Arquitetura para Internet das Coisas

Prévia do material em texto

12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 1/34
ARQUITETURA PARA INTERNETARQUITETURA PARA INTERNET
DAS COISASDAS COISAS
ANÁLISE DE MODELOSANÁLISE DE MODELOS
DE REFERÊNCIA EDE REFERÊNCIA E
DETECÇÃO DE OUTLIERDETECÇÃO DE OUTLIER
Autor: Esp. Renan Constanci Hagiwara
Revisor : Isabel S iqueira
IN IC IAR
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 2/34
introduçãoIntrodução
Quando falamos de revolução tecnológica, a noção de Internet das Coisas –
ou Internet of Things (IoT) – é um dos assuntos principais. É um fenômeno
atual, mas que continua a se desenvolver e desenhará nosso futuro de uma
forma completamente inédita. Devido às excelentes oportunidades que a IoT
promete, mais organizações buscam a inclusão de seus produtos em seus
processos de negócios. No entanto, quando se trata de realidade, essa ideia
brilhante parece complicada demais para ser implementada, dado o número
de dispositivos e condições necessárias para fazê-la funcionar. Em outras
palavras, o problema de estabelecer uma arquitetura con�ável da Internet das
Coisas entra inevitavelmente no palco. As plataformas IoT mais abrangentes
incluem middleware, juntamente com sensores e componentes de rede.
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 3/34
Nesta seção, faremos uma análise crítica entre a Linksmart, que utiliza
padrões de ampla disseminação para facilitar a integração com seus serviços
e sistemas, e o Ubidots. Analisaremos também os modelos de referência
utilizados na IoT.
Análise de Modelos de Referência
Nos modelos de referência do ITU-T existem especi�cações em algumas
camadas e uma rápida descrição das fundamentais funcionalidades exigidas
em um sistema de IoT. Já o modelo de referência apresentado pela IoT-A
determina submodelos e a interação entre eles, o que pode de�nir uma
arquitetura de referência que funciona como um modelo para a especi�cação
Análise CríticaAnálise Crítica
entre Linksmart eentre Linksmart e
Ubidots e sobre osUbidots e sobre os
Modelos deModelos de
ReferênciaReferência
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 4/34
e implantação de sistemas inteligentes no caso IoT. Sendo assim, essas
especi�cações tendem a partir dos requisitos e diagramas para a
especi�cação do sistema, e é bem comum que vá até a especi�cação de
tecnologias para as camadas, como a comunicação dos dispositivos, software,
hardware e modelo de rede. Ambos são modelos de referência, mas o
determinado pelo IoT-A parte do modelo de referência e chega até a
arquitetura de referência, que podemos dizer que é o guia de design do
sistema de IoT.
Análise Crítica entre Linksmart e
Ubidots
A plataforma Ubidots tende a não permitir o desenvolvimento de instâncias
que tenham mais de um atributo em um objeto, de modo a obrigar que a
implementação de controle seja realizada no gateway ou no dispositivo da
camada física. Portanto, para criar esse controle no gateway, é necessário
realizar o envio de forma simultânea em relação às várias características,
porém, não existe nenhuma ligação explícita entre eles, o que pode gerar
inconsistências para a aplicação.
A �gura a seguir apresenta como uma aplicação é executada de modo
experimental na plataforma Ubidots.
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 5/34
A aplicação de teste apresentada inseriu 5.000 instâncias, com três principais
características:
luminosidade;
horário da leitura como variável inteira; e
temperatura.
Cada característica foi inserida de forma individual, somando 15.000 registros
na plataforma Ubidots, que apresentou 15 falhas inserir o conjunto total de
instâncias. Por meio da API não é possível resgatar cada valor, apenas o
conjunto total com todos os registros. Sendo assim, o tempo transcorrido
para a inserção dos registros foi de quase uma hora e seis minutos, para o
resgate do conjunto de modo completo o tempo transcorrido foi de quase
sete segundos. O tempo total transcorrido foi relativamente alto. A imagem a
seguir apresenta a execução de uma aplicação experimental usando o
Linksmart.
Nessa aplicação de teste, foram inseridas 5000 instâncias, com três
características:
luminosidade;
horário da leitura como variável inteira; e
temperatura.
