Search

IoT systems operate in a traditional cloud-connected architecture. The data generated on IoT devices is transferred to the cloud, stored there, and then processed, trying to extract meaningful information. However, in this preferred structure, the disadvantages of being constantly dependent on the cloud are quite high. While transferring each piece of information raw to the cloud increases network traffic, it requires high hardware power to process data only at the cloud layer. UBISOKKAT (Anomaly Diagnosis Using Automatic Encoder in Edge Computing Systems) system has emerged as a solution to the problems mentioned above. The UBISOKKAT system acts as an intermediate layer between IoT systems and cloud systems. Every data generated at IoT points is first sent to the UBISOKKAT system in the middle layer, where it is transmitted to the cloud layer. The machine learning model is then placed in the cloud tier and begins to train itself using the data it receives from the middleware. The outputs of the model whose training process is completed are sent to the UBISOKKAT system and the automatic encoder is run in the middleware software, not in the cloud. The biggest advantage of this is that in real-time systems, data is not sent to the cloud but analyzed at local points, reducing network traffic and reducing latency. At the same time, since not every data is analyzed in the cloud, it is analyzed at local points, reducing the need for the cloud, reducing high costs and increasing the viability of the system. In this study, an automatic encoder model was operated in the last layer and it was seen that the UBISOKKAT system could diagnose anomalies at the extreme points based on the data obtained from the single-phase electric motor., IoT sistemleri geleneksel buluta bağlı bir mimaride çalışır. IoT cihazlarında oluşturulan veriler buluta aktarılır, orada depolanır ve daha sonra anlamlı bilgiler çıkarmaya çalışarak işlenir. Ancak tercih edilen bu yapıda sürekli buluta bağımlı olmanın dezavantajları oldukça yüksektir. Her bir bilgi parçasının ham olarak buluta aktarılması ağ trafiğini artırırken, verileri yalnızca bulut katmanında işlemek için yüksek donanım gücü gerektirir. UBISOKKAT (Edge Computing Systems Kullanarak Otomatik Kodlayıcı Kullanarak Anomali Teşhisi) sistemi yukarıda belirtilen sorunlara çözüm olarak ortaya çıkmıştır. UBISOKKAT sistemi, IoT sistemleri ve bulut sistemleri arasında bir ara katman görevi görür. IoT noktalarında üretilen her veri önce orta katmandaki UBISOKKAT sistemine gönderilir ve burada bulut katmanına iletilir. Makine öğrenimi modeli daha sonra bulut katmanına yerleştirilir ve ara katman yazılımından aldığı verileri kullanarak kendini eğitmeye başlar. Eğitim süreci tamamlanan modelin çıktıları UBISOKKAT sistemine gönderilir ve otomatik kodlayıcı bulutta değil ara katman yazılımı yazılımında çalıştırılır. Bunun en büyük avantajı, gerçek zamanlı sistemlerde verilerin buluta gönderilmemesi, yerel noktalarda analiz edilmesi, ağ trafiğinin azaltılması ve gecikmenin azaltılmasıdır. Aynı zamanda her veri bulutta analiz edilmediği için yerel noktalarda analiz edilerek bulut ihtiyacı azaltılmakta, yüksek maliyetler düşürülmekte ve sistemin canlılığı arttırılmaktadır. Bu çalışmada son katmanda otomatik kodlayıcı modeli çalıştırılmış ve tek fazlı elektrik motorundan elde edilen verilere dayanarak UBISOKKAT sisteminin uç noktalardaki anomalileri teşhis edebildiği görülmüştür.

