- تلفن تماس: 021-47627001
بهبود اثر بخشی سیستم هوش تجاری
هوش تجاری یک اصطلاح در مدیریت کسب وکار است که براي توصیف برنامه هاي کاربردي و فناوري هایی به کار میرود که به منظور تجمیع، ایجاد دسترسی و تحلیل داده و اطلاعات سازمان جهت کمک به اتخاذ تصمیمات بهتر تجاري استفاده میشوند. در گذشته، سیستم هاي هوش تجاری با تمرکز روي back-end طراحی می شدند، اما امروزه، معماري‌هاي هوش تجاری به سمت برنامه هاي کاربردي تحلیلی سازمانی و به صورت چند لایه ايِ توزیع شده رفته اند. معماري هاي سنتی هوش تجاری کاستی هایی داشتند، از جمله مارت هاي داده غیریکپارچه مستقل براي منابع داده جداگانه و وجود فرآیندهاي خصوصی، غیر باز و انعطاف ناپذیر ETL که موجب سختی کار براي استفاده مجدد، به اشتراك گذاشتن، اتصال سست میشوند. بنابراین با ترکیب سرویس گرایی و رایانش خودمختار درصدد حل این مشکلات برآمدیم.
امروزه، سازمان ها براي بقا در عرصه رقابتی و پاسخ به نیازهاي متغییر، ناگزیر به بهره‌گیري از روش‌هاي جدید در مدیریت کسب وکار هستند. یکی از این روش ها هوش تجاری است،که براي توصیف برنامه هاي کاربردي و تکنولوژي هایی به کار میرود و به منظور تجمیع، ایجاد دسترسی و تحلیل داده و اطلاعات سازمان جهت کمک به اتخاذ تصمیمات بهتر تجاري استفاده میشود.
هوش تجاری سنتی براي سازمانهاي کوچک و متوسط ریسک پذیر، پرهزینه است زیرا سازمانهاي کوچک و متوسط قادر به تحمل هزینه ها و پیچیدگی زیاد هوش تجاری نیستند و نمیتوانند نرخ بازگشت سرمایه را تضمین کنند، اما برنامه هاي کاربردي با استفاده از سرویس هایی که ارائه میدهند تا حدودي بر این چالش ها فائق می آیند.
در این مقاله سعی داریم با ارائه معماري سرویس‌گراي تطبیق پذیر بهبودي را در حوزه هوش تجاری در معماري سرویسگرا ایجاد نماییم. در بخش2 به تشریح مفاهیم اصلی هوش تجاری و بررسی معماري مفهومی آن پرداخته شده است. در بخش 3 مختصري درباره سرویسگرایی ذکر شده و در بخش 4 ساختار معماري سرویس گراي هوش تجاری بیان شده است. بخش 5 مقدمه اي را در رابطه با رایانش خودمختار مطرح کرده و در ادامه بخش6 معماري پیشنهادي براي هوش تجاری سرویس گراي تطبیق پذیر را ارائه داده است. در نهایت، مقاله را با بخش نتیجه گیري، به پایان می رسانیم.
هوش تجاری در قالب پردازش تحلیلی برخط به تحلیل داده هاي تجاري و اتخاذ تصمیمات دقیق و هوشمند می پردازد. در واقع، هوش تجاری یک محصول یا سیستم نیست، بلکه به عنوان یک معماري و رویکردي جدید موردنظر است که البته، مجموعه اي از برنامه هاي کاربردي و تحلیلی را در برمی گیرد و به استناد پایگاه داده هاي عملیاتی و تحلیلی به اخذ و کمک به تصمیم گیري براي فعالیت هاي هوشمند تجاري و کسب وکارمی پردازد.
اهداف اصلی هوش تجاری را میتوان به صورت زیر خلاصه کرد :
1. ارائه یک نسخه واحد از حقیقت در کل سازمان
2. ساده سازي پیاده سازي، استقرار و مدیریت سیستم
3. ارائه دانش راهبردي، فنی و عملیاتی به همراه بینش عملی
هوش تجاری سه دسته از فناوري ها یعنی انبار داده، ابزار تحلیل و ابزار گزارش گیري را شامل میشود. انبار داده، داده را از منابع مختلف شامل پایگاه داده و متن‌هاي غیرساخت یافته جمع آوري و براي تحلیل بیشتر یکپارچه می کند. ابزار تحلیل، داده ها را تحلیل و دید را استنتاج می نماید. ابزار گزارش گیري، خروجی موردنظر را براي مصرف کننده اطلاعات تولید میکند.