Figura 4.1 - IotUbidotsTest
Fonte: Souza e Amazonas (2015, p. 61).
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 6/34
Essa execução não exibiu erros ao inserir o conjunto total de instâncias. O
tempo transcorrido para a inserção dos registros foi perto de 1 minuto e 49
segundos; para o resgate do conjunto completo de dados, o tempo
transcorrido foi de aproximadamente dois segundos. Assim, o tempo total
transcorrido foi baixo se conferido com o da plataforma Ubidots, mas não
pode ser um parâmetro relevante para fazer a escolha de uma plataforma,
pois precisamos ter em vista que possa ter variações da banda de rede
disponível no momento que a aplicação é executada. A plataforma Ubidots
aceita somente a inserção de variáveis inteiras ou reais, não permitindo
valores como data, hora, textos ou outros tipos quaisquer que, dependendo
do contexto da aplicação, talvez sejam importantes. Esses fatos apresentados
justi�cam a alternativa de desenvolver uma arquitetura estendendo ao
Linksmart middleware.
praticarVamos Praticar
Em uma infraestrutura de IoT, o número de dispositivos e serviços pode crescer
rapidamente, e seu status e conectividade podem mudar dinamicamente. Para
gerenciar essa infraestrutura, a melhor plataforma de código fechado do mercado
fornece um conjunto de serviços para gerenciar e acompanhar os dispositivos,
serviços, sistemas e subsistemas em execução. Assinale a seguir a alternativa que
indica essa plataforma.
a) Ubidots.
b) IoT.
c) Middleware.
d) Linksmart.
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 7/34
e) ITU-T.
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 8/34
Vamos analisar uma solução que acrescentou os mecanismos de análise e
reconhecimento de padrões nas seguintes camadas:
1. middleware e serviço no modelo de IoT;
2. camada de dispositivos ou entidades físicas, nesse caso acaba sendo dentro
de dispositivos de IoT que se mantêm na classe de dispositivos com baixo
poder computacional; e
3. dispositivo de gateway de IoT. Podemos destacar que a normalização e
sincronização dos dados e semelhantes fontes não estão no escopo dessa
solução e necessitam que seja uma decisão de projeto e arquitetura da
aplicação ou sistema cliente do módulo.
Análise eAnálise e
ReconhecimentoReconhecimento
de Padrões nasde Padrões nas
Camadas deCamadas de
MiddlewareMiddleware
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 9/34
Foi uma alternativa utilizar como apoio ao Linksmart middleware a plataforma
para criação de aplicações para a IoT, que foi notada em Chartier (2007).
Nessa solução podemos acrescentar uma subcamada para o reconhecimento
de padrões do Linksmart, na qual são inseridos os novos serviços para
analisar o reconhecimento de padrões ao abstrair algoritmos para detectar
outliers, estimar valores e algoritmos de clustering. Dessa forma é possível
admitir que eles sejam usados em distintos ambientese com diferentes tipos
de dispositivos. Assim, as aplicações passam a poder resgatar dados do
middleware ao invés de resgatar informações capturadas de modo direto dos
objetos que são conectados.
A imagem a seguir apresenta uma alteração na estrutura em camadas do
Linksmart middleware.
A subcamada Pattern Layer, separada pelo retângulo, tem três gerenciadores
clustering manager, outlier manager e estimation manager, nos quais são
implementadas as funcionalidades para o reconhecimento de padrões. Sendo
assim, a implementação possui três características muito importantes,
listadas a seguir.
1. Adulteração nos Application Elements, à esquerda na Figura 4.3, com foco na
camada de middleware ou serviço.
Figura 4.3 - Camadas do Linksmart 
Fonte: Jadhao (2011, p. 6).
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 10/34
2. Adulteração nos Device Elements, à direita na Figura 4.3, elementos de
dispositivos que podem ser introduzidos em futuros dispositivos para IoT que
venham a usar o Linksmart como apoio para seu �rmware. Os elementos de
dispositivos podem ser agrupados aos gateways de IoT.
3. Para classes de dispositivos que não possam ter os elementos de
dispositivos do Linksmart introduzidos, pretende-se desenvolver
especi�cações de algoritmos que sejam agrupados ao �rmware. Sendo assim,
essa implementação tem o foco voltado à Physical Layer, no caso, a camada de
entidades físicas.
