AdaptThing: modelo computacional para gerenciamento dinâmico e adaptativo de objetos da IoT utilizando histórico de contextos

Detalhes bibliográficos
Autor(a) principal: Wolf, Alexandre Stürmer
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
Texto Completo: http://www.repositorio.jesuita.org.br/handle/UNISINOS/9676
Resumo: Atualmente é esperado que os ambientes inteligentes tenham a capacidade de responder a eventos, principalmente em situações inesperadas. Os ambientes inteligentes são favorecidos pela evolução tecnológica, que possibilitou o surgimento do paradigma da Internet das Coisas – Internet of Things (IoT), que permite a conectividade entre diferentes sistemas e dispositivos, sejam físicos ou virtuais, através da Internet. Tanto os sistemas, quanto os dispositivos, podem ser adaptados conforme as necessidades dos ambientes, sejam através de monitoramento ou até mesmo ajustando parâmetros de funcionamento, respondendo assim, de forma dinâmica as mudanças existentes. Para isso, são necessários elementos sensoriais, chamados de objetos sensitivos, utilizados para coletarem informações dos ambientes. Além de coletar e obter os dados de fontes heterogêneas é necessário armazenar os dados de forma a constituir uma base histórica, para consulta e inferência, considerando as características do evento, localização, e momento em que ocorreu, gerando assim históricos de contextos. Com base nos históricos de contextos, aliado a novos eventos, é possível inferir a necessidade de reconfiguração do comportamento operacional dos objetos sensitivos, realizando até mesmo a realocação de recursos móveis para áreas menos densamente monitoradas, permitindo assim dados mais confiáveis e detalhados. Dessa forma, esta tese propõe o modelo computacional AdaptThing, que adapta dinamicamente dispositivos físicos e virtuais da IoT, através de uma rede de objetos sensitivos heterogêneos, com a capacidade de realizar a adaptação dinâmica do comportamento operacional dos elementos envolvidos, de forma a melhorar a resolução e detalhamento dos dados. O modelo computacional foi implementado e avaliado em dois cenários de aplicação. Um cenário foi educacional, onde o sistema forneceu questões de acordo com o conhecimento médio da turma onde aplicado, reduzindo o número de questões do mesmo assunto em 33,3 %. O outro cenário envolveu um conjunto de 25 estações climáticas profissionais, onde uma das estações teve seu funcionamento adaptado com base nas informações do contexto, reduzindo o seu consumo computacional em 67 %. Dessa forma considera-se que o modelo computacional AdaptThing possui a capacidade de gerenciar objetos sensitivos da IoT, adaptando dinamicamente o comportamento operacional de funcionamento, permitindo maior detalhamento de informações.
id USIN_084fad750a5b0b5aaa349eaedf07c992
oai_identifier_str oai:www.repositorio.jesuita.org.br:UNISINOS/9676
network_acronym_str USIN
network_name_str Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
repository_id_str
spelling 2021-03-29T16:36:26Z2021-03-29T16:36:26Z2019-12-11Submitted by Tatiane Vieira da Costa (tatianec) on 2021-03-29T16:36:25Z No. of bitstreams: 1 Alexandre Stürmer Wolf_ (1).pdf: 3927668 bytes, checksum: d505f1b6aa54a647d0cf27d6d50e0b28 (MD5)Made available in DSpace on 2021-03-29T16:36:26Z (GMT). No. of bitstreams: 1 Alexandre Stürmer Wolf_ (1).pdf: 3927668 bytes, checksum: d505f1b6aa54a647d0cf27d6d50e0b28 (MD5) Previous issue date: 2019-12-11Atualmente é esperado que os ambientes inteligentes tenham a capacidade de responder a eventos, principalmente em situações inesperadas. Os ambientes inteligentes são favorecidos pela evolução tecnológica, que possibilitou o surgimento do paradigma da Internet das Coisas – Internet of Things (IoT), que permite a conectividade entre diferentes sistemas e dispositivos, sejam físicos ou virtuais, através da Internet. Tanto os sistemas, quanto os dispositivos, podem ser adaptados conforme as necessidades dos ambientes, sejam através de monitoramento ou até mesmo ajustando parâmetros de funcionamento, respondendo assim, de forma dinâmica as mudanças existentes. Para isso, são necessários elementos sensoriais, chamados de objetos sensitivos, utilizados para coletarem informações dos ambientes. Além de coletar e obter os dados de fontes heterogêneas é necessário armazenar os dados de forma a constituir uma base histórica, para consulta e inferência, considerando as características do evento, localização, e momento em que ocorreu, gerando assim históricos de contextos. Com base nos históricos de contextos, aliado a novos eventos, é possível inferir a necessidade de reconfiguração do comportamento operacional dos objetos sensitivos, realizando até mesmo a realocação de recursos móveis para áreas menos densamente monitoradas, permitindo assim dados mais confiáveis e detalhados. Dessa forma, esta tese propõe o modelo computacional AdaptThing, que adapta dinamicamente dispositivos físicos e virtuais da IoT, através de uma rede de objetos sensitivos heterogêneos, com a capacidade de realizar a adaptação dinâmica do comportamento operacional dos elementos envolvidos, de forma a melhorar a resolução e