Open Source IoT Platform ที่น่าสนใจ

IoT Platform คือ ระบบตัวกลางในการเชื่อมต่อ อุปกรณ์ IoT ต่างๆ เพื่อ การเก็บข้อมูล การวิเคราะห์ข้อมูล และการแสดงผลข้อมูลแบบกราฟฟิก (Dashboard) รวมถึงการจัดการอุปกรณ์ IoT ที่มีจำนวนมาก (Device Management) 


มาดู Open Source IoT Platform  ที่น่าสนใจกัน




Zetta https://www.zettajs.org/
  • แพลตฟอร์ม server-based ที่สร้างขึ้นบน Node.js
  • สามารถแปลง device เป็น API และพัฒนาให้อุปกรณ์สื่อสารกันผ่าน reactive programming และ Siren hypermedia optimized สำหรับ big data จึงสามารถนำไปประยุกต์เป็น data-intensive real time application ได้
  • มี virtualization tool สำหรับตัวระบบและอุปกรณ์ด้วย

Source Code https://github.com/zettajs/zetta





OpenRemote  https://openremote.io/

  • middleware ที่เน้นในการพัฒนาโซลูชั่น smart home และ home automation
  • สามารถทำงานร่วมกับอุปกรณ์และ network spec ได้หลายชนิด
  • มีเครื่องมือออกแบบ UI บน cloud
  • มี step by step guide ในการติดตั้ง ออกแบบ ไปจนถึงสร้างแอปพลิเคชันบนเว็บไซต์ให้สำหรับนักพัฒนามือใหม่

Source Code https://github.com/openremote/openremote




ThingsBoard  https://thingsboard.io/


Source Code https://github.com/thingsboard/thingsboard





Thinger https://thinger.io/


Source Code https://github.com/thinger-io





ThingSpeak https://thingspeak.com/

  • แพลตฟอร์ม IoT ที่มีประวัติยาวนานและมีความ reliable สูงตามอายุ
  • เน้นใช้งานในการแจ้งเตือน การติดตามตำแหน่ง และการ log เซ็นเซอร์ แต่ก็สามารถใช้งานในรูปแบบอื่นๆได้

Source Code https://github.com/iobridge/thingspeak




Particle https://www.particle.io/


Source Code https://github.com/particle-iot

SiteWhere https://sitewhere.io/

  • ถูกออกแบบมาเพื่อย่นระยะเวลาในการพัฒนา product ออกสู่ตลาด
  • สามารถนำไป deploy บน cloud platform ใดก็ได้ รวมถึง private cloud ด้วย
  • แพลตฟอร์ม SiteWhere เคยได้รับการทดสอบจากเวนเดอร์อย่าง Hortonworks และ Cloudera
  • สามารถสเกลขยายขนาดได้มาก จึงนำไปใช้งานกับระบบ big data ได้

Source Code https://github.com/sitewhere/sitewhere



DeviceHive https://devicehive.com/

  • framework สำหรับการสื่อสารแบบ machine to machine (M2M)
  • ทำงานผ่าน API บน cloud ซึ่งสามารถควบคุมแบบ remote ได้ตลอด
  • สามารถนำไปใช้ในแอปพลิเคชันด้านความปลอดภัย, smart home, เซ็นเซอร์, automation และอื่นๆอีกมากมาย
  • มีชุมชนนักพัฒนาที่มีความเคลื่อนไหวตลอดเวลาและพร้อมให้การ support

Source Code https://github.com/devicehive

ข้อดี ของ Open Source IoT Platform


ช่วยลดเวลาการพัฒนา ( Velocity of innovation )

ระบบที่เป็น Open Source ผู้พัฒนาได้ทำระบบเริ่มให้แล้ว ออกแบบ เตรียมเครื่องมือต่างๆ ไว้ให้ เพื่อสามารถเอาไป ต่อยอด ประยุกต์การใช้งานได้ทันที


หาคนมาดูแล แก้ไข พัฒนา ระบบได้ง่ายกว่า ( No Log-in )

ถ้าเป็นระบบงาน ที่ทำขึ้นโดยไม่ Open Source ข้อมูลการจัดทำต่างๆ รวมถึง Source Code นั้นถูกเก็บไว้กับผู้จัดทำ 

ดังนั้น ถ้าต้องการจะแก้ไข พัฒนา ก็ต้องขึ้นอยู่กับผู้จัดทำ ซึ่งจะหาคนมาดูแล พัฒนาเองก็ไม่สามารถทำได้


มีชุมชนของการพัฒนา ( Deveoper Community )

เมื่อเป็น Open Source ก็จะมีคนที่ช่วยเหลือกัน ในการแก้ปัญหาต่างๆ ในการรายงานปัญหา หรือ บักต่างๆ รวมถึง คนที่เก่งๆ ก็แก้ไขปัญหา หรือ บัก ให้ด้วย



