El Internet de las cosas (IoT), se define a breves rasgos como cualquier objeto que posea algún software, sensor o tecnología capaz de conectarse de manera inalámbrica a alguna red de internet, con la finalidad de recopilar datos que brinden información precisa y estratégica respecto a algo. Actualmente, gracias a la incorporación de inteligencia artificial, estos procesos se han vuelto más sofisticados, aumentando las redes de IoT gracias a machine learning (ML) y analíticas avanzadas.
Los dispositivos de IoT se han ejecutado en diferentes aplicaciones industriales debido a su factibilidad de implementación gracias a los modernos conjuntos de herramientas y la gran variedad de sensores que existen para medir la magnitud de cantidades de interés . Aquí, donde se combinan herramientas de inteligencia artificial con IoT para mejorar las prestaciones de los dispositivos que nos permiten interactuar con el medio y transformar el entorno, nos enfrentamos a complejidades que pueden afectar al canal de comunicación y las funcionalidades de los sensores, provocando una pérdida de información.
En este contexto, Wilmar Hernández, docente investigador UDLA, colabora en la investigación denominada “Time-Series Forecasting to Fill Missing Data in IoT Sensor Data”, publicada en la revista de alto impacto IEEE Xplore, que trata sobre el uso de algoritmos de pronósticos de herramientas de inteligencia artificial, donde gracias a la selección del algoritmo más adecuado, se pueden realizar diferentes mediciones de datos en un entorno del mundo real como temperatura, humedad y CO2. Este estudio, realizó un análisis comparativo entre modelos estadísticos y de ML para pronosticar el valor de variables utilizando herramientas de AIoT .
Los impactos principales de esta investigación son:
- La descripción y descomposición de datos propuesta permite determinar tasas de muestreo adecuadas en dispositivos IoT para ahorrar energía y ancho de banda de comunicación.
- La comparación entre modelos de pronóstico permite seleccionar el modelo adecuado para ejecutar en el dispositivo Edge o IoT.
Para acceder al artículo completo, ingresa en el siguiente enlace: https://ieeexplore.ieee.org/document/10225693
