Enhancement of fog and cloud based IIOT architecturesReduction of energy consumption, storage cost, and download time in distributed fog and cloud schemes

Resumen

La industria 4.0 refleja una evolución tecnológica a través de la digitalización de la industria y la fabricación. Las tecnologías clave que permiten esta próxima transformación industrial son principalmente los Sistemas Ciberfísicos (CPS) y Interntet de las Cosas (IoT), y permiten la interconexión de millones de dispositivos. Cuando las tecnologías IoT se aplican al dominio industrial, surge el denominado Internet de las Cosas Industrial (IIoT), que cubre el Machine-to-Machine (M2M) y las tecnologías de comunicación industrial. El desarrollo de los servicios IIoT está introduciendo estrictos requisitos en varios sectores de la industria que requieren soluciones que abarquen plenamente esta transformación industrial. Además de aplicar tecnologías novedosas y avanzadas, es crucial implementar una arquitectura que garantice los requisitos emergentes de IIoT. Los sistemas de procesamiento de datos basados en el cloud han sido clave para habilitar el procesamiento de datos en tiempo real en aplicaciones IIoT. Sin embargo, el cloud computing puede no ser capaz de satisfacer los requisitos de las aplicaciones IIoT distribuidas y sensibles al tiempo. Para superar estas limitaciones, el fog computing es una de las tecnologías emergentes, que extiende las capacidades de la nube al borde de la red. Considerando lo anterior, en esta tesis hemos analizado el potencial y las capacidades de diferentes arquitecturas industriales. Hemos llegado a la conclusión de que el despliegue de una arquitectura de tres niveles (IoT-fog-cloud) es una solución prometedora ya que puede adaptarse mejor a las necesidades de cada aplicación y proporciona flexibilidad y escalabilidad a la red. Tomando como referencia la arquitectura de tres niveles, hemos analizado diferentes herramientas y técnicas, como Network Coding (NC) y Machine Learning (ML) entre otras, y hemos observado su potencial con el fin de explotar las propiedades y ventajas inherentes de la propia arquitectura. La primera contribución de la tesis ha sido analizar la idoneidad de las técnicas de codificación de datos basadas en NC en los sistemas de almacenamiento distribuido que utilizan servicios de nube de bajo coste, para proporcionar rentababilidad y fiabilidad. Utilizando de nuevo NC como mecanismo para la distribución de datos, hemos estudiado el tiempo requerido para descargar los datos almacenados en una arquitectura fog-cloud, donde múltiples nodos proporcionan diferentes parámetros de rendimiento. Para lograr la óptima distribución de datos que minimiza el tiempo total de descarga, hemos desarrollado un algoritmo de distribución óptimo que considera los parámetros del sistema. El análisis llevado a cabo demuestra que el esquema propuesto supera otras estrategias de distribución, incluso bajo condiciones de conectividad deficientes. Estas dos contribuciones muestran el potencial de las técnicas de NC, que pueden extrapolarse para mejorar otros factores, como por ejemplo, el retardo de la comunicación entre los diferentes nodos del sistema. La siguiente contribución de esta tesis ha sido la aplicación de predictores de datos basados en ML, con el fin de mejorar la eficiencia energética de los nodos IoT de un sistema fog computing. Para ello, hemos definido un modelo de comunicación sobre MQTT, que tiene en cuenta el gasto energético por bit y el número total de bytes en el proceso de comunicación, así como el grado de precisión del algoritmo predictivo. Hemos demostrado que el consumo de energía disminuye con el grado de precisión del predictor y que con mayores niveles de QoS, el modelo propuesto es más rentable, en particular cuando se intercambian mensajes más grandes. Por último, hemos presentado la propuesta de aplicación de HE junto con técnicas de NC para resolver los problemas de privacidad de IoT, así como aumentar los beneficios que el uso de NC puede proporcionar sobre la vertical de una arquitectura IoT.