На пути к автоматизированному и оптимальному проектированию систем IIoT

Обложка

Цитировать

Полный текст

Аннотация

В современном мире Интернет вещей стал неотъемлемой частью нашей жизни. Растущее число умных устройств и их повсеместное распространение усложняют разработчикам и системным архитекторам эффективное планирование и внедрение систем Интернета вещей и промышленного Интернета вещей. Основная цель данной работы – автоматизировать процесс проектирования промышленных систем Интернета вещей при оптимизации параметров качества обслуживания, срока службы батареи и стоимости. Для достижения этой цели вводится общая четырехуровневая модель туманных вычислений, основанная на математических множествах, ограничениях и целевых функциях. Эта модель учитывает различные параметры, влияющие на производительность системы, такие как задержка сети, пропускная способность и энергопотребление. Для нахождения Парето-оптимальных решений используется генетический недоминируемый алгоритм сортировки II, а для определения компромиссных решений на Парето-фронте – метод определения порядка предпочтения по сходству с идеальным решением. Оптимальные решения, сгенерированные этим подходом, представляют собой серверы, коммуникационные каналы и шлюзы, информация о которых хранится в базе данных. Эти ресурсы выбираются на основе их способности улучшить общую производительность системы. Предлагаемая стратегия следует трехэтапному подходу для минимизации размерности и уменьшения зависимостей при исследовании пространства поиска. Кроме того, сходимость оптимизационных алгоритмов улучшается за счет использования предварительно настроенной начальной популяции, которая использует существующие знания о том, как должно выглядеть решение. Алгоритмы, используемые для генерации этой начальной популяции, описываются подробно. Для иллюстрации эффективности автоматизированной стратегии приводится пример ее применения.

Об авторах

А. Эбрахим

Национальный исследовательский университет «Высшая школа экономики»

Автор, ответственный за переписку.
Email: aebrakhim@hse.ru
улица Таллинская 34

И. А Иванов

Национальный исследовательский университет «Высшая школа экономики»