Major developments in the field of the Internet of Things (IoT) and the increase in the number of objects/devices connected to the Internet continue rapidly. With this increase, the importance of concepts such as data analysis, storage, and interpretation is increasing. This increase also raises some problems that need to be solved. Software and hardware studies are needed for the next-generation cellular network technology (5G), which is thought to be a solution to speed, bandwidth, and latency, to achieve the expected improvement. Edge, Fog and Cloud Computing (EFC) technologies are very important to respond to the needs of the new generation technology and to analyze the data emerging with the increasing IoT devices and meet the end-user needs. Having a developing and growing network structure, IoT requires reconsideration of current needs day by day. In parallel with this growth, many researchers are working in this area to overcome the problems. According to the literature study, it has been seen that the use of distributed network structure and EFC technologies rather than centralized network structure is a solution for the delay, energy-saving, and bandwidth. In this study, the latest innovations were discussed by referring to the concepts of EFC and the solutions they have provided in the field of IoT. In addition, the ongoing problems were mentioned and the results., Nesnelerin İnterneti (IoT) alanında yaşanan büyük gelişmeler ve internete bağlı nesne/cihaz sayısında artış hızla devam etmektedir. Bu artışla birlikte verinin analiz edilmesi, depolanması ve anlamlandırılması gibi kavramların önemi gitgide artırmaktadır. Bu artış aynı zamanda çözülmesi gereken bazı problemleri de ortaya çıkarmaktadır. Bu problemlerden hız, bant genişliği ve gecikmeye çözüm olması düşünülen yeni nesil hücresel ağ teknolojisinin (5G) beklenen iyileştirmeyi sağlayabilmesi için yazılım ve donanım çalışmalarına ihtiyaç duyulmaktadır. Yeni nesil teknolojinin ihtiyaçlarına cevap verebilme ve artan IoT cihazları ile ortaya çıkan verinin analizi ve son kullanıcı gereksinimlerinin karşılanması için Sis, Kenar ve Bulut Bilişim (KSB) teknolojileri oldukça önemlidir. Gelişen ve büyüyen bir ağ yapısına sahip olan IoT her geçen gün mevcut ihtiyaçların yeniden ele alınmasını gerektirmektedir. Bu büyümeye paralel olarak problemlerin üstesinden gelmek için birçok araştırmacı bu alanda çalışmaktadır. Yapılan literatür çalışmasına göre, merkezileştirilmiş ağ yapısından çok, dağıtılmış ağ yapısı ve KSB teknolojisinin kullanılması gecikme, enerji tasarrufu, bant genişliği için çözüm olduğu görülmüştür. Bu çalışmada KSB kavramları ile IoT alanında sağlamış oldukları çözümlere değinilerek son yenilikler ele alındı. Ayrıca hala devam eden problemlerden bahsedilerek KSB teknolojileri IoT ile karşılaştırmalı olarak analiz edilerek elde edilen sonuçlar dile getirildi.

In industrial applications, studies are carried out on systems that no longer need human control and can communicate with each other while working continuously. However, unexpected failures in these systems disrupt the production process. Unplanned failures, insufficient spare parts stock and part supply time are also factors that hinder the continuity of production. Another problem in industrial applications is the resources wasted by the systems due to insufficient efficiency. As a result, the system that does not work efficiently consumes unnecessary resources, while replacing it while efficient equipment is available during maintenance periods increases the cost. However, regular maintenance cannot prevent the system from malfunctioning. This is due to the fact that the system cannot be monitored in real time, it is not known what or what caused the error. Within the scope of this project, with IoTSBDAT (Border Information Assisted Anomaly Detection in IoT Systems) technology, the equipment involved in the production process will be converted into node points with the Internet of Things (IoT) and real-time data will be obtained from each equipment. The values obtained from the equipment are combined under the name of border computing and trained in real time with data from local points through artificial intelligence. The training results and the data needed by the system are stored here first, then the data analyzed at the boundary layer is transferred to be stored in the cloud layer. The IoTSBDAT study makes real-time monitoring of systems possible, while AI aims to detect equipment-induced