وظیفه اصلی هوش تجاري، استخراج هوشمندانه اطلاعات از داده، یکپارچگی، ترکیب و تحلیل چند بعدي داده هایی است که از منابع مختلف جمع آوري شده اند و اطلاعات به روز، معتبر و کافی از فعالیت هاي کسب وکار با فرمت هاي مختلف براي تصمیم گیري بهتر را در اختیار مدیران قرارمی دهند.
فرآیند تصمیم گیري هوش تجاری و تبدیل داده به تصمیم گیري از سه مرحله اصلی تشکیل شده است: فرآیند استخراج، تبدیل و بارگذاري (ETL)، فرآیند پردازش تحلیلی برخط و فرآیند داده کاوي.
در فرآیند استخراج، تبدیل و بارگذاري، زمانی که داده ها از منابع و سکوهاي مختلف یکجا جمع میشوند، در اغلب مواقع ناسازگاري هایی را از خود به نمایش می گذارند. به منظور کاهش این ناسازگاري ها، از قوانین محاسباتی، خلاصه بندي و استخراج، تبدیل و بارگذاري در سیستم هوش تجاری استفاده میشود تا سکوهاي مختلف را به یک فرمت استاندارد تبدیل کنند. فرآیند استخراج، تبدیل و بارگذاري دادهها با قالب بندي، ادغام و تمیز کردن داده ها آغاز می شود و در طی این فرایند، داده ها به اطلاعات تبدیل می شوند.
از آنجا که در برنامه هاي کاربردي هوش تجاری تمرکز روي اطلاعات است، دیدگاه اصلی براي پشتیبانی از معماري هوش تجاری نیز دید اطلاعات خواهد بود. از این نقطه نظر، متداول ترین پارادایم ها عبارت خواهند بود از :
شکل – 1 لایه بندی معماری برای هوش تجاری
در محیط هاي ناهمگون امروزي که بسیاري از سیستم ها و حوزه هاي متنوع، بخش هاي مختلفی از داده هاي ضروري را نگه می دارند، سخت ترین چالش ها در دستیابی به اهداف ذکر شده در بالا، ارائه اطلاعات مؤثر و یکپارچگی فناوري است.
سیستم هاي هوش تجاری نیازمند ارائه اطلاعات درست، به مصرف کننده واقعی، در زمان مناسب هستند. از آنجا که اطلاعات، این پتانسیل را دارندکه از منابع مختلف و غیریکپارچه متعددي دریافت شوند، باید قبل از تحویل به مشتري نهایی، پردازش شود. در هر سیستم هوش تجاري، جریان هاي داده ايِ زیادي وجود دارد. انواع این جریان هاي داده در شکل 2 نشان داده شده است.
شکل – 2 جریان داده براي سیستم هوش تجاري
در بیشتر محیط هاي هوش تجاری که تاکنون مستقر شده اند، میتوان سیستم هاي هوش تجاری(stovepipe) چندگانه را در سراسر بخش هاي سازمانی و واحدهاي تجاري، یافت. این سیستم هاي هوش تجاری غیریکپارچه، منجر به افزونگی زیاد مؤلفه ها، اطلاعات ناسازگار، مالکیت هاي متفاوت و غیره خواهند شد، که خود موجب افزایش هزینه توسعه و مانع دستیابی به یک نسخه واحد از حقیقت در کل سازمان میشوند.
براي اینکه هوش تجاری بتواند آنچه را که مورد نیاز است در زمان وعده داده شده، با تأخیر صفر و پردازش با حلقه بسته تحویل دهد، فناوري ها و تکنیک هایی ظهور یافته و یا معرفی شده است. یکی از روش ها براي چنین تکاملی، انتقال از معماري سنتی هوش تجاری به معماري سرویسگرا است.