detalhamento dos dados. O modelo computacional foi implementado e avaliado em dois cenários de aplicação. Um cenário foi educacional, onde o sistema forneceu questões de acordo com o conhecimento médio da turma onde aplicado, reduzindo o número de questões do mesmo assunto em 33,3 %. O outro cenário envolveu um conjunto de 25 estações climáticas profissionais, onde uma das estações teve seu funcionamento adaptado com base nas informações do contexto, reduzindo o seu consumo computacional em 67 %. Dessa forma considera-se que o modelo computacional AdaptThing possui a capacidade de gerenciar objetos sensitivos da IoT, adaptando dinamicamente o comportamento operacional de funcionamento, permitindo maior detalhamento de informações.It's currently expected that any environment will become an Intelligent Environment, capable of responding to events, especially in unexpected situations. Intelligent environments are favored by technological evolution, which has enabled the emergence of the Internet of Things (IoT) paradigm, which allows connectivity between different systems and devices, whether physical or virtual, through the Internet. Both systems and devices must adapt to the needs of environments, responding dynamically to existing changes. This requires sensory elements, called sensory objects, used to collect information from the environment. In addition to collecting and obtaining data from heterogeneous sources, it is necessary to store the data in such a way as to constitute a historical basis for consultation and inference, considering the characteristics of the event, location, and moment in which it occurred, thus generating a history of contexts. Based on contextual history, coupled with new events, it is possible to infer the need to reconfigure the operational behavior of sensitive objects, even relocating mobile resources to less densely monitored areas, thus enabling more reliable and detailed data. Thus, this thesis proposes the AdaptThing computational model, which supports heterogeneous sensitive object networks, with the ability to dynamically adapt the operational behavior of the elements involved, to improve data resolution and detail. The computational model was implemented and evaluated in two application scenarios. One scenario was educational, where the system provided questions according to the average knowledge of the class where applied, reducing the number of questions of the same subject by 33.3%. The other implementation scenario was applied to a set of 14 professional climate stations, where one of the stations had its operation adapted based on contextual information, reducing its computational consumption by 67%. Thus, it is considered that the AdaptThing computational model can manage IoT sensitive objects, dynamically adapting operational operating behavior, allowing for more detailed information.NenhumaWolf, Alexandre Stürmerhttp://lattes.cnpq.br/0591097928246945http://lattes.cnpq.br/6754464380129137Barbosa, Jorge Luis VictóriaUniversidade do Vale do Rio dos SinosPrograma de Pós-Graduação em Computação AplicadaUnisinosBrasilEscola PolitécnicaAdaptThing: modelo computacional para gerenciamento dinâmico e adaptativo de objetos da IoT utilizando histórico de contextosACCNPQ::Ciências Exatas e da Terra::Ciência da ComputaçãoInternet das coisasAdaptação dinâmicaHistórico de contextosInternet of thingsDynamic adaptionHistory contextsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttp://www.repositorio.jesuita.org.br/handle/UNISINOS/9676info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)instname:Universidade do Vale do Rio dos Sinos (UNISINOS)instacron:UNISINOSORIGINALAlexandre Stürmer Wolf_ (1).pdfAlexandre Stürmer Wolf_ (1).pdfapplication/pdf3927668http://repositorio.jesuita.org.br/bitstream/UNISINOS/9676/1/Alexandre+St%C3%BCrmer+Wolf_+%281%29.pdfd505f1b6aa54a647d0cf27d6d50e0b28MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82175http://repositorio.jesuita.org.br/bitstream/UNISINOS/9676/2/license.txt320e21f23402402ac4988605e1edd177MD52UNISINOS/96762021-03-29 13:37:01.12oai:www.repositorio.jesuita.org.br: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 Digital de Teses e Dissertaçõeshttp://www.repositorio.jesuita.org.br/oai/requestopendoar:2021-03-29T16:37:01Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS)false
dc.title.pt_BR.fl_str_mv AdaptThing: modelo computacional para gerenciamento dinâmico e adaptativo de objetos da IoT utilizando histórico de contextos
title AdaptThing: modelo computacional para gerenciamento dinâmico e adaptativo de objetos da IoT utilizando histórico de contextos
spellingShingle AdaptThing: modelo computacional para gerenciamento dinâmico e adaptativo de objetos da IoT utilizando histórico de contextos
Wolf, Alexandre Stürmer
ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação
Internet das coisas
Adaptação dinâmica
Histórico de contextos
Internet of things
Dynamic adaption
History contexts
title_short AdaptThing: modelo computacional para gerenciamento dinâmico e adaptativo de objetos da IoT utilizando histórico de contextos
title_full AdaptThing: modelo computacional para gerenciamento dinâmico e adaptativo de objetos da IoT utilizando histórico de contextos