failures. In the event of problems with cloud systems or any disconnection in data transmission at local points, data is stored in the boundary computing layer, preventing data loss by transferring stored data to the cloud when the system normally returns. As a result of real-time monitoring of the system, failures are foreseen and the necessary spare parts supply and maintenance intervals are planned and maintenance costs are reduced while saving the resources used., Endüstriyel uygulamalarda artık insan denetimine ihtiyaç duymayan, sürekli çalışırken aynı zamanda da birbirleriyle iletişim kurabilen sistemler üzerine çalışmalar yapılmaktadır. Fakat bu sistemlerde yaşanan beklenmedik arızalar üretim sürecini sekteye uğratmaktadır. Arızaların plansız olması, yedek parça stokunun bulunmaması, parça tedarik süresi gibi durumlar da üretimin devamlılığını engelleyen faktörlerdir. Endüstriyel uygulamalarda bir diğer sorun ise sistemlerin yeterli verimlilikte çalışmaması sebebiyle israf ettiği kaynaklardır. Bunun neticesinde verimli çalışmayan sistem gereksiz kaynak tüketimi yaparken, verimli çalışan ekipmanlar ise bakım periyotları sırasında kullanılabilecek durumda olmasına rağmen yenisi değiştirilerek maliyeti arttırmaktadır. Yine de düzenli yapılan bakımlar sistemin arıza yapmamasına engel olamamaktadır. Bunun nedeni sistemin gerçek zamanlı takip edilememesinden, arızaya ne veya nelerin sebep olduğunun bilinmemesidir. Bu proje kapsamındaki IoTSBDAT (IoT Sistemlerde Sınır Bilişim Destekli Anormallik Tespiti) teknolojisi ile üretim sürecinde yer alan ekipmanlar nesnelerin internetine (IoT) sahip düğüm noktalarına dönüştürülerek her ekipmandan gerçek zamanlı veri alınacaktır. Ekipmandan gelen değerler sınır bilişim adı altında birleştirilerek yapay zekâ vasıtasıyla yerel noktalardaki veriler ile gerçek zamanlı olarak eğitilir. Eğitim sonuçları ve sistemin gerek duyduğu veriler önce burada depolanır, daha sonra sınır katmanında analiz edilen veriler bulut katmanında depolanmak üzere aktarılır. IoTSBDAT çalışması sistemlerin gerçek zamanlı izlenmesini mümkün hale getirirken yapay zekâ sayesinde ekipman kaynaklı arızaların tespitini amaçlamaktadır. Bulut sistemlerinde yaşanan problemlerde veya yerel noktalardaki veri iletiminde herhangi bir kopukluk olması durumunda ise sınır bilişim katmanında veriler saklanır sistem normalde döndüğünde depolanan veriler buluta aktarılarak veri kaybı engellenir. Sistemin gerçek zamanlı izlenmesi neticesinde arızalar önceden kestirilerek gerekli yedek parça tedariki ve bakım aralıkları planlanır, kullanılan kaynaklardan tasarruf edilirken bakım harcamalarındaki maliyetleri düşürmeyi hedeflemektedir.

Mobile Edge Computing (MEC) kavramı, hücresel ağlarda baz istasyonlarına ya da istemcilere yakın noktalara konumlandırılan bulut sistemler olarak, uygulamaların kullanıcıya olan gecikmelerini minimize etmek amacıyla geliştirilmiştir. Özellikle 5G ağların bir bileşeni olması kaçınılmaz olarak görülen YTA (Yazılım Tanımlı Ağlar) teknolojisi bilgisayar ağlarının kontrol ve veri düzlemlerini ayırır ve kontrol düzlemine ağı yönetebilme olanağı sağlar. Tezin amacı, YTA’nın temel bileşenlerinden biri olan kontrolörün ağ üzerinde bulunan MEC sunucu kaynaklarını video akışlandırma uygulamaları için optimize kullanımını sağlamaktır. Bu amaçla, video akışlandırma uygulaması karakteristikleri hakkında bilgi sahibi olan YTA kontrolörünün, bu bilgiyi kullanarak MEC kaynaklarını en uygun şekilde yönlendirilmesi amaçlanmıştır. Bu çalışma sonucunda ağ koşullarına uygun hızda video gönderimi sağlanarak, kullanıcı deneyimi (QoE) üzerine iyileştirmeler yapılması sağlanacaktır., Mobile Edge Computing (MEC) is a technology, which is a cloud system located close to base stations or clients in cellular networks, that was developed to minimize the latency of the applications. SDN (Software Defined Networks) technology, which is expected to be part of 5G networks, separates the control and data planes of computer networks and allows the control plane to manage the network. The aim of the thesis is to optimize the use of MEC server resources on the network via a module that runs on the SDN controller, for video streaming applications. For this purpose, the SDN controller uses its knowledge about video characteristics to manage the MEC resources in an optimal way. As a result of this study, the user quality of experience (QoE) will be increased by transferring the video at a bitrate which is suitable to the network conditions.