Reference 

https://www.techtalkthai.com/10-opensource-software-tool-for-iot-by-cbr/


https://techbeacon.com/app-dev-testing/67-open-source-tools-resources-iot



มาร่วมกันพัฒนาระบบ IoT

ผู้ที่ต้องการทำระบบ IoT อย่างเช่น Smart Home , Smart Farm หรือด้านอื่นๆ
มาร่วมมือพัฒนาเทคโนโลยีร่วมกัน 
สร้างสังคมแห่งเรียนรู้แบ่งบัน เพื่อพัฒนาธุรกิจ ความเป็นอยู่ให้ดีขึ้น
ผู้ที่สนใจ มาร่วมมือกันได้ครับ



อดุลย์ นันทะแก้ว 081-6452400
LINE : adunnan




ความคิดเห็น

แสดงความคิดเห็น

โพสต์ยอดนิยมจากบล็อกนี้

OpenThaiGPT 1.0.0 7B beta GPTQ 4 bit

รูปภาพ
OpenThaiGPT 1.0.0 7B beta GPTQ 4 bit ทดสอบ การใช้งาน Model แบบ GPTQ แบบ 4 bit GPTQ-for-LLaMA 4 bits quantization of  LLaMA  using  GPTQ GPTQ is SOTA one-shot weight quantization method This code is based on  GPTQ There is a  pytorch branch  that allows you to use  groupsize  and  act-order  together. Original Model ( FP16 ) https://huggingface.co/Adun/openthaigpt-1.0.0-beta-7b-ckpt-hf GPTQ 4 bit Model https://huggingface.co/Adun/openthaigpt-1.0.0-7b-chat-beta-gptq-4bit Demo Code Text generation web UI A Gradio web UI for Large Language Models. Setting Parameters Test on  Hardware CPU : Intel i9-7900 3.3GHz GPU : NVIDIA RTX-2060 6GB Software OS  : Ubuntu 20.04.6 LTS Youtube Demo ChatBot Q&A Run Demo code    Reference GPTQ-for-LLaMa  https://github.com/amphancm/GPTQ-for-LLaMa OpenThaiGPT  https://openthaigpt.aieat.or.th/
อ่านเพิ่มเติม

OpenThaiGPT 1.0.0 70B Demo on Colab

รูปภาพ
OpenThaiGPT 1.0.0 70B Demo on Colab OpenThaiGPT 7b, 13b, 70b Version 1.0.0 is an advanced 7, 13, 70-billion-parameter Thai language chat model based on LLaMA v2 released on April 8, 2024. It has been specifically fine-tuned for Thai instructions and enhanced by incorporating over 10,000 of the most commonly used Thai words into the large language model's (LLM) dictionary, significantly boosting its response speed. Highlights Leading-edge Thai language LLM , setting new benchmarks by achieving the highest average scores across several Thai language exams when compared to all other open-source Thai LLMs. The First 70b Thai opensource LLM , achieving the higher Thai exams than OpenAI GPT 3.5, Google Gemini, and Claude 3 Haiku. Support for extended conversations across multiple turns. Support the use case of Retrieval Augmented Generation (RAG) for enriched response generation. Generation speeds increased by tenfold , thanks to the addition of 10,000 frequently used Thai words to th
อ่านเพิ่มเติม

Demo OpenThaiGPT 1.0.0-beta on Colab

รูปภาพ
Demo OpenThaiGPT 1.0.0-beta on Colab Colab code on official Website https://colab.research.google.com/drive/1NkmAJHItpqu34Tur9wCFc97A6JzKR8xo ถ้าใช้  model ตาม original colab code ที่ OpenThaiGPT Website  Model นี้จะใช้ RAM ถึง 22.6 GB เพราะเป็น model FP32 และ ต้อง Run เป็น  NVIDIA A100 GPU ไม่สามารถ run บน NVIDIA T4 GPU ที่มี ram แค่ 16GB ได้ ดังนั้น จึงต้อง convert model เป็น FP16    Convert Model to FP16 ผมได้ convert model OpenThaiGPT เป็น แบบ FP16 เพื่อสามารถ run บน NVIDIA T4 GPU ได้ ( และ เอา Base Model + LoRa adaptor แล้ว ที่ code เลยไม่ต้องมี lora_weights อีก) แล้ว upload ที่ Hugging face ตามนี้ https://huggingface.co/Adun/openthaigpt-1.0.0-beta-7b-ckpt-hf และ แก้ไข code ตามนี้ ก็สามารถ run บน NVIDIA T4 ได้ ถ้าใช้ mode 8 bit ก็จะใช้ RAM ประมาณ 8 GB Run Demo  Run Demo with Gradio สรุป การใช้ RAM แต่ละ  Quantization Model  Reference OpenThaiGPT https://openthaigpt.aieat.or.th/ Colab Code  https://colab.research.google.com/drive/1NkmAJHItpqu34Tur9wCFc97A6JzKR8xo Facebook LLaMA 7B
อ่านเพิ่มเติม