title_fullStr AdaptThing: modelo computacional para gerenciamento dinâmico e adaptativo de objetos da IoT utilizando histórico de contextos
title_full_unstemmed AdaptThing: modelo computacional para gerenciamento dinâmico e adaptativo de objetos da IoT utilizando histórico de contextos
title_sort AdaptThing: modelo computacional para gerenciamento dinâmico e adaptativo de objetos da IoT utilizando histórico de contextos
author Wolf, Alexandre Stürmer
author_facet Wolf, Alexandre Stürmer
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/0591097928246945
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6754464380129137
dc.contributor.author.fl_str_mv Wolf, Alexandre Stürmer
dc.contributor.advisor1.fl_str_mv Barbosa, Jorge Luis Victória
contributor_str_mv Barbosa, Jorge Luis Victória
dc.subject.cnpq.fl_str_mv ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação
topic ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação
Internet das coisas
Adaptação dinâmica
Histórico de contextos
Internet of things
Dynamic adaption
History contexts
dc.subject.por.fl_str_mv Internet das coisas
Adaptação dinâmica
Histórico de contextos
dc.subject.eng.fl_str_mv Internet of things
Dynamic adaption
History contexts
description Atualmente é esperado que os ambientes inteligentes tenham a capacidade de responder a eventos, principalmente em situações inesperadas. Os ambientes inteligentes são favorecidos pela evolução tecnológica, que possibilitou o surgimento do paradigma da Internet das Coisas – Internet of Things (IoT), que permite a conectividade entre diferentes sistemas e dispositivos, sejam físicos ou virtuais, através da Internet. Tanto os sistemas, quanto os dispositivos, podem ser adaptados conforme as necessidades dos ambientes, sejam através de monitoramento ou até mesmo ajustando parâmetros de funcionamento, respondendo assim, de forma dinâmica as mudanças existentes. Para isso, são necessários elementos sensoriais, chamados de objetos sensitivos, utilizados para coletarem informações dos ambientes. Além de coletar e obter os dados de fontes heterogêneas é necessário armazenar os dados de forma a constituir uma base histórica, para consulta e inferência, considerando as características do evento, localização, e momento em que ocorreu, gerando assim históricos de contextos. Com base nos históricos de contextos, aliado a novos eventos, é possível inferir a necessidade de reconfiguração do comportamento operacional dos objetos sensitivos, realizando até mesmo a realocação de recursos móveis para áreas menos densamente monitoradas, permitindo assim dados mais confiáveis e detalhados. Dessa forma, esta tese propõe o modelo computacional AdaptThing, que adapta dinamicamente dispositivos físicos e virtuais da IoT, através de uma rede de objetos sensitivos heterogêneos, com a capacidade de realizar a adaptação dinâmica do comportamento operacional dos elementos envolvidos, de forma a melhorar a resolução e detalhamento dos dados. O modelo computacional foi implementado e avaliado em dois cenários de aplicação. Um cenário foi educacional, onde o sistema forneceu questões de acordo com o conhecimento médio da turma onde aplicado, reduzindo o número de questões do mesmo assunto em 33,3 %. O outro cenário envolveu um conjunto de 25 estações climáticas profissionais, onde uma das estações teve seu funcionamento adaptado com base nas informações do contexto, reduzindo o seu consumo computacional em 67 %. Dessa forma considera-se que o modelo computacional AdaptThing possui a capacidade de gerenciar objetos sensitivos da IoT, adaptando dinamicamente o comportamento operacional de funcionamento, permitindo maior detalhamento de informações.
publishDate 2019
dc.date.issued.fl_str_mv 2019-12-11
dc.date.accessioned.fl_str_mv 2021-03-29T16:36:26Z
dc.date.available.fl_str_mv 2021-03-29T16:36:26Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.repositorio.jesuita.org.br/handle/UNISINOS/9676
url http://www.repositorio.jesuita.org.br/handle/UNISINOS/9676
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade do Vale do Rio dos Sinos
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Computação Aplicada
dc.publisher.initials.fl_str_mv Unisinos
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Escola Politécnica
publisher.none.fl_str_mv Universidade do Vale do Rio dos Sinos
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
instname:Universidade do Vale do Rio dos Sinos (UNISINOS)
instacron:UNISINOS
instname_str Universidade do Vale do Rio dos Sinos (UNISINOS)
instacron_str UNISINOS
institution UNISINOS
reponame_str Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
collection Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
bitstream.url.fl_str_mv http://repositorio.jesuita.org.br/bitstream/UNISINOS/9676/1/Alexandre+St%C3%BCrmer+Wolf_+%281%29.pdf
http://repositorio.jesuita.org.br/bitstream/UNISINOS/9676/2/license.txt
bitstream.checksum.fl_str_mv d505f1b6aa54a647d0cf27d6d50e0b28
320e21f23402402ac4988605e1edd177
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS)
repository.mail.fl_str_mv
_version_ 1801845047470063616