Günlük yaşamda kullanılan nesnelerin, internete bağlanarak belirli işlevleri yapabilme kabiliyeti kazanması olarak ifade edilen Nesnelerin İnterneti, yapay zekâ, gömülü sistemler, yaygın bilişim ve bulut bilişim gibi birçok farklı teknoloji ile etkileşim halindedir. Bu teknolojilerin birlikte kullanımı, nesnelerin interneti uygulamalarının niteliklerini arttırmaktadır. Günümüzde gerçekleştirilmekte olan akıllı ev, akıllı okul, akıllı araba, akıllı şehir gibi Nesnelerin İnterneti projeleri, bu alanın kısa sürede insan hayatını daha fazla etkileyeceğini göstermektedir. Bu projelerin uygulanması ile birlikte yakın zamanda, kullanılacak nesne sayısının artması, algılama türlerinin ve olanaklarının gelişmesi ve bunlara bağlı olarak sunucu ve iletişim altyapısı ihtiyacının artması beklenmektedir. Görsel algılama, nesnelerin interneti çalışmalarının kapsamını genişletebilecek ve niteliğini arttırabilecek çok sayıda anlamlı veri elde edilmesini sağlayan önemli bir algılama türüdür. Büyük boyutlu veriler elde edilebilen Görsel algılama Nesnelerin İnterneti projeleri için, verilerin işlenme, depolanma, iletilme zorluklarının yanı sıra, iletişim ve sunucu alt yapılarının etkili kullanılması için uygun veri işleme mimarileri gereksinimi barındırmaktadır. Kenar bilişim, görsel algılama gibi sunucu ve iletişim ihtiyacı fazla olan uygulamalarda, veri iletimi gereksiniminin azaltılması, sunucu ve iletişim altyapısının yükünün hafifletilmesi amacıyla, bulut bilişim ile sunucularda yapılması gereken bazı işlemlerin ağın kenar kısmı olan nesnelerde yapılmasını öneren yaklaşımdır. Bu tezde, nesnelerin interneti kapsamında görsel algılama problemi için kullanılabilecek kenar bilişim tabanlı çözümler araştırılmıştır. Çözümlerde uygulanan yöntemler, işlem, bellek ve veri iletişim gereksinimleri açılarından, işlemlerin nesne ve sunucu arasında etkili bir şekilde paylaştırılabilmesi amacıyla oluşturulmuş farklı senaryolar kullanılarak analiz edilmiştir. Senaryoların uygulanabilmesi amacıyla, görsel algılama için kullanılan foto-kapan cihazının fonksiyonları temel alınarak, bilgisayarlı görme, görüntü işleme ve örüntü tanıma işlevleri bulunan bir akıllı nesne tasarımı gerçekleştirilmiştir. Tasarlanan akıllı nesne kullanılarak Atatürk Üniversitesi'nde iç ortamdan ve dış ortamdan hareketli cisimlere ait görüntü kaydının yapıldığı foto-kapan uygulamaları gerçekleştirilmiştir. Kaydedilen görüntüler üzerinde üniversitenin eğitim, yönetim ve güvenlik gibi faaliyetlerinde uygulanabilecek bilgisayarlı görme ve görüntü işleme tabanlı işlevleri içeren kenar bilişim tabanlı veri işleme mimarileri incelenmiştir. Uygulanan veri işleme mimarileri, gerçekleştirilecek akıllı şehir, akıllı kampüs, akıllı derslik gibi projeler için üniversite, belediye, askeriye gibi kurumların dijital dönüşüm uygulamalarına katkı sağlaması açısından önem arz etmektedir. Gerçekleştirilen ilk senaryoda standart foto-kapan işlevi uygulanmış olup, diğerlerinde sırasıyla cisim bulunan görüntülerin tespit edilmesi, görüntüdeki cisim konumlarının tespit edilmesi, cisim görüntülerinin özniteliklerinin çıkartılması ve cisimlerin tanınması işlevleri bulunmaktadır. Senaryoların işlem, bellek ve iletişim gereksinimleri ile cismin dijital ortamdaki temsiliyeti ve verinin tekrar kullanılabilmesi gibi parametreler göz önüne alındığında, cisimlere ait görüntü parçalarının sunucuya iletildiği üçüncü senaryonun, diğer senaryolara göre daha uygun olduğu sonucu elde edilmiştir. The Internet of Things, which is expressed as the ability of objects used in daily life to be able to perform certain functions by connecting to the internet, interacts with many