Em algumas biogra�as é possível ver a utilização  de algoritmos de estimação
de valores, de clustering e de detecção de outliers, na qual é possível conseguir
contribuir para a diminuição do tráfego de rede no modelo de IoT sugerido.
Dessa forma, é possível ter em vista que não existirá a obrigação de enviar
todos os dados para a camada acima, pois, desse jeito, serão pré-processados
no próprio middleware de IoT. Aos algoritmos soma-se a arquitetura difundida
Big Data para minerar dados, que pretende disseminar o armazenamento o e
processamento usando algumas soluções do Framework Hadoop e do
Linksmart middleware. Para essa implementação, foram utilizados alguns
algoritmos de regressão linear para estimar valores.
Algoritmo k-means foi utilizado para o clustering dos valores
originários de sensores ligados aos dispositivos ou de informações
que já foram entregues ao Linksmart middleware.
Para detectar outliers foi empregado o algoritmo de clustering k-
means e a medida de distância dos centroides para a detecção de
outliers (DOUGHERTY, 2012) (PAMULA; DEKA; NANDI, 2011) (LEI et al.,
2012) (SOUZA; AMAZONAS, 2015).
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 11/34
A �gura anterior representa o �uxo de dados e informações encontrados na
arquitetura e implementação propostas. A característica que podemos dar
mais destaque na implementação é o novo módulo para distinguir os padrões
que são   inseridos no Linksmart middleware. Portanto, essa implementação
segue a arquitetura que podemos avaliar como um modelo de referência IoT-
A, já discutido anteriormente. A seguir citamos alguns desses modelos.
Physical Layer (ou, em português, camada física): nesta camada
podemos encontrar recursos físicos, que serão chamados a partir
desse ponto de Resource Layer, é simulada por sensores e
dispositivos inteligentes. No caso, o gerenciador de recursos físicos,
também conhecido como Resource Manager, concebe os drivers de
dispositivos ou gateway responsáveis por realizar a interface com o
Linksmart e enviar os dados brutos ou informações pré-processados
por algoritmos que estimam valores ou detecção de outliers. Sendo
assim, caso as informações geradas por um Resource Manager sejam
processadas nessa camada, ele con�rmará ao gerenciador de
con�guração (Con�guration Manager) no Linksmart ou de
diretamente à aplicação.
Então, tanto o Resource Manager quanto a aplicação poderão
modi�car parâmetros no Resource Manager de forma que o pré-
processamento poderá ser desativado e passar a fazer envio de
brutos para a camada acima. Com isso, a partir dessa camada o �uxo
de informação poderá ir para a camada de middleware.
Figura 4.4 - Middleware Layer
Fonte: Souza e Amazonas (2015, p. 65).
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 12/34
Middleware Layer (também conhecida como camada de middleware):
esta camada é representada pelo Linksmart middleware, alterado
nessa implementação pela inserção de soluções de reconhecimento
de padrões e o Con�guration Manager. O Event Manager, já vivente,
tem grande relevância nessa arquitetura, mas as outras soluções
presentes no middleware não são tão importantes para a
implementação realizada. O Pattern Manager implementa três
soluções: o modo de estimar valores, clustering e detecção de outliers.
Já o Con�guration Manager aceita que as aplicações ou o Resource
Manager possam con�gurar os parâmetros no Pattern Manager,
determinar quando os algoritmos serão executados ou o quanto de
informação será necessário para o armazenamento, além de habilitar
ou desabilitar os serviços de reconhecimento de padrões ou limpar
as informações armazenadas. Depois de processar as informações, o
serviço de reconhecimento de padrões pode enviar dados
contextualizados para o Event Manager, que, por sua vez, envia novos
eventos aos clientes. O Event Manager fornece a escalabilidade, tendo
em vista que ele tem soluções para enviar os eventos para um único
ou muitos clientes, dependendo da estrutura de implantação do
Linksmart.
No caso, o Event Manager é acessado de modo direto pelo Resource Manager,
que não conseguiu habilitar as soluções de reconhecimento de padrões. Esse
atributo é selecionado no projeto da aplicação e pode sofrer alteração por
meio do Con�guration Manager.
