systems, ed: Springer, 2011, pp [4] K. Ashton, "That internet of things thing," RFiD Journal, vol. 22, pp , [5] G. Santucci, "From internet of data to internet of things," in Paper for the International Conference on Future Trends of the Internet, [6] J. López-de-Armentia, D. Casado-Mansilla, and D. López-de- Ipina, "Fighting against vampire appliances through eco-aware things," in Innovative Mobile and Internet Services in Ubiquitous Computing (IMIS), 2012 Sixth International Conference on, 2012, pp [7] Q. Jing, A. V. Vasilakos, J. Wan, J. Lu, and D. Qiu, "Security of the internet of things: Perspectives and challenges," Wireless Networks, vol. 20, pp , [8] H. Sato, A. Kanai, S. Tanimoto, and T. Kobayashi, "Establishing Trust in the Emerging Era of IoT," in 2016 IEEE Symposium on Service-Oriented System Engineering (SOSE), 2016, pp [9] R. E. Mayer, Multimedia learning: Cambridge university press, [10] A. Al-Fuqaha, M. Guizani, M. Mohammadi, M. Aledhari, and M. Ayyash, "Internet of things: A survey on enabling technologies, protocols, and applications," IEEE Communications Surveys & Tutorials, vol. 17, pp , [11] (10/06/2016). Available: l_internet [12] J. Manyika, M. Chui, J. Bughin, R. Dobbs, P. Bisson, and A. Marrs, Disruptive technologies: Advances that will transform life, business, and the global economy vol. 12: McKinsey Global Institute San Francisco, CA, [13] F. Chen, P. Deng, J. Wan, D. Zhang, A. V. Vasilakos, and X. Rong, "Data mining for the internet of things: literature review and challenges," International Journal of Distributed Sensor Networks, vol. 2015, p. 12, [14] M. C. Domingo, "An overview of the Internet of Things for people with disabilities," Journal of Network and Computer Applications, vol. 35, pp , [15] Z. Yang, Y. Yue, Y. Yang, Y. Peng, X. Wang, and W. Liu, "Study and application on the architecture and key technologies for IOT," in Multimedia Technology (ICMT), 2011 International Conference on, 2011, pp [16] M. Wu, T. Lu, and F. Ling, "Research on thearchitecture of Internet of things," in Proceedings of the 3rdInternational Conference on Advanced Computer Theory andengineering (ICACTE). Washington, DC, USA: IEEE, 2010, pp. V [17] J. Gubbi, R. Buyya, S. Marusic, and M. Palaniswami, "Internet of Things (IoT): A vision, architectural elements, and future directions," Future Generation Computer Systems, vol. 29, pp , [18] C.-W. Tsai, C.-F. Lai, M.-C. Chiang, and L. T. Yang, "Data mining for internet of things: a survey," IEEE Communications Surveys & Tutorials, vol. 16, pp , [19] C.-W. Tsai, C.-F. Lai, and A. V. Vasilakos, "Future Internet of Things: open issues and challenges," Wireless Networks, vol. 20, pp , [20] J. Han, J. Pei, and M. Kamber, Data mining: concepts and techniques: Elsevier, [21] P. Zikopoulos, K. Parasuraman, T. Deutsch, J. Giles, and D. Corrigan, Harness the power of big data The IBM big data platform: McGraw Hill Professional, [22] C.-W. Tsai, C.-F. Lai, H.-C. Chao, and A. V. Vasilakos, "Big data analytics: a survey," Journal of Big Data, vol. 2, pp. 1-32, [23] G. Kollios, D. Gunopulos, N. Koudas, and S. Berchtold, "Efficient biased sampling for approximate clustering and outlier detection in large data sets," IEEE Transactions on Knowledge and Data Engineering, vol. 15, pp , [24] L. Atzori, A. Iera, and G. Morabito, "The internet of things: A survey," Computer networks, vol. 54, pp , [25] Y. J. Fan, Y. H. Yin, L. Da Xu, Y. Zeng, and F. Wu, "IoTbased smart rehabilitation system," IEEE transactions on industrial informatics, vol. 10, pp , [26] A. Ukil, S. Bandyoapdhyay, C. Puri, and A. Pal, "IoT Healthcare Analytics: The Importance of Anomaly Detection," in 2016 IEEE 30th International Conference on Advanced Information Networking and Applications (AINA), 2016, pp [27] P. Spiess, S. Karnouskos, D. Guinard, D. Savio, O. Baecker, L. M. S. De Souza, et al., "SOA-based integration of the internet of things in enterprise services," in Web Services, ICWS IEEE International Conference on, 2009, pp [28] D. López-de-Ipiña, T. Lorido, and U. López, "Indoor navigation and product recognition for blind people assisted shopping," in International Workshop on Ambient Assisted Living, 2011, pp [29] A. Krizhevsky, I. Sutskever, and G. E. Hinton, "Imagenet classification with deep convolutional neural networks," in Advances in neural information processing systems, 2012, pp [30] R. Tapu, B. Mocanu, A. Bursuc, and T. Zaharia, "A smartphone-based obstacle detection and classification system for assisting visually impaired people," in Proceedings of the IEEE International Conference on Computer Vision Workshops, 2013, pp