different technologies such as artificial intelligence, embedded systems, ubiquitous computing and cloud computing. The combined use of these technologies increases the quality of Internet of Things applications. The Internet of Things projects such as smart home, smart school, smart car, smart city, which are being realized today, show that this area will affect human life more in a short time. With the implementation of these projects, it is expected that the number of objects to be used, the detection types and possibilities will be improved and the requrement for server and communication infrastructure will increase in the near future. Visual perception is an important type of perception that provides a large number of meaningful data that can broaden the scope and enhance the quality of Internet of Things projects. Visual perception with large data acquisition in addition to the difficulties of processing, storing and transmitting data, suitable data processing architectures are required for effective use of communication and server infrastructures for Internet of Things projects. Edge computing is the approach that proposes to perform some operations on the edge of the network, rather than on the servers by using cloud computing. Edge computing is implemented in order to reduce the requirement for data transmission and to alleviate the burden of the server and communication infrastructure. In this thesis, edge computing based solutions, that can be used for the visual perception problem within the Internet of Things, are investigated. The methods applied in the solutions were analyzed in terms of process, memory and data communication requirements by using different scenarios that were created to effectively share the processes between the object and the server. In order to implement the scenarios, a smart object design with computer vision, image processing and pattern recognition functions has been realized based on the functions of the camera-trap device used for visual sensing. By using designed smart object, camera-trap applications were performed at Atatürk University where the image of moving objects from indoor and outdoor environments was recorded. Edge computing based data processing architectures including computer vision and image processing based functions, that can be applied in the university's education, management and security activities, were examined on the recorded images. The applied data processing architectures are important in terms of contributing to the digital transformation applications of institutions such as universities, municipalities and military for projects such as smart city, smart campus and smart classrooms. In the first scenario, the standard camera-trap functions were applied and the subsequent scenarios had the functions of detecting the object in the image, determining the positions of the objects in the image, feature extraction of the object images and recognizing the objects. When the parameters such as the process, memory and communication requirements of the scenarios, the representation of the object in the digital environment and the reuse of the data are taken into consideration, the third scenario in which the image parts of the objects are transmitted to the server is found to be more appropriate than the other scenarios. 202