Essa camada faz a implementação da comunicação Cross Layer, tendo em
vista que é possível receber ou enviar e parâmetros de con�guração ao
Resource Manager ou até mesmo às aplicações. Deste modo, o aspecto mais
relevante dessa comunicação Cross Layer – na qual a informação bruta é
aberta, processada ou interpretada nessa camada, que de outro modo seria
uma função particular da camada de aplicação – é idêntico o modelo OSI
(COMER, 2015).
A Application Layer (também conhecida como camada de aplicação)
representa as aplicações clientes ou suas atuações de con�guração. As
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 13/34
aplicações recebem os eventos por meio do Event Manager, sendo as
informações brutas ou dados processados. Desse modo, as ações de
con�guração são responsáveis por con�gurar os parâmetros no Con�guration
Manager ou por enviar parâmetros ao Resource Manager ou ao middleware,
para controlar seu comportamento ou os serviços de reconhecimento de
padrões, desta forma fazendo a ativação ou desativação e estabelecendo uma
comunicação conhecida como bidirecional.
Com isso, a comunicação Cross Layer se destaca por ser um requisito bastante
importante para essa arquitetura, sendo implementada segundo a descrição
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 14/34
mencionada. A arquitetura sugerida aceita o processamento disseminado ou
em diversas camadas, e o dado pode ser processado em cada nó físico, de
rede do middleware ou de aplicação. Assim, a comunicação Cross Layer
entendida nessa arquitetura acolhe essa funcionalidade, que é muito
importante para o contexto de aplicações de IoT.
praticarVamos Praticar
Atualmente existe um conjunto de instruções, dados ou programas usados para
operar computadores e executar tarefas especí�cas. Ao contráriode outro conceito,
que descreve os aspectos físicos de um computador, software é um termo genérico
usado para se referir a aplicativos, scripts e programas executados em um
dispositivo. A partir do exposto, assinale a alternativa que se encaixa no conceito de
um software que preenche lacunas entre outros aplicativos, ferramentas e bancos
de dados a �m de fornecer serviços uni�cados aos usuários. É geralmente
caracterizado como a cola que conecta diferentes plataformas e dispositivos de
software.
a) Software.
b) Hardware.
c) Middleware.
d) Internet.
e) OSI.
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 15/34
Diferentes classes foram construídas para implementar os algoritmos de
reconhecimento de padrões e fazer a integração à plataforma de Big Data
Hadoop. Podemos citar os serviços criados como clustering, estimação de
valores e detecção de outliers e a comunicação Cross Layer, respectivamente.
Implementação do Serviço de
Clustering
Implementação doImplementação do
Serviço deServiço de
Clustering Clustering e doe do
Serviços deServiços de
Detecção deDetecção de
OutlierOutlier
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 16/34
A �gura a seguir ilustra o diagrama de classes que implementa o serviço de
clustering no módulo Pattern Manager. Além disso, a imagem apresenta o
pacote existente teste.linksmart.pattern e os novos pacotes clusters de
Hadoop, de acordo com as classes explicitadas a seguir.
PatternSubscription é a classe que desenvolve a estrutura com as
características para as novas classes, que implementam os serviços no
módulo Pattern Manager. Sendo assim, realiza a de�nição de características
que informam o tipo de algoritmo, no caso, se são numérico, texto, valor de
PHID, clustering, estimação de valor, tipo de atributo, classe ou data, valor de
PHID e detecção de outlier.
PatternSubscriptionClustering é a classe que estende a classe
PatternSubscription e pode acrescentar novos métodos para o serviço de
clustering, como o inputInstance, que realiza a inserção de instância de
informação para fazer o processamento; �ndCluster, que regressa a qual
cluster uma instância é mais análoga ou está mais perto;
setAttributesClustering, que faz a de�nição dos principais parâmetros para o
algoritmo de clustering; runPattern, que realiza a iniciação da execução do
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 17/34
algoritmo; �nishedRunSubscriptionClustering, que normalmente faz a
noti�cação de quando o procedimento de clustering foi completado; e
returnResultPatternClassi�cationClustering, que realiza o retorno do
resultado do processamento. Compreenda que essa classe não é quem faz a
implementação do algoritmo de clustering, contudo, ela possui um objeto ao
qual encarrega esse processamento. Com isso, essa solução consente o
desacoplamento entre o módulo e a implementação real e, por �m, aceita a
introdução de inovações, ou seja, novas implementações.
