學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Subject: search.filters.subject.Energy efficiency

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    提升智慧工廠情境中 LoRaWAN 網路能源效率與資料新鮮度
    (2022) 莊承勳; Chuang, Cheng-Hsun
    物聯網(IoT)的一個典型應用是智慧工廠，其中感測器節點通常會依靠電池來執行 收集工廠環境數據的任務。當裝置執行耗能的任務會使電池電量消耗快速，將造成人力更換電池的次數上升。因此，所需的物聯網裝置必須是節能的。在智慧工廠中，感測器節點在運行過程可能於傳輸路徑上會有障礙物阻擋，造成數據無法上傳。在這種情況下，將無法繼續 評估工廠的環境變化。因此，可持續性傳輸是重要的要求。在低功率廣域網路(LPWAN)技 術中，LoRaWAN 是滿足要求的最佳網路協議。本論文對 LoRaWAN 智慧工廠網路架構進行了 研究。本論文的應用場境適用於在智慧工廠中有會移動的設備，如:輸送帶或機器人。在輸 送帶或機器人上安裝一個 LoRaWAN 網關 (Gateway)，使其變成一個移動網關。透過這個移 動網關，可以縮短網關和終端設備之間的距離，從而使用終端設備可以使用最節能的傳輸參 數來上傳數據，達到節能的目的。此外，斷線的節點在幫助節點的協助下，其資料能夠持續地上傳到伺服器。本論文提出的網路架構是在 ChirpStack 上實現的，這是一個用於 LoRaWAN 的開源框架。本架構的效能已在國立臺灣師範大學(NTNU)的校園環境中得到了驗 證。實驗結果證明，所提出的網路架構可以減少終端裝置的能耗，並能實現網路的可持續 性。
  • No Thumbnail Available
    Item
    在人工智慧物聯網應用中探討能源效率和即時性使用在模型訓練上
    (2021) 梅志碩; Mei, Chih-Shuo
    神經網絡模型訓練對於特定領域的人工智慧物聯網 (AIoT) 應用是必不可少的。通常顯示卡在模型訓練期間平均可能消耗數百瓦，而搭載 GPU 的嵌入式設備在出於相同的目的可能僅消耗幾瓦，但需要更長的訓練時間。在本論文中，使用了 NVIDIA RTX 2080 Ti 顯示卡和 NVIDIA Jetson Nano 嵌入式設備進行模型訓練的實證研究。將測量到的能量消耗和訓練時間，用以比較兩個平台之間的差異。結果表明，令人驚訝的是雖然使用 Jetson Nano 的訓練時間 比使用獨立顯示卡的訓練時間慢 30 倍，但 Jetson Nano 的總能耗實際上只有一半。結果表明，當考量能源消耗的重要性大於時間性的時候，可以選擇在搭載 GPU 的嵌入式設備上進行模型 訓練以達到節省能源的效果，反之則使用配有獨立顯示卡的電腦是更佳的選擇。在這些 AI 模型訓練中，像 Nvidia Jetson Nano 這樣的配備 GPU 的嵌入式設備可能在耗能方面具有更好的性能。此外，此論文也探討了關於 AIoT 用於預測性維護的案例研究，以說明配有 GPU 的嵌入式系統在模型訓練中的優勢。在實作預測性維護的案例研究中，也使用了 NASA 提供的渦輪引擎退化模擬資料集。而案例研究結果指出在時間性上的延遲是可以被接受的情況下，配備 GPU 的嵌入式裝置是可以有效的節省能源。