Akıllı sistemler bilinen nesneleri değiştirdiği gibi, yaygın teknolojileri de hızla değiştirmektedir. Nesnelerin İnterneti dijital nesnelerle her alanda yayılmakta yeni ürün ve hizmetler tanıtılmaktadır. Dijital nesneler tarafından üretilen veri çoğunlukla mevcut İnternet alt yapısı üzerinden Bulut Bilişime taşınarak işlenmektedir. Bulut Bilişimle yapılan Nesnelerin İnterneti uygulamaları band genişliği ve ağ gecikmeleri nedeniyle yeterli servis kalitesi beklentisini karşılayamamaktadır. Bulut ile nesneler arasında yeni bir platform olarak tanıtılan Kenar Bilişim, gerçek zamanlı akıllı uygulamalarındaki servis kalitesi ihtiyaçları çözmeye odaklanmaktadır. Kenar Bilişim ile birlikte, Nesnelerin İnterneti yeni ürün ve hizmetlerine imkân sağlanacağı gibi önceki ürün ve hizmetlerin servis kalitesini artıran çalışmalar yapılabilecektir. Akıllı nesnelerin yaygınlaşmasına güvenlik ve gizlilik kaygıları da önemli bir engeldir. Güvenliğin temeli olan gizlilik, bütünlük, inkâr edilemezlik, doğrulama gibi konular kaynakları kısıtlı cihazlar tarafından yeterince sağlanamamaktadır. Kenar Bilişim, gerek yeterli kaynağının bulunması gerek nesnelere yakınlığı sayesinde güvenlik uygulamalarının çalışması için ortam sunmaktadır. Bu çalışmada Bulut Bilişim ile Nesnelerin İnterneti cihazları arasında çalışan Kenar Bilişim tanıtılmaktadır. Kenar Bilişim üzerinde çalışan ve Nesnelerin İnterneti cihazlarının güvenliğini sağlayan Kılıç Kenar Bilişim Güvenlik Uygulaması önerilmektedir. Tehdit seviyesine göre değişken güvenlik yaklaşımı sağlayan Kılıç ve modülleri ayrıntılı olarak açıklanmaktadır. Nesnelerin İnterneti cihazlarının maruz kaldığı saldırılar ve tehditler de incelenmektedir. Bu saldırı ve tehditlere karşı kılış uygulaması kural tabanlı ve makine öğrenmesi yöntemlerini kullanarak gerçek zamanlı bir koruma sağlamaktadır. Makine öğrenmesi yöntemlerinden Karar Ağacı, Destek Vektör Makinesi, K En Yakın Komşu, Derin Öğrenme ve Naive Bayes algoritmaları kullanılmaktadır. Ayrıca Kılıç'ın etkin kullanımını göstermek için gerçek zamanlı endüstri uygulaması Akıllı Fabrika bağlamında gösterilmiştir.Tezin sonuç bölümünde proaktif Kılıç güvenlik yaklaşımının, veri iletişimindeki gecikmeye etkisi ve tehditlerin algılanmasında makine öğrenmesi yöntemlerinin doğruluk oranları olmak üzere iki konu üzerinde durulmuştur. Kılıç Kenar Bilişim güvenlik uygulamasının siber tehlike durumuna göre dinamik güvenlik seviyesi değiştirerek Nesnelerin İnterneti ekosisteminde, ağ gecikmesi ve şifreleme algoritmalarının çalışma süresinin performansa etkileri üzerine odaklanmaktadır. Yapılan test sonuçlarına göre Kılıç uygulamasının sistemin güvenliğini dinamik güvenlik seviyesi uygulaması sayesinde sabit güvenlik yöntemlerine kıyasla iki kata yakın daha iyi performans sağlamaktadır. Sonucun ikinci kısmı ise simülasyon ve test ortamında oluşturulan, iletişim ve saldırı verisi üzerinden Nesnelerin İnterneti uygulamalarına yönelik siber saldırıların tespitinde kullanılan makine öğrenmesi yöntemleri karşılaştırılmıştır. K en Yakın Komşu algoritmasının kullanılan veri setinde karşılaştırılan algoritmalara göre daha doğru sonuç verdiği sonucuna ulaşılmıştır. Intelligent systems change familiar objects as well as rapidly change common technologies. Internet of Things is spreading digital objects and introducing new products and services in every area. The data generated by digital objects is mostly processed through the current Internet infrastructure by moving to Cloud Computing. In applications using only Cloud Computing and Internet of Things technologies, there is not enough service quality expectation due to bandwidth and network delays. Introduced as a new platform between the cloud and the objects, Edge Computing focuses on solving these needs in real-time intelligent applications. Along with Edge Computing, Internet of Things will enable new products and services, as well as allowing the work done in advance to