PatternClustering é uma interface que determina a estrutura para que uma
classe possa implementar as metodologias necessárias para ser um objeto de
PatternClustering. Assim, ela de�ne algumas das seguintes metodologias:
inputInstance, �ndCluster, runPattern,
returnResultPatternClassi�cationClustering, setAttributesClustering e
�nishedRunSubscriptionClustering, no caso todos conectados às
metodologias de�nidas na classe PatternSubscriptionClustering.
ResultPatternClassi�cationClusterin é uma classe que contém as
características necessárias de um resultado de execução de um algoritmo
declustering. Com isso, esse objeto deve ser retornado a uma aplicação, de
forma que os dados sobre os clusters possam ser usados na aplicação para
gerar e contextualizar o conhecimento sobre as informações que foram
processadas na camada de middleware. Sendo assim, o resultado contém
todas as características de cada centroide de cada cluster e seus referentes
raios.
PatternClusteringHadoopImpl é uma importante classe no serviço de
clustering, no caso, é uma implementação real da interface PatternClustering e
de todos as suas metodologias propostas. Dessa forma, ela implementa o
algoritmo de clustering k-means, que é conectado ao Hadoop para realizar o
processamento difundido com Big Data. A implementação do algoritmo
realiza o uso do Framework Mahout. A principal metodologia implementada
na classe constrói uma thread para iniciar o processo na instância de Hadoop.
Então, quando o procedimento é completado, o método modi�ca o estado de
um �ag e assim con�rma e realiza o envio do resultado para o Linksmart
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 18/34
EventManager. Assim, todos os clientes que permanecerem registrados
receberão a noti�cação com um novo valor ou conjunto de informações.
SimpleKMeansClusteringHadoop é a classe que realiza a implementação da
integração e faz a execução de uma thread do algoritmo k-means na instância
do Hadoop.
A implementação da arquitetura aceita que alguma outra classe possa
implementar a interface PatternClustering e unir ao módulo. Em
implementações anteriores, foi empregado o framework Weka como apoio
para implementar o algoritmo de clustering. Contudo, não foram obtidos
resultados aceitáveis quanto aos tempos de execução no contexto de IoT com
os conjuntos de bases de informações para ensaios. A partir desses
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 19/34
resultados insatisfatórios foi melhor usar a tecnologia de Big Data com o
Hadoop e a implementação algorítmica do Mahout. Assim a implementação
com Big Data aceita o desenvolvimento de clusters de processamento com
instâncias de Hadoop, o que admite uma escalabilidade alta de poder
computacional e que possa ser transparente para o módulo criado.
Serviços de Detecção de Outlier
De acordo com Zaki e Meira (2014), as abordagens que empregam medidas
de proximidade devem ser usadas para detectar outlier. Lei et al. (2012)
desenvolveram abordagens que empregam algoritmos de clustering para a
detecção de outliers. Aceitando como fundamento essas descrições, vamos
apresentar a proposta de algoritmo de detecção de outlier empregando a
tecnologia de Big Data e algoritmo de clustering k-means. Essa implementação
tem os seguintes steps:
1. a aplicação adiciona as informações brutas para que se possa desenvolver
o modelo de clustering;
2. a execução do algoritmo de clustering Canopy é realizada com as
informações iniciais para que possa indicar a quantidade de clusters viventes
no modelo, empregando a implementação atual do framework Mahout
(NAYAK et al., 2015);
3. outra forma de execução é a partir do algoritmo k-means, com uma certa
quantidade de centroides que serão retornados pelo algoritmo Canopy, de
modo a criar o modelo de clusters, além de empregar a implementação
contemporânea do framework Mahout (GIACOMELLI, 2013);
4. são feitos resgates de dados sobre os clusters, os centroides e os
respectivos raios, que são gerados pela execução do algoritmo k-means; e
5. com fundamento nesses valores, o método isOutLier tende a ser utilizado.