حدود دو دهه از معرفی مفهوم معماري سرویسگرا (SOA) به عنوان یک استراتژي مقرون به صرفه و انعطـاف پـذیر کـه بـراي سـاخت سیسـتم هـاي اطلاعاتی استفاده مـیشـود، مـی گـذرد. انگیـزه اصـلی از توسـعه معمـاري سرویسگرا مقابله با چالشهاي پیشروي توسعه و پیاده سازي سیستم هاي اطلاعاتی بوده است. از مهمترین این اهداف میتوان به بهبود سطح استفاده مجدد و انعطاف پذیري مؤلفه هاي نرم افزاري، انعطاف پذیري فناوري اطلاعات در پاسخ به تغییـرات مـداوم، استانداردسـازي و یکپارچـه سـازي سـکوها و زیرساختهاي فناوري اطلاعـات و بهبـود تعامـل پـذیري اشـاره نمـود تعاریف متفاوتی از معماري سرویسگـرا مطـرح شـده اسـت کـه در ادامـه تعدادي از آنها را بررسی خواهیم کرد.
از نگاه گروه OASIS معماري سرویسگرا الگویی است جهت سـازماندهی و بهره گیري از قابلیت هاي توزیع شده که میتواند تحت کنترل دامنه هاي مختلف باشد. این معماري تعـاریف یکنـواختی را بـراي ارائـه، کشـف، برقراري ارتباط و استفاده از ویژگی ها و به منظور ایجاد تغییرات مطـابق بـا انتظارات و پیش شرط هاي قابل اندازه گیري مهیا می کند.
بر اساس گفته توماس ارل، SOA معماري ترکیبی چالاك، توسعه پذیر و فدرال است که سرویس هاي قابل استفاده مجـدد، قابـل کشـف، تعـاملی و مستقل را در قالب وب سرویس ارائه می دهد. این معماري یک دید انتزاعـی از منطق کسب وکار و فناوري است که به ارتباط سست بین ایـن حـوزه هـا می انجامد. همچنین، SOA را میتوان تکامل سیستم عاملهاي گذشـته بـا حفظ ویژگی هاي موفق معماري هاي پیشین و شامل اصولی مجزا دانست که از جانب سازمان هاي سرویسگرا پشتیبانی میشود.
تعریف IBM از معماري سـرویسگـرا عبـارت اسـت از رهیـافتی بـراي ساخت سیستم هـاي توزیـع شـده کـه کارکردهـاي نـرم افـزاري را در قالـب سرویسهاي مستقل و قابل استفاده مجدد ارائه میکنـد. ایـن سـرویس هـا توسط دیگر نرم افزارها قابل فراخوانی هستند و براي سـاخت سـرویس هـاي جدید نیز استفاده میشوند. رهیافت مورد نظر براي یکپارچه سازي فناوري ها در محیطی که انواع مختلفی از سکوهاي نرم افزاري و سخت افزاري در آن وجود دارد، ایده آل است. در جدول 1 مقایسه بین معماري سرویسگرا با رهیافت هاي گذشته آورده شده است :
|
رﻫﯿﺎﻓﺖﻫﺎي ﮔﺬﺷﺘﻪ |
ﻣﻌﻤﺎري ﺳﺮوﯾﺲﮔﺮا |
|
ﻫﺰﯾﻨﻪ ارﺗﺒﺎﻃﯽ ﺑﺎﻻ |
ارﺗﺒﺎﻃﺎت ارزش آﻓﺮﯾﻦ |
|
ﻣﺒﺘﻨﯽ ﺑﺮ داده |
ﻣﺒﺘﻨﯽ ﺑﺮ ﻓﺮآﯾﻨﺪ |
|
ﺳﺎﺧﺖ ﺑﺮاي ﺑﻘﺎ |
ﺳﺎﺧﺖ ﺑﺮاي ﺗﻐﯿﯿﺮ |
|
ﺗﻮﻟﯿﺪ ﯾﮏﻣﺮﺗﺒﻪ |
ﺗﻮﺳﻌﻪ ﺗﺪرﯾﺠﯽ |
|
ﻧﺮم اﻓﺰارﻫﺎي ﺗﻌﺎﻣﻞﻧﺎﭘﺬﯾﺮ |
ﻓﺪراﺳﯿﻮن ﻧﺮم اﻓﺰارﻫﺎ |
|
ﺗﮏ ﺳﮑﻮ |
ﻣﺴﺘﻘﻞ از ﺳﮑﻮ |
|
اﺗﺼﺎل ﻣﺤﮑﻢ |
اﺗﺼﺎل ﺳﺴﺖ |
جدول 1- مقایسه معماري سرویسگرا با رهیافت هاي گذشته
در حقیقت SOA یکی از راه حل هاي اصلی براي کاهش اتصال در بـین ماژول هاي نرم افزاري موجود در سیسـتم هـاي اطلاعـاتی و افـزایش قـدرت پاسخگویی به نیازهاي متغیر تکامل یافته اسـت. لازم بـه ذکـر اسـت SOA کمک زیادي در زمینه توسعه و مدیریت برنامه هاي کاربردي سیسـتم هـاي اطلاعاتی و همچنین یکپارچه سازي فناوري هاي پیچیده ارائه میدهد .
