Abstract:
Resumo:
A Internet das Coisas (IoT) engloba diversas tecnologias, como Wi-Fi e Bluetooth, que
permitem o monitoramento constante de diferentes aspectos do dia a dia das pessoas,
como o monitoramento de saúde e controle de acesso. A adoção de sensores e dispositivos
IoT que permitem a interconexão de objetos está tornando edifícios em grandes cidades
cada vez mais inteligentes. Nesse contexto, sensores e atuadores IoT podem monitorar
parâmetros relacionados à segurança física, como questões referentes à controle de tem peratura e detecção de fumaça. Dessa forma, o mau funcionamento de tais dispositivos
de monitoramento pode causar danos à propriedade e talvez morte, tornando necessário
avaliar o desempenho dos sistemas que compõem tal arquitetura computacional. Alguns
estudos usaram modelos analíticos visando diferentes aspectos para avaliar o desempenho
de sistemas de monitoramento de edifícios. No entanto, alguns pontos ainda não são
explorados na literatura, como: (i) a análise da capacidade de recursos computacionais
adequados à demanda de dados, ii) representação do número de núcleos por máquina e iii)
o agrupamento de sensores por localização. Este trabalho propõe um modelo de rede de
filas para avaliar o desempenho de uma infraestrutura de edifício inteligente com suporte
à múltiplas camadas de processamento: borda e névoa. As avaliações de desempenho
foram realizadas através de uma análise de sensibilidade e análises numéricas considerando
o modelo proposto. Primeiramente, o modelo foi submetido à análise de sensibilidade
utilizando o método Design of Experiments (DoE) para identificar gargalos na proposta.
Em seguida, uma série de estudos de caso foi realizada com base nos resultados DoE. Os
resultados do DoE nos permitiram concluir, por exemplo, que o número de nós pode ter
mais impacto no tempo de resposta do que o número de núcleos desses nós. As análises
numéricas permitem observar o comportamento das seguintes métricas: tempo médio de
resposta, taxa de utilização de recursos, vazão, taxa de descarte e número de mensagens no
sistema. Essas análises mostram que a taxa de chegada e o número de recursos disponíveis
na névoa podem ser muito influentes no desempenho da rede. O modelo proposto e as
análises realizadas podem ajudar os projetistas de sistemas a otimizar suas arquiteturas
computacionais antes mesmo da implementação. O modelo foi validado através de um
validador sintético que foi implementado utilizando a linguagem Java, seguindo todas as
restrições impostas pelo modelo com relação aos seus componentes.
Abstract:
The Internet of Things (IoT) encompasses several technologies, such as Wi-Fi and Blue tooth, which allow constant monitoring of different aspects of people’s daily lives, such as
health monitoring and access control. The adoption of IoT sensors and devices that enable
the interconnection of objects is making buildings in big cities increasingly smarter. In this
context, IoT sensors and actuators can monitor parameters related to physical security,
such as issues related to temperature control and smoke detection. Thus, the malfunction
of such monitoring devices can cause property damage and perhaps death, making it
necessary to evaluate the performance of the systems that make up such computational
architecture. Some studies used analytical models targeting different aspects to assess the
performance of building monitoring systems. However, some points are still not explored
in the literature, such as: (i) the analysis of the capacity of computational resources
adequate to the data demand, ii) representation of the number of cores per machine and
iii) the clustering of sensors by location. This work proposes a queuing network model
to evaluate the performance of an intelligent building infrastructure supporting multiple
processing layers: edge and fog. Performance evaluations were carried out through a sensi tivity analysis and numerical analysis considering the proposed model. First, the model
was submitted to sensitivity analysis using the Design of Experiments (DoE) method
to identify bottlenecks in the proposal. Then, a series of case studies were carried out
based on the DoE results. The DoE results allowed us to conclude, for example, that the
number of nodes can have more impact on response time than the number of cores on
those nodes. Numerical analyzes allow us to observe the behavior of the following metrics:
average response time, resource utilization rate, throughput, discard rate and number of
messages in the system. These analyzes show that the arrival rate and number of resources
available in fog can be very influential on network performance. The proposed model
and the analyzes carried out can help system designers to optimize their computational
architectures even before implementation. The model was validated through a synthetic
validator that was implemented using the Java language, following all restrictions imposed
by the model in relation to its components.