AI-based approaches in IIOTfrom lora channel coding and energy management to robotic-based defect detection improvements

Resumen

Las rápidas mejoras en la tecnología del Internet de las Cosas (IoT) han provocado transformaciones revolucionarias en varias industrias. El objetivo de esta tesis es estudiar la relevancia del IoT industrial y su influencia en las actividades industriales, a saber, mejoras en la eficiencia operativa, la calidad de los productos, el consumo de energía de los sensores, la latencia y la fiabilidad. La primera parte del estudio se dedica a las redes LoRaWAN de largo alcance y al uso de la inteligencia artificial, en particular los algoritmos de aprendizaje por refuerzo, para mejorar la fiabilidad de la transmisión y minimizar el consumo de energía de los nodos. Mediante estos algoritmos inteligentes, la red IoT podría ajustar los parámetros de transmisión de forma adaptativa. Gracias al aprovechamiento de los algoritmos emergentes de IA, como el aprendizaje profundo y la visión por ordenador, se puede automatizar y optimizar el proceso de inspección, garantizando una mayor precisión y una detección más rápida de los defectos en entornos industriales. Además, los robots colaborativos, que trabajan junto a operadores humanos, agilizan las tareas y optimizan la asignación de recursos. Además, la tesis expone la importancia de la IA para ofrecer soluciones de computación móvil en el borde (Mobile Edge Computing, MEC) en sectores industriales mediante el uso de drones. Los drones habilitados para IA proporcionan procesamiento de datos en tiempo real, eliminando los retrasos en la transmisión de datos y dando soporte a aplicaciones sensibles al tiempo, al tiempo que mejoran la eficiencia general de los procesos industriales. Los resultados de este estudio se suman al campo demostrando el enorme potencial del IoT industrial, la IA, las tecnologías de detección, los robots colaborativos y los drones para mejorar los procesos industriales.