انگیزه اصلی از ایجاد SOA نیاز به افزایش انعطاف پذیري و سرعت در قبال نیاز به تغییر در سازماندهی و به تبع آن تغییر در ساختار است. لازم به ذکر است، با وجود آنکه نیاز به تغییرات سـریع و مـداوم بسـیار بـالا اسـت، امـا ممکن است براي این تغییرات موانع فنی و سازمانی ایجاد شود. در حقیقت، امکان دارد ایجاد زیرساخت هاي مورد نیاز بسیار زمان گیرتر از آن باشد کـه نیاز فعلی را مرتفع سازد و یا به منابعی بیش از آنچه میتوان فـراهم نمـود، نیاز داشته باشد و هزینه هاي سنگینی را بر سازمان تحمیل کنـد. بنـابراین، براي رسیدن به هدف انعطاف پذیري و سرعت، لازم اسـت زیرسـاخت هـاي فنی و کاري را طوري بسازیم که حداکثر انعطاف ممکن را تضـمین نمایـد. معماري سرویسگرا با بهره گیري از یک معماري مناسب، رسـیدن بـه ایـن هدف را ممکن می سازد.
اولین گام براي طراحی معماري سرویس گرا در سیستم هوش تجاري، شکستن مؤلفه هاي سیستم به مؤلفه هاي سرویسگرا با قابلیت استفاده مجدد است که قادر باشند از طریق پروتکل هاي پیام رسانی استاندارد مبتنی بر WS-* ، XML و SOAPارتباط برقرار کنند. یک نمونه از معماري سرویسگرا براي سیستم هوش تجاری را در شکل 3 می بینید.
شکل 3 – معماري سرویسگرا براي سیستم هوش تجاري
یکی از بخش هاي مهم و ضروري در چنین معماري، منبع داده هاي گزارش گیري (RDS) یکپارچه و متمرکز است. یک RDS دربرگیرنده داده هاي پیشین، فعلی و آتی است. تعدادي مؤلفه سرویس، ساخته شده است تا داده ها را از منابع داده به RDS منتقل کنند. به منظور دستیابی به پردازشِ حلقه بسته و مشارکتی، یک سرویس اشتراکی بلادرنگ نیاز است تا امکان همگام سازي بلادرنگ وجود داشته باشد. دیگر سرویس هاي مشتق شده مثل تصویربرداري سرویس ، انتقال سرویس و استخراج سرویس براي اطمینان از سازگاري اطلاعات، مورد استفاده قرار میگیرند. به طور کلی RDS قادر نیست تمام داده ها را براي به اشتراك گذاشتن بین مؤلفه هاي مختلف ذخیره کند. در این بین لازم است باتوجه به اینکه چه مقدار داده بلادرنگ براي برنامه هاي کاربردي مورد نیاز است، و تبادلات ETL چه اندازه پیچیده است، مصالحه شود.
وجود اتصال محکم سیستم ETL با رویه هاي ETL اختصاصی در هرمؤلفه، قابلیت استفاده مجدد و نگهداري ندارد. نسخه سرویسگرایی که در اینجا مطرح شده است، فرآیندهاي ETL را به ماژول هاي عمومی کوچک می شکند. طراحی به صورت مبتنی بر پارامتر است و متاداده به منظور فراهم نمودن توابع خاص در لایه هاي سرویس ETL ایجاد میشود. مزایاي این طراحی زمانی ملموس تر میشود که سیستم رشد کرده و پیچیده تر شود و بر نیازمندي هاي برنامه هاي کاربردي یکپارچه شده افزوده شود. این نوع طراحی، قابلیت استفاده مجدد سرویس، انعطاف پذیري و مقیاس پذیري بیشتري براي فرآیندهاي ETL به ارمغان خواهد آورد.