increase the quality of service. Security and confidentiality concerns are also a major obstacle to the widespread use of intelligent objects. The sources of cyber security such as confidentiality, integrity, irredeemability and verification are not adequately provided by restricted devices. Edge Computing provides the environment for the operation of security applications by virtue of the proximity to the objects, both of which must have sufficient resources. In this study, Edge Computing, which works between Bulut Computing and Internet of Things is introduced. Kılıç (Sword) Edge Information Security Framework which is working on Edge Computing is suggested. A new security architecture is being introduced that regulates the powers of access from the outside according to the locations of the Cloud Computing, Edge Computing and IOT Devices on the network. Kılıç's modules for working on the Edge and IOT devices are explained in detail. The attacks and threats to which the Internet devices of objects are exposed are also examined. The hacking practice against these attacks and threats provides real-time protection using rule-based and machine learning methods. Decision Tree, Support Vector Machine and K Nearest Neighbor algorithms are used in machine learning methods. In addition, real-time industry practice has been shown in the context of Smart Factory to demonstrate effective use of Kılıç. The conclusion of the thesis focuses on two topics. The first focuses on the effects of network latency and cryptography algorithms operational performance on Internet of Things ecosystem by changing the dynamic security level of Kılıç Edge Computing Security Framework according to the cyber threat situation. According to the test results, it is seen that Kılıç application performs better than the two methods thanks to dynamic security level application compared to fixed security methods. The second part of the study compared the machine learning methods used in the detection of the cyber attacks for the Internet of Things applications through communication and attack data generated in the simulation and test environment. The result is that K nearest neighbors algorithm yields better results than the compared algorithms in the data set used. 76

Otomatik araç geçiş sistemleri (OGS) yalnızca yetkilendirilmiş kişilerin kullanımına açılmış alanların insansız kontrolüne imkan veren hizmetlerdir. Gerçek zamanlı hizmetlerden olan geçiş sistemlerinde en çok karşılaşılan sorunlar ağ tıkanıklıklarından dolayı yaşanan gecikmelerdir. Geçiş sistemleri için yaygın olarak tercih edilen sistem tasarımlarına bakıldığında geleneksel yapı olan istemci sunucu mimarisi ile merkezileştirilmiş veri merkezi ve internet alt yapısı üzerinde oluşturulan bir yapı olduğu görülmektedir. Günden güne artan veri miktarı ile buradan doğan ağ trafik yoğunluğu veri işleme, yönetme ve sistem kurulumlarında yeni teknolojik yaklaşımların ortaya çıkmasına sebep olmaktadır. Verinin üretildiği yerde işlenmesi prensibine dayanan uç hesaplama (Edge Computing) tam bu noktada karşımıza çıkmaktadır. Bu çalışmada Erciyes Üniversitesi otomatik geçiş sistemi için uç hesaplama tabanlı hibrit bir veri merkezi modeli sunulmuştur. Geleneksel yöntem ile oluşturulan OGS’ lerde yaşanan aksamaları gidermek için önerilen bu model birçok kurum ve üniversite tarafından da kullanılacaktır. İhtiyaç ve fayda analizi yapılarak ortaya çıkartılan örnek sistem tasarımı, uygulama ve sonuçlarıyla birlikte sunulacaktır. Sonuç bölümünde ise uygulanan yeni modelin performans verimliliği açısından geleneksel yapı ile değerlendirme sonuçlarından bahsedilecektir.