ظهرت في الآونة الاخير ثورة في مجال استخدام اجهزة انترنت الاشياء, والتي اخذت بالتوسع لتشمل كافة مرافق الحياة والمجالات المتعلقة بحيات الانسان اليومية. كما هو الحال في تطبيقات الرعاية الصحية, التنبؤ بالطقس, والمدن الذكية , وغيرها من مجالات الحياة. يعد انترنت الاشياء من المصادر الغنية بالبيانات المتولدة من كافة اجهزة انترنت الاشياء وعلى مدار اليوم وفي الوقت الحقيقي. هذا الكم الهائل من البيانات يكون غير متجانس , وذات تدفقات مستمرة, وموزعة جغرافيا على نطاق واسع.بالتالي, هي بحاجة الى تقنيات فعالة لإدارة الموارد ,التخزين, المعالجات والتحليل. القيم المفقودة والشذوذ من العيوب التي قد يعاني منها دفق البيانات المتولد من اجهزة انترنت الاشياء والتي تؤدي الى انخفاض الدقة والموثوقية بالنظام, وبالتالي تدهور اداء النظام بصورة عامة.
معظم اجهزة انترنت الاشياء تعاني من نقص بالموارد اللازمة لمعالجة البيانات محليا قرب مصدر انتاجها. لذلك تعتبر الحوسبة السحابة والحافة من الحلول الواعدة في هذا المجال. ولكن للأسف تعاني من البعد عن مصدر انتاج البيانات , نقص في موارد اللازمة للمعالجات في الحافة , قابلية التوسع محدودة, مصادر البيانات تكون غير متجانسة, وانخفاض عرض النطاق الترددي. هذه العيوب سوف تؤدي الى مشاكل في الامان , زمن وصول عالي, استجابة بطيئة, فقدان البيانات, تحميل زائد على الشبكة.
تهدف هذه الاطروحة الى انشاء بنية تكيفية في عقد الضباب, تقوم بتجميع وحدة تحكم ذكية مع خدمات للمعالجات المسبقة ويكون لديهم اشتراك في وسيط . ومن خلال الاستفادة من مزايا الضباب في توفير الوارد وسرعة المعالجات والتخزين, يتم تحسين اداء النظام وزيادة الموثوقية بالاعتماد على مجموعة من مقاييس الاداء. في وحدة التحكم الذكية يتم استخدام مجموعة من خوارزميات التعلم الالي التي يتم دمجها لإنتاج موديلات جديد للتنبؤ بعدد الخدمات الازم نوفرها للنظام الحالي , التنبؤ بسرطان الثدي وتشخيصه (حميد او خبيث) , واخيرا يمكن للمتحكم الذكي اتخاذ القرارات في الوقت الفعلي عندما يكون هناك حمل زائد من قبل البيانات على احدي خدمات النظام بإضافة وتشغيل خدمة مساعدة للخدمة الحالية او عندما تكون عدد الخدمات اكبر من حاجة النظام , يقوم بإيقاف عمل الخدمات.
تمت التجارب العملية على ثلاث قواعد للبيانات وهي : المنزل الذكي , وبيانات مختبرات Berkley, والبيانات الطبية لتشخيص سرطان الثدي Breast Cancer. تم استخدام الدقة ومتوسط مربع الخطأ لقياس دقة وجودة النماذج المقترحة. حيث كانت الدقة في اكتشاف الشذوذ 99.44%,و 99.42% . نموذج التنبؤ بعدد الخدمات الواجب تشغيلها في النظام 0.0043 باستخدام متوسط مربع الخطأ. وفي تشخيص والتوقع بسرطان الثدي , كان دقة النموذج 99.12% كما اظهر النموذج تقليل في حجم البيانات وصل الى 68%. البنية التكيفية المقترحة , اظهرت تحسن في مقاييس الاداء من حيث تشغيل متحكم ذكي يراقب مجموعة من الخدمات ويقرر اذا م اكانت تعاني من ازدحام ام لا. التحسن كان في متوسط زمن الوصول 91.65%, زمن الاستجابة 97.34%, فقدان البيانات انخفض بمعدل 84.49%, وكانت الانتاجية 7عملية / الثانية.