پیاده سازي ماژول هاي هوش تجاری با استفاده از پارادایم انتشاري-اشتراکی xبراي گزارش دادن، به برنامه هاي کاربردي تصمیم گیري، سرعت بخشیده و آنها را ساده تر میکند. به این صورت که محتواي RDS منتشر میشود، این محتوا از طریق واسط و پروتکل سرویس هاي استاندارد وب براي سایر مؤلفه ها و رویه ها قابل دسترس است که نتیجه آن کارآمد کردن RDS به طور کامل در محیط سازمانی سرویسگرا خواهد بود.
یکی از ایده هاي جدید براي فائق آمدن بر پیچیدگی، رایانش خودمختار است. این راه حل پیشنهاد می کند که بسیاري از مسئولیت هاي مدیر به خود سیستم تخصیص داده شود. در واقع، رایانش خودمختار سیستمی ایجاد میکند که تحت راهنمایی سیاست هاي سطح بالا، خودمدیریت است. علاوه بر این، چیزي که IBM به عنوان مشخصه ي خودمختاري تعریف کرده است، مدیریت به صورت پویا توسط قوانین و سیاست هاي حرفه میباشد این فرض وجود دارد که خودمختار بودن عملیات سیستم، به کاهش هزینه هاي عملیاتی، افزایش کارایی و حتی ظهور وظیفه مندي هاي جدید کمک میکند. سیستم هاي خودمختار داراي پنج سطح بلوغ هستند که عبارتند از: پایه، مدیریت شده، پیشگویانه، تطبیقی و خودمختار. هر چه از سطح پایه به سمت سطح خودمختار حرکت میکنیم، سیستم از دستی بودن به خودکار بودن سوق پیدا میکند.
شکل 5- لایه ETL بهبود یافته
سیستم هاي خودتطبیق با استفاده از نمونه هاي ورودي که به طورمطمئن طبقه بندي شده اند و در زمان عملیات در دسترس هستند، خود را با محیط متغیر تطبیق میدهند و قادرند بدون اینکه هرگونه درخواست تعاملی از کاربر داشته باشند، خود را با توجه به تغییر شرایط داخلی یا بیرونی مطابقت دهند. در سطح بلوغ ارائه شده توسط IBM که میزان خودکارسازي اعمال را نشان میدهد، خودمختاري یک سطح بالاتر از خودتطبیقی قرار گرفته است.
براي دستیابی به محاسبات خودمختار،IBM یک مدل مرجع براي چرخه هاي کنترل خودمختاري معرفی کرده است، که اغلب چرخه MAPE-K نامیده میشود. این چرخه در شکل زیر نشان داده شده است. در این بخش، به معرفی چرخه MAPE-K همراه با جزئیات بیشتر خواهیم پرداخت.
چرخه MAPE-K مشابه و الهام گرفته از مدل عامل عمومی است که توسط راسل و همکارش براي یک عامل هوشمند ارائه شده بود، که محیط خود را بر اساس حسگرها درك میکرد و باتوجه به این درك، عملیاتی را انجام می داد. مؤلفه خودمختار متشکل از مؤلفه مدیریت شده و مدیر خودمختاري است. مؤلفه مدیریت شده نشان دهنده هر منبع نرم افزاري یا سخت افزاري است که رفتار خودمختاري را از طریق جفت شدن با یک مدیر خودمختاري از خود بروز می دهد. حسگر، ابزاري براي جمع آوري اطلاعات مرتبط با مؤلفه مدیریت شده است. عملگر نیز تغییرات را براي مؤلفه مدیریت شده اعمال میکند. این تغییرات می توانند در حد حذف یا اضافه کردن یک خوشه سرویس دهنده وب، درشت دانه و یا در حد تغییر در پارامترهاي پیکربندي، ریزدانه باشند.
مدیر خودمختاري نیز یک مؤلفه نرم افزاري است که توسط مدیران و با استفاده از اهداف سطح بالا پیکربندي شده است
شکل -4 چرخه‌ي خودتطبیقی موسوم به MAPE-K
مدیر خودمختار دربرگیرنده پنج عنصر نظارت (پایش)، تحلیل، برنامه ریزي، اجرا و مخزن دانش است. نظارت، امکان خودآگاهی و نمایان ساختن محیط بیرونی را فراهم میکند. سپس عنصر تحلیل، تصمیم گیري خودمختار را براي تطبیق اهداف سیستم انجام میدهد. عناصر برنامه ریزي و اجرا نیز زمانی که وضعیت سیستم از اهداف تعیین شده منحرف شود، عملیات تطبیقی را انجام میدهند. عملیات انجام شده توسط این چهار عنصر به وسیله یک مخزن دانش پشتیبانی می شود.