Email: i.ivanov@hse.ru
улица Таллинская 34

Список литературы

  1. Официальный сайт Microsoft Azure. URL: https://azure.microsoft.com/en-us/resources/cloud-computing-dictionary/what-is-the-cloud (дата обращения: 02.01.2023).
  2. Basir R., Qaisar S., Ali M., Aldwairi M., Ashraf M.I., Mahmood A., Gidlund M. Fog Computing Enabling Industrial Internet of Things: State-of-the-Art and Research Challenges. Sensors. 2019. vol. 19(21). no. 4807.
  3. Цвиркун А.Д. Основы синтеза структуры сложных систем. М.: Наука, 1982. 200 с.
  4. Цвиркун А.Д., Акинфиев В.К., Соловьев М.М. Моделирование развития крупномасштабных систем: (На примере топливно-энергетических отраслей и комплексов). М.: Экономика, 1983. 176 с.
  5. Акинфиев В.К., Цвиркун А.Д. Методы и инструментальные средства управления развитием компаний со сложной структурой активов. М.: ИПУ РАН, 2020. 307 с.
  6. Цвиркун А.Д., Акинфиев В.К., Филиппов В.А. Имитационное моделирование в задачах синтеза структуры сложных систем. М.: Наука, 1985. 173 с.
  7. Потрясаев С.А. Синтез технологий и комплексных планов управления информационными процессами в промышленном интернете: дис. д-р тех. наук. СПБ., 2020.
  8. Официальный сайт Международного общества автоматизации. URL: https://www.isa.org/intech-home/2019/march-april/features/rami-4-0-reference-architectural-model-for-industr (дата обращения: 13.09.2023).
  9. Официальный сайт промышленного IoT-консорциума. URL: https://www.iiconsortium.org/pdf/IIRA-v1.9.pdf (дата обращения: 12.09.2023).
  10. Официальный сайт инициативы в области промышленной цепочки создания стоимости. URL: https://docs.iv-i.org/doc_161208_Industrial_Value_Chain_Reference_Architecture.pdf (дата обращения: 14.09.2023).
  11. Srinidhi N.N., Kumar S.D., Venugopal K.R. Network optimizations in the Internet of Things: A review. Engineering Science and Technology, an International Journal. 2019. vol. 22. no. 1. pp. 1–21.
  12. Ceselli A., Premoli M., Secci S. Mobile Edge Cloud Network Design Optimization. IEEE/ACM Transactions on Networking. 2017. vol. 25. no. 3. pp. 1818–1831.
  13. Chimmanee K., Jantavongso S. Practical mobile network planning and optimization for Thai smart cities: Towards a more inclusive globalization. Research in Globalization. 2021. vol. 3. no. 100062.
  14. Gava M.A., Rocha H.R.O., Faber M.J., Segatto M.E.V., Wortche H., Silva J.A.L. Optimizing Resources and Increasing the Coverage of Internet-of-Things (IoT) Networks: An Approach Based on LoRaWAN. Sensors. 2023. vol. 23(3). no. 1239.
  15. Purnama A.A.F., Nashiruddin M.I. SigFox-based Internet of Things Network Planning for Advanced Metering Infrastructure Services in Urban Scenario. IEEE International Conference on Industry 4.0, Artificial Intelligence, and Communications Technology (IAICT). 2020. pp. 15–20.
  16. Nashiruddin M.I., Purnama A.A.F. NB-IOT network planning for advanced metering infrastructure in Surabaya, Sidoarjo, and gresik. 8th International Conference on Information and Communication Technology (ICoICT). 2020. pp. 1–6.
  17. Haider F., Zhang D., St-Hilaire M., Makaya C. On the Planning and Design Problem of Fog Computing Networks. IEEE Transactions on Cloud Computing. 2018. vol. 9. no. 2. pp. 724–736.
  18. Zhang D., Haider F., St-Hilaire M., Makay C. Model and algorithms for the planning of Fog Computing Networks. IEEE Internet of Things Journal. 2019. vol. 6. no. 2. pp. 3873–3884.
  19. Ebraheem A., Ivanov I.A. Internet of Things: Analysis of Parameters and Requirements. International Conference on Smart Applications, Communications and Networking (SmartNets). 2022. pp. 01–04.
  20. Kaur S., Mir R.N. Base station positioning in Wireless Sensor Networks. International Conference on Internet of Things and Applications (IOTA). 2016. pp. 116–120.
  21. Официальный сайт REMCOM. URL: https://www.remcom.com/wireless-insite-em-propagation-software (дата обращения: 04.07.2023).
  22. Официальный сайт Mathworks. URL: https://mathworks.com/help/comm/ref/rfprop.raytracing.html (дата обращения: 04.07.2023).
  23. Alqudah Y.A. On the performance of Cost 231 Walfisch Ikegami model in deployed 3.5 GHz network. The International Conference on Technological Advances in Electrical, Electronics and Computer Engineering (TAEECE). 2013. pp. 524–527.
  24. Correia L.M. A view of the COST 231-Bertoni-Ikegami model. 3rd European Conference on Antennas and Propagation. 2009. pp. 1681–1685.
  25. Zhang J., Gentile C., Garey W. On the Cross-Application of Calibrated Pathloss Models Using Area Features: Finding a way to determine similarity between areas. IEEE Antennas and Propagation Magazine. 2019. vol. 62. no. 1. pp. 40–50.
  26. Официальный сайт Rackspace. URL: https://docs.rackspace.com/blog/different-types-of-oci-servers-in-the-cloud (дата обращения: 12.05.2023).
  27. Официальный сайт Google Сloud. URL: https://cloud.google.com/compute/docs/machine-resource (дата обращения: 12.05.2023).
  28. Официальный сайт Amazon Web Services. URL: https://aws.amazon.com/ec2/instance-types (дата обращения: 12.05.2023).
  29. Deb K., Pratap A., Agarwal S., Meyarivan T. A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation. 2002. vol. 6. no. 2. pp. 182–197.
  30. Yusoff Y., Ngadiman M., Zain A. Overview of NSGA-II for optimizing machining process parameters. Procedia Engineering. 2011. vol. 15. pp. 3978–3983.
  31. Palaparthi A., Riede T., Titze I.R. Combining Multiobjective Optimization and Cluster Analysis to Study Vocal Fold Functional Morphology. IEEE Transactions on Biomedical Engineering. 2014. vol. 61. no. 7. pp. 2199–2208.
  32. Blank J., Kalyanmoy D. Pymoo: Multi-objective optimization in python. IEEE Access. 2020. vol. 8. pp. 89497–89509.
  33. Halicka K. Technology Selection Using the TOPSIS Method. Foresight and STI Governance. 2020. vol. 14. no. 1. pp. 85–96.
  34. Sarraf A., Mohaghar A., Bazargani H. Developing TOPSIS method using statistical normalization for Selecting Knowledge Management Strategies. Journal of Industrial Engineering and Management. 2013. vol. 6. no. 4. pp. 860–875.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».