Sua implementação realiza o cálculo da distância euclidiana (DOUGHERTY,
2012) de uma dada instância para todos os centroides e, caso essa distância
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 20/34
seja realmente maior do que o raio para cada cluster e centroide, a instância é
quali�cada como um outlier.
A ilustração a seguir tem como objetivoapresentar a detecção de outlier, com
isso, podemos observar três clusters e, respectivamente, seus raios e dois
pontos considerados outlier.
Na ilustração podem ser notados os três clusters gerados, são eles: (1) o
simulado pelos círculos, (2) o simulado pelos diamantes e (3) os apresentados
pelas estrelas, além de dois outliers que são representados pelo sinal de + e
caracterizados com o número 4; estes estão fora dos círculos de cada cluster,
que simulam seus respectivos raios.
praticarVamos Praticar
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 21/34
O serviço de decompor a população ou os pontos de informação é dividido em
vários grupos, de forma que os pontos de dados nos mesmos grupos sejam mais
análogos a outros pontos de dados no mesmo grupo do que os de outros grupos.
Em palavras simples, o objetivo é segregar grupos com características semelhantes
e designá-los em grupos. Como é chamada essa tarefa?
a) Clustering.
b) Internet.
c) Linksmart.
d) ITU-T.
e) Ubidots.
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 22/34
A internet é uma das mais imperativas e está se transformando todos os dias.
Atualmente, toda pessoa está conectada à internet, mas a novidade da era
moderna é que agora muitos dispositivos têm a capacidade de compartilhar
os dados e se comunicar entre si, ou seja, as coisas estão conectadas à
internet chamada Internet das Coisas
Implementação daImplementação da
Comunicação CrossComunicação Cross
Layer no ModeloLayer no Modelo
IoT e Técnica deIoT e Técnica de
Sensores Virtuais eSensores Virtuais e
Processamento deProcessamento de
Eventos no ModeloEventos no Modelo
IoTIoT
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 23/34
Implementação da Comunicação
Cross Layer no Modelo IoT
A especi�cação da implementação da comunicação Cross Layer no modelo de
IoT vai de encontro a alguns requisitos necessários, um deles é o dispositivo
para o middleware, que funciona da seguinte forma: quando o dispositivo
permanecer em uso, os algoritmos de estimação de valores e detecção de
outliers, middleware ou camadas superiores necessitarão ser informados.
Assim foram de�nidas as formas de mensagens para essa troca de dados.
Podemos citar a do middleware/serviço ou aplicação para o dispositivo como o
modelo criado que admite que a aplicação ou o middleware indiquem se o
dispositivo necessita ser desativado ou ativado para a sua utilização dos
algoritmos propostos. De tal modo, foram acentuados os formatos de
mensagens para poder ser permitida a realização do controle dessas
funcionalidades nos dispositivos, de forma que se consiga realizar a ativação
ou a desativação de cada função particular.
A implementação dessa comunicação pode ser acionada nos elementos de
dispositivo e elementos de aplicação do Linksmart middleware e para
dispositivos que não o tenham embutido. Depois, cabe à especi�cação das
interfaces e contratos determinar o modo de usar essas funcionalidades, para
que seja possível implementar e utilizar os mecanismos propostos.
A �gura a seguir apresenta a estrutura exclusiva da comunicação Cross Layer
proposta e também implementada pelo diagrama de classes.
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 24/34
O diagrama de classes concebe a estrutura orientada a objetos desenvolvida.
Existem duas classes que concebem os parâmetros de comunicação Cross
Layer. A Iinterface CrossLayerParameter desenvolve a principal estrutura de
um parâmetro Cross Layer. É possível notar os contratos das metodologias
como setLayer, que é, nesse caso, o responsável por de�nir se a dada camada
necessitará ou não fazer o processo das informações. GetLayer é responsável
por devolver a camada em que está sendo realizada a modi�cação, setFlag é o
método responsável por de�nir uma variável binária que con�rma se o dado
serviço na determinada camada está ou não ativo. Sendo assim a classe
CrossLayerParameterImpl é a implementação real dos métodos determinados
na interface CrossLayerParameter.
