|
Resumo do trabalho
|
Resumo:
A tecnologia 6TiSCH (IPv6 sobre o modo TSCH de IEEE 802.15.4e) permite a operação de redes IPv6 em enlaces IEEE 802.15.4, as quais são gerenciadas pelo protocolo TSCH (Time Slotted Channel Hopping). O TSCH é um protocolo de acesso ao meio para redes sem fio de baixa potência, oferecendo baixo consumo, latência determinística e alta confiabilidade por meio de multiplexação tempo-frequência. Para tanto, o 6TiSCH usa Scheduling Functions (SFs) para definir os melhores momentos de comunicação dos dispositivos. A implementação das funções de escalonamento, dependente do contexto da comunicação, é um tópico de estudo na literatura. Diversos trabalhos propuseram esquemas de escalonamento com vantagens e desvantagens. A Inteligência Artificial (IA), especialmente o aprendizado de máquina, surge como ferramenta promissora para adaptação e flexibilidade. Apesar de diversos estudos compararem estratégias de escalonamento, a sistematização de algoritmos de IA para 6TiSCH ainda carece de exploração. Este trabalho se propõe a realizar essa revisão, apresentando uma análise da atual conjuntura da utilização de IA na elaboração de SFs para 6TiSCH. Este trabalho avança ao apresentar, avaliar e comparar um novo método de escalonamento baseado em Q-learning com o estado da arte em escalonamento 6TiSCH. Os resultados experimentais demonstram o potencial promissor da abordagem proposta.
Abstract:
An IPv6 over the TSCH mode of IEEE 802.15.4e (6TiSCH) network provides IPv6 connectivity through links IEEE 802.15.4 governed by Time Slotted Channel Hopping (TSCH). TSCH is a medium access control for low-power and lossy networks, providing low energy consumption, high reliability, and deterministic latency through time-division multiplexing. To achieve this goal, 6TiSCH defines a component responsible for defining the best communication scheduling of devices, called a Scheduling Function. The design and implementation of SFs, being context-dependent, is a current topic of study in the literature. Thus, many different scheduling functions were proposed, each with its own particular trade-offs. Additionally, artificial intelligence (AI), in particular machine learning, emerges as a prominent tool for its capacity to promote adaptability and flexibility. Although several works have been proposed comparing different scheduling strategies, the systematization of AI algorithms for 6TiSCH has not been explored in detail. This work proposes such a review, presenting an analysis of the current state of AI-based scheduling methods. Additionally, this work advances the state of the art by presenting, evaluating, and comparing a new Q-learning SF with the current state of the art of SFs for 6TiSCH. The experimental results show the promising potential of the proposed approach.
|
|---|
|
Quais os principais impactos deste trabalho (social, tecnológico, científico, ambiental)?
|
A dissertação oferece duas contribuições: uma revisão sistemática da literatura sobre o uso de inteligência artificial no escalonamento de redes 6TiSCH e uma nova função de escalonamento fundamentada em Q-learning. Em suma, as propostas avançam o conhecimento na área, representando uma significativa contribuição científica e tecnológica.
|
|---|