همانطور که در بخش هاي قبل دیدم، توانستیم با استفاده از معماري سرویسگرا، کارایی سیستم هوش تجاری خود را بهبود دهیم. با این وجود، اگر منبع سرویس ها ایستا باشد و قادر به تطبیق خود با تغییرات و بهبود سرویس هاي توسعه یافته نباشد، در عمل به انعطاف پذیري مدنظر دست نخواهیم یافت. در این معماري، پایگاه دانش امکان ذخیره سازي پروفایل هاي سرویس ها را فراهم می کند و به این ترتیب، نام و تعریف سرویس، نوع سرویس، ترتیب اجراي سرویس هاي اتمیک در سرویسهاي ترکیبی، مکان، زمان و چگونگی دسترسی به سرویس را در خود ذخیره می نماید.
در رایانش خودمختار، چرخه ي خودمختاري به صورت زیر اجرا میشود:
مرحله نظارت: بر فعالیت فراهم کنندگان سرویس نظارت میکند و سرویس هاي جدید یا بهروزشده را پایش مینماید.
مرحله تحلیل: مدیر خودمختار، سرویسهاي جدید را تحلیل می کند و بر اساس معیارهاي از پیش طراحی شده و همچنین، اطلاعات مربوط به سرویس‌هایی که در پایگاه دانش قرار دارند، نتایج تحلیل را به مرحله بعد گزارش میدهد. در واقع در این مرحله، ابتدا مشخصات سرویسهاي وارد شده تعین می‌گردد و سپس، براساس اطلاعات موجود، سرویسهاي مشابه از پایگاه داده بازیابی میشود و عملیات مقایسه انجام میشود.
مرحله طرح ریزي: در این مرحله، نتایج تحلیل، بررسی میشود و در صورتی که سرویس تازه وارد از جنبه هاي مختلف نسبت به سرویسهاي موجود برتري داشت، طرح جایگزینی آن تدوین میشود. لازم به ذکر است اگر در مرحله قبل، سرویس مشابهی پیدا نشده باشد، در این مرحله، طرحی ایجاد میشود که سرویس موردنظر به پایگاه دانش و ETL مؤلفه هاي سرویس اضافه گردد.
مرحله اجرا: در این مرحله مدیر خودمختار، طرح ایجاد شده را براي اضافه کردن سرویس به پایگاه دانش، اجرا میکند. در واقع، دستیابی به سرویس از طریق عامل Broker انجام میشود و در صورت نیاز، سرویسهاي اتمیک، ترکیب و سرویسهاي ترکیبی، تجزیه میشوند و سرویس موردنظربه ETL افزوده می‌گردد.
در این مقاله، یک معماري سرویس‌گراي هوش تجاری که با استفاده از رایانش خودمختار، غنی شده است را به منظور بهبود اثربخشی هوش تجاري، معرفی کردیم. امروزه، در بازار رقابتی، سرویسهاي مختلفی عرضه میشود. موضوعی که در اینجا مطرح میشود، این است که آیا سرویس جدید نسبت به سرویسهاي مشابه، برتري دارد یا خیر. یکی از مهمترین ویژگی‌هاي معماري ارائه شده، این است که در چنین حالتی، در صورت بهینه بودن نسبت به سرویسهاي مشابه، عمل جایگزینی صورت می‌گیرد و در نتیجه، سرویس دهی بهبود داده میشود.
در عین حال، در این معماري به علت اضافه شدن چرخه خودتطبیق پذیري، دخالت عامل انسانی کاهش می‌یابد. با این وجود، براي استفاده از مدل در محیط توزیع شده به دلیل پیچیدگی بالاي موجود، بررسی هاي جامع تري نیاز است که در محدوده این تحقیق نمی گنجد. به دلیل جدید بودن ماهیت رایانش خودمختار، امکان تحقیقات گسترده اي در زمینه ارزیابی کاربرد این سیستم ها در زمینه هاي مختلف وجود دارد.