As classes Classi�cationManager e Classi�cationManagerImpl determinam a
estrutura de implementação dos serviços de reconhecimento de modelos
inseridos no Linksmart. Inovações de algumas aplicações poderão aplicar a
estrutura e serviços implementados no Linksmart middleware, mas, para que
isso advenha, é imprescindível de�nir parâmetros para as camadas física e de
middleware. Dessa forma, qualquer instante, em tempo de execução,
Figura 4.7 - Comunicação de Cross Layer
Fonte: Adaptado de Souza e Amazonas (2015).
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 25/34
parâmetros e procedimento das camadas físicas ou de middleware, poderá ser
alterado. O software de driver de dispositivo ou o gateway de IoT, responsáveis
por conectar os dispositivos e o Linksmart, necessitam utilizar e fazer a
interpretação desses parâmetros e modi�car o comportamento dos
dispositivos. Assim, a implementação e a abstração orientada a objetos foi
desenvolvida por permitir futuras adulterações ou inserções de novos
parâmetros.
Técnica de Sensores Virtuais e
Processamento de Eventos no
Modelo IoT
O processamento de eventos e das informações ao longo do caminho que os
dados passam pela rede é idêntico ao sugerido em Gluhak et al. (2009). A cada
salto na rede, não são necessários saltos em camada de rede, de modo que,
com o modelo OSI (COMER, 2015), as informações e eventos são avaliados e
�ltrados e podem ser agregados a outros eventos, assim criando valores e
sensores virtuais, que também serão �ltrados e analisados. No �nal, é
possível observar que, ao longo do caminho, as ações devem ter sido
executadas nos diferentes ambientes; e todo o conhecimento agregado pode
se tornar um conhecimento global do ambiente. A �gura a seguir é um
exemplo de aplicação do processamento dos eventos de dados gerados por
meio da IoT.
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 26/34
É possível ver no exemplo anterior que a aplicação proposta de
processamento dos eventos é o desenvolvimento dos sensores virtuais, nesse
contexto, o consumo de energia em uma casa onde existem diferentes
dispositivos eletrônicos poderá, de alguma forma autônoma, ser monitorado
e escalonado no local para usar e reduzir o consumo de energia elétrica. As
informações de uma residência devem ser analisadas e agregadas aos dados
de outras casas na mesma rua, tendo em vista esse objetivo de desenvolver
um escalonamento entre todos os dispositivos, que, por sua vez, poderão ser
agregados aos dados de outras ruas, bairros, cidades e estados que possam
ser atendidos por uma mesma fornecedora de energia elétrica. A cada salto,
os dados são analisados e agregados; também são realizadas execuções de
ações em cada ambiente, ou seja, do maior ao menor nível de granularidade
de acordo com o que se observa nas setas em sentido duplo.
Para realizar as análises são usados os mecanismos de reconhecimento de
padrões adicionados no Linksmart, como estimação ou clustering, e a criação
dos valores de sensores virtuais, adicionando os novos valores ou sensores
virtuais, que podem ser uma nova fonte de informação para middleware.
praticar
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 27/34
praticarVamos Praticar
A comunicação entre camadas permite modi�car o comportamento do middleware e
camadas físicas pormeio do controle de funcionalidades implementadas na camada
de aplicação. É possível validar a comunicação entre camadas em uma nova IoT
arquitetura com serviços de reconhecimento de padrões. Qual alternativa indica o
conceito mencionado? Assinale a alternativa correta.
a) Middleware.
b) IoT.
c) Cross Layer.
d) Network.
e) Linksmart.
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 28/34
indicações
Material
Complementar
LIVRO
Criando Projetos com Arduino para a
Internet das Coisas: Experimentos com
Aplicações do Mundo Real: Um Guia para o
Entusiasta de Arduino Ávido por Aprender
Editora: Novatec Editora
Adeel Javed
ISBN: B07CBZ98GM
Comentário: a Internet das Coisas (IoT) é o mercado de
tecnologia que mais cresce. As indústrias estão
adotando tecnologias de IoT para melhorar as despesas
operacionais, a vida do produto e o bem-estar das
pessoas. Com este livro será possível ter uma base,
Criando Projetos com Arduino para a Internet das Coisas:
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 29/34
Experimentos com aplicações do mundo real é
exatamente o que você precisa.
