Arquitectura de sensores IoT para la redistribución de la carga de procesamiento mediante inteligencia artificial
No Thumbnail Available
Files
Date
2025-02
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Carrera de Telecomunicaciones
Abstract
This project aims to implement an IoT sensor architecture for the redistribution of processing load using Artificial Intelligence (AI). Specific objectives include the analysis of available IoT architectures, the evaluation of AI algorithms for process redistribution, and the design of an optimized architecture.
The analysis of IoT architectures revealed that technologies such as ESP-32 and communication protocols such as Heartbeat are crucial for scalability, energy efficiency, and handling large volumes of data. The integration of machine learning models, such as neural networks, improves decision making and real-time resource
management. The choice of architecture must be aligned with the specific requirements of the application to ensure optimal and sustainable performance.
Regarding AI algorithms, efficient solutions for resource management were identified, highlighting neural networks for their ability to balance load, reduce latency and minimize energy consumption. These algorithms enable dynamic adaptation to changing network conditions, improving the scalability and sustainability of IoT
networks.
The IoT sensor architecture design proved to be effective, achieving a balanced workload distribution and improving scalability. The proposal includes automatic recovery mechanisms and extensive testing to measure efficiency and monitor performance. In conclusion, the integration of AI in IoT networks provides a robust
foundation for applications that require high efficiency and adaptability in dynamic environments.
Description
El presente proyecto tiene como finalidad implementar una arquitectura de sensores IoT para la redistribución de la carga de procesamiento mediante Inteligencia Artificial (IA). Los objetivos específicos incluyen el análisis de arquitecturas IoT disponibles, la evaluación de algoritmos de IA para la redistribución de procesos, y el diseño de una arquitectura optimizada.
El análisis de arquitecturas IoT reveló que tecnologías como ESP-32 y protocolos de comunicación como Heartbeat son cruciales para la escalabilidad, eficiencia energética y manejo de grandes volúmenes de datos. La integración de modelos de machine learning, como redes neuronales, mejora la toma de decisiones y la gestión de recursos en tiempo real. La elección de la arquitectura debe alinearse con los requisitos específicos de la aplicación para garantizar un rendimiento óptimo y sostenible.
En cuanto a los algoritmos de IA, se identificaron soluciones eficientes para la gestión de recursos, destacando las redes neuronales por su capacidad para equilibrar la carga, reducir la latencia y minimizar el consumo de energía. Estos algoritmos permiten una adaptación dinámica a las condiciones cambiantes de la red, mejorando la escalabilidad y la sostenibilidad de las redes IoT.
El diseño de la arquitectura de sensores IoT demostró ser efectivo, logrando una distribución equilibrada de la carga de trabajo y mejorando la escalabilidad. La propuesta incluye mecanismos de recuperación automática y pruebas exhaustivas para medir la eficiencia y monitorear el rendimiento. En conclusión, la integración de IA
en redes IoT ofrece una base robusta para aplicaciones que requieren alta eficiencia y adaptabilidad en entornos dinámicos.
Keywords
IINTERNET DE LAS COSAS, INTELIGENCIA ARTIFICIAL, HEARTBEAT, escalabilidad, eficiencia energética