Modelos matemáticos para el control de la incertidumbre en sensores de internet of things

• Autor: Alcántara Ramírez, Manuel Abelardo
• Formato: tesis doctoral
• Fecha de Publicación: 2024
• Institución: Universidad Nacional del Santa
• Repositorio: UNS - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uns.edu.pe:20.500.14278/4953
• Enlace del recurso: https://hdl.handle.net/20.500.14278/4953
• Nivel de acceso: acceso abierto
• Materia: nternet of Things; Lógica difusa; Sensores; Funciones de membresía; Inferencia difusa; https://purl.org/pe-repo/ocde/ford#1.01.00

El paradigma de Internet of Things (IoT) involucra la participación de diversos dispositivos conectados mediante internet para que interactuando entre sí resuelvan problemas concretos, los sistemas basados en IoT utilizan sensores para la captura de datos y actuadores para realizar tareas. Los sensores están expuestos a factores que pueden alterar su funcionamiento, la imprecisión o incertidumbre en los datos repercuten en la toma de decisiones. El objetivo es formular modelos matemáticos basados en lógica difusa para controlar la incertidumbre en los datos de los sensores y generar una salida adecuada para los actuadores. Se selecciona seis sensores representativos y se crean cinco sistemas según modelos matemáticos basados en lógica difusa, se simulan usando MATLAB, aplicando el paradigma de computación al borde se crean librerías y programas par Arduino y se graba el código generado en la memoria del microcontrolador ESP8266/ESP32 para realizar el control de manera autónoma, se hacen las implementaciones físicas de los sistemas y se prueba su funcionamiento. Como resultado se observa que las implementaciones físicas de los sistemas tratan la incertidumbre de los datos con la misma precisión que el sistema difuso simulado en MATLAB. Se concluye que es pertinente tratar la incertidumbre de los datos de los sensores mediante la adecuación a un sistema difuso en base a un modelo matemático que establezca las variables lingüísticas, los conjuntos difusos, las reglas condicionales y el método de inferencia, la computación al borde permite la implementación de las funciones de membresía en el microcontrolador. Se recomienda repetir la investigación con sensores de procesos más críticos como los de medicina e incorporar sistemas neuro difusos para conseguir aprendizaje autónomo.