WEB
Arquitetura de Plataforma IoT de Nova
Geração utilizando MicroPro�ile + NoSQL +
Kafka
Ano: 2019
Comentário: Um vídeo para entender como as
características são o principal elemento para a
infraestrutura da Internet das Coisas (IoT), pois é preciso
compreender como é necessário fazer a gerência de
dispositivos, mensageria, processamento de
informação, tradução de protocolos, além de outros
tipos de funcionalidades que podem ser
esquematizadas para trabalhar com milhares, se não
milhões, de dispositivos ao mesmo tempo.
ACESSAR
https://www.youtube.com/watch?v=pghspDKujDIr
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 30/34
conclusão
Conclusão
Conseguimos entender que as plataformas IoT mais abrangentes incluem
middleware, juntamente com sensores e componentes de rede. Nesta
unidade, foi possível conceituar a Internet das Coisas, que se refere a uma
revolução tecnológica que tem como objetivo conectar os itens usados do dia
a dia à rede mundial de computadores. O tratamento e o processamento das
informações geradas com o modelo de IoT são aspectos cruciais. A partir
deles foi possível entender, nas observações, que mecanismos e�cientes são
necessários para realizar o processamento, e eles não acontecem
exclusivamente na camada de aplicação. Também pudemos compreender
que um modelo de referência é necessário para guiar a criação de aplicações
para IoT e de um middleware que implemente esse modelo.
referências
Referências
Bibliográ�cas
CHARTIER, P. A Review of RFID ISO Standards & CEN TC225 Developments.
2007. Disponível em:
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 31/34
https://docbox.etsi.org/partners/ictsb_open/r�d/ictsb_r�d_seminar_2007-10-
24/p.chartier_ictsb%20on%20r�d_oct.07.pdf. Acessado em: 19 maio 2020.
COMER, D. E. Computer Networks and Internets. Pearson. 2015
DOUGHERTY, G. Pattern Recognition and Classi�cation: an Introduction.
Ed. Springer, 2012.
GIACOMELLI, P. Apache Mahout Cookbook. Packt Publishing, 2013
GLUHAK, A. et al. Towards an architecture for a real world internet. Towards
the Future Internet, p. 313-324, 2009.
JADHAO, P. Cross Layer Design in the Internet of Things (IoT): Issues and
Possible Solutions. 2011. Disponível em: https://bit.ly/3dR9Rlw. Acesso em: 20
maio 2020.
LEI, D. et al. Automatic K-means Clustering algorithm for outlier detection.
Journal of Information Engineering and Application, London, v. 154, p.
363-3722012. (Lecture Notes In Eletrical Engineering).
NAYAK, S. et al. Integrated Clustering Framework Using optimized k-means
with �re�y and canopies. Computational Inteligence in Data Mining, v. 2.
2015
PAMULA, R.; DEKA, J.; NANDI, S. Outlier detection method based on clustering
Emerging Applications of Information Technology (EAIT). In: INTERNATIONAL
CONFERENCE, 2., 2011, Kolkata. Anais [...]. Kolkata, 2011. p. 253-256.
SOUZA, A.; AMAZONAS, J. Arquitetura de IoT: uma arquitetura para Internet
das Coisas com análise e reconhecimento de padrões e processamento
paralelo com Big Data. Tese (Doutorado em Ciências) – Escola Politécnica da
Universidade de São Paulo, Universidade de São Paulo, São Paulo, 2015.
Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-
20062016-105809/publico/AlbertoMessiasCostaSouza.pdf. Acesso em: 20
maio 2020.
https://docbox.etsi.org/partners/ictsb_open/rfid/ictsb_rfid_seminar_2007-10-24/p.chartier_ictsb%20on%20rfid_oct.07.pdf
https://bit.ly/3dR9Rlw
https://www.teses.usp.br/teses/disponiveis/3/3142/tde-20062016-105809/publico/AlbertoMessiasCostaSouza.pdf
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 32/34
ZAKI, M. J.; MEIRA, W. J. Data mining and analysis: fundamental concepts and
algorithms.Cambridge University Press, 2014.
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 33/34
12/9/21, 9:10 PM Ead.br
https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 34/34