Módulo de predição de dados visando a economia de energia em dispositivos para internet das coisas

IoT (Internet of Things) presents a myriad of solutions to problems in many areas of human knowledge. Despite its wide applicability, developing IoT applications is not an easy task due to the heterogeneity of devices and non-functional requirements such as power saving. One of the most energy-inten...

ver descrição completa

Na minha lista:

Detalhes bibliográficos
Autor principal:	Borba, Hudson Silva de
Outros Autores:	Rodrigues, Taniro Chacon
Formato:	bachelorThesis
Idioma:	pt_BR
Publicado em:	Universidade Federal do Rio Grande do Norte
Assuntos:	Internet of things. Machine Learning. Serviço de Predição de Dados. Middleware. IoT. Machine Learning. Data Prediction Service. Middleware.
Endereço do item:	https://repositorio.ufrn.br/handle/123456789/37921
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	ri-123456789-37921
record_format	dspace
spelling	ri-123456789-379212023-03-05T13:18:45Z Módulo de predição de dados visando a economia de energia em dispositivos para internet das coisas Borba, Hudson Silva de Rodrigues, Taniro Chacon Teixeira, Leonardo Rodrigues de Lima Silva, Eduardo Alexandre Ferreira Internet of things. Machine Learning. Serviço de Predição de Dados. Middleware. IoT. Machine Learning. Data Prediction Service. Middleware. IoT (Internet of Things) presents a myriad of solutions to problems in many areas of human knowledge. Despite its wide applicability, developing IoT applications is not an easy task due to the heterogeneity of devices and non-functional requirements such as power saving. One of the most energy-intensive activities on the Internet of Things is using the wireless network to send or receive information. This is a critical activity because IoT devices often have limited power sources such as batteries. In order to solve the such problem, the objective of this work is to develop a Data Prediction Service using Machine Learning, whose function is determined or the exact moment for a Middleware to manage the IoT device work cycle through data models. Where the predicted data can be used instead of the actual device, thus never failing to provide data to the application. An evaluation was performed by establishing to quantify the efficiency of the prediction service and to analyze data prediction models with the intention of maximizing device autonomy. The execution of the application with the Prediction Service was compared to another without use. Thus, a 63% increase in usage time has been reported for power with a 9v (volts) battery. A IoT (Internet Of Things, ou no português, Internet das Coisas) apresenta uma miríade de soluções para problemas de diversas áreas do conhecimento humano. Apesar da sua grande aplicabilidade, desenvolver aplicações para IoT não é uma tarefa fácil em razão da heterogeneidade dos dispositivos e de requisitos não funcionais como economia de energia. Uma das atividades de maior consumo de energia na IoT é a utilização de rede sem fio para envio ou recepção de informações. Essa é, portanto, uma atividade crítica, pois, muitas vezes, os dispositivos para IoT possuem fontes de energia limitada, como baterias e pilhas. Visando solucionar o problema descrito, o objetivo deste trabalho é desenvolver um Serviço de Predição de dados usando Machine Learning, cuja função é determinar o momento exato para que um Middleware possa gerenciar o duty cycle dos dispositivos de IoT através da construção de modelos de predição de dados que podem ser usados no lugar da medição real dos dispositivos, e assim, nunca deixar de fornecer dados a aplicação. A avaliação foi realizada através do estabelecimento de métricas para quantificar a eficiência do Serviço de Predição em analisar e construir modelos de predição de dados com a intensão de maximizar a autonomia dos dispositivos. Foi comparada a execução da aplicação com o Serviço de Predição a outra sem a utilização. Foi registrado aumento de cerca de 63% no tempo de uso para alimentação com uma bateria de 9v (volts). 2020-02-11T16:22:56Z 2021-09-22T14:25:01Z 2020-02-11T16:22:56Z 2021-09-22T14:25:01Z 2019-12-29 bachelorThesis 20170074499 BORBA, Hudson Silva de. Módulo de predição de dados visando a economia de energia em dispositivos para internet das coisas. 2019. 53 f. Trabalho de Conclusão de Curso (Tecnólogo em Análise e Desenvolvimento de Sistemas) - Unidade Acadêmica Especializada em Ciências Agrárias, Universidade Federal do Rio Grande do Norte, Macaíba, 2019. https://repositorio.ufrn.br/handle/123456789/37921 pt_BR application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN Análise e Desenvolvimento de Sistemas
institution	Repositório Institucional
collection	RI - UFRN
language	pt_BR
topic	Internet of things. Machine Learning. Serviço de Predição de Dados. Middleware. IoT. Machine Learning. Data Prediction Service. Middleware.
spellingShingle	Internet of things. Machine Learning. Serviço de Predição de Dados. Middleware. IoT. Machine Learning. Data Prediction Service. Middleware. Borba, Hudson Silva de Módulo de predição de dados visando a economia de energia em dispositivos para internet das coisas
description	IoT (Internet of Things) presents a myriad of solutions to problems in many areas of human knowledge. Despite its wide applicability, developing IoT applications is not an easy task due to the heterogeneity of devices and non-functional requirements such as power saving. One of the most energy-intensive activities on the Internet of Things is using the wireless network to send or receive information. This is a critical activity because IoT devices often have limited power sources such as batteries. In order to solve the such problem, the objective of this work is to develop a Data Prediction Service using Machine Learning, whose function is determined or the exact moment for a Middleware to manage the IoT device work cycle through data models. Where the predicted data can be used instead of the actual device, thus never failing to provide data to the application. An evaluation was performed by establishing to quantify the efficiency of the prediction service and to analyze data prediction models with the intention of maximizing device autonomy. The execution of the application with the Prediction Service was compared to another without use. Thus, a 63% increase in usage time has been reported for power with a 9v (volts) battery.
author2	Rodrigues, Taniro Chacon
author_facet	Rodrigues, Taniro Chacon Borba, Hudson Silva de
format	bachelorThesis
author	Borba, Hudson Silva de
author_sort	Borba, Hudson Silva de
title	Módulo de predição de dados visando a economia de energia em dispositivos para internet das coisas
title_short	Módulo de predição de dados visando a economia de energia em dispositivos para internet das coisas
title_full	Módulo de predição de dados visando a economia de energia em dispositivos para internet das coisas
title_fullStr	Módulo de predição de dados visando a economia de energia em dispositivos para internet das coisas
title_full_unstemmed	Módulo de predição de dados visando a economia de energia em dispositivos para internet das coisas
title_sort	módulo de predição de dados visando a economia de energia em dispositivos para internet das coisas
publisher	Universidade Federal do Rio Grande do Norte
publishDate	2020
url	https://repositorio.ufrn.br/handle/123456789/37921
work_keys_str_mv	AT borbahudsonsilvade modulodepredicaodedadosvisandoaeconomiadeenergiaemdispositivosparainternetdascoisas
_version_	1773966081358036992

Módulo de predição de dados visando a economia de energia em dispositivos para internet das coisas

Registros relacionados