INSTITUCIONES SALESIANAS DE EDUCACION SUPERIOR
ANEXO 7
FORMATO PARA LA ESTRUCTURA DEL ANTEPROYECTO DEL TRABAJO DE TITULACION
1. Tema del Trabajo de Titulación
Desarrollo de un controlador inteligente basado en Fog Computing en un entorno
industrial
2. Docente tutor propuesto
Gustavo Javier Caiza Guanochanga
3. Antecedente
Recientemente, el Internet Industrial de las cosas (IIoT, por sus siglas en ingles), ha atraído
una gran atención en el mundo académico y la industria en el contexto de la industria 4.0.
Los dispositivos inteligentes se adoptan para mejorar la eficiencia de la producción. Sin
embargo, estos dispositivos generan enormes cantidades de datos de producción, que
necesitan ser procesados de manera efectiva[1].
Si bien Cloud computing ofrece este tipo de servicios, hoy en día, estas arquitecturas no
están diseñadas para soportar el volumen, variedad y velocidad de datos que el Internet
Industrial de las Cosas (IIoT) exige[2]. Según [3] se estima que en el año 2020 existirá un total
de 50 billones de dispositivos conectados al internet, generado un total de 2 exabytes de
datos por día, tomando en cuenta esta información, es necesaria la implementación de
nuevas arquitecturas o modelos que ayuden gestionar y administrar de manera flexible el
intercambio de datos.
A diferencia de los dispositivos IoT que están conectados principalmente en redes pequeñas,
los elementos IIoT pertenecen a sistemas más complejos como: plantas industriales,
sistemas eléctricos o redes de transporte donde se abarcarán miles de puntos
interconectados, donde las consecuencias de una falla en la seguridad son mucho más
críticas [4].
La construcción de un conjunto de tecnologías para cualquiera de estas aplicaciones es un
reto, es por esto por lo que aparecen arquitecturas como Fog computing, Edge computing,
osmotic computing, etc. Las cuales según [5] buscan funcionar de forma autónoma para
garantizar un servicio ininterrumpido, incluso cuando los sistemas no son fiables en la nube,
pero también se requiere para integrarse completamente con la nube cuando la
conectividad de recursos se restaure.
El controlador convencional proporcional integral derivativo (PID) se usa ampliamente en
muchas aplicaciones industriales debido a su simplicidad en la estructura y facilidad de
diseño[6]. Sin embargo, es difícil lograr el rendimiento de control deseado en presencia de
no linealidades desconocidas, retrasos de tiempo, perturbaciones y cambios en los
parámetros del sistema. Para lograr el rendimiento deseado, el control de lógica difusa es
particularmente apropiado, ya que permite utilizar la inteligencia del operador para el
control automático, mediante tecnología que utiliza sistemas inteligentes de control e
INSTITUCIONES SALESIANAS DE EDUCACION SUPERIOR
información [7] . Como se manifiesta en [8] varios investigadores proponen técnicas de
control híbrido basadas en la combinación de dos o más métodos de control para mejorar
el rendimiento del controlador, el método propuesto combina el controlador convencional
con el controlador de lógica difusa y la técnica de control vectorial para aprovechar los
mejores atributos de ambos controladores y eliminar los inconvenientes del controlador
convencional, como la oscilación, el sobreimpulso y el subimpulso, y el inconveniente del
Fuzzy Logic, como el error de estado estacionario.
Hay investigaciones como [2], que hablan de telemetría como servicio para la
monitorización de la calidad del aire mediante ZigBee y Fog computing, en donde recogen
datos en tiempo real con la finalidad de controlar la emisión de gases tóxicos en el aire. En
[9]y [10],se propone construir una capa en el modelo inteligente de Internet de vehículos
para aprovechar Fog Computing, reducir la carga en el servidor de la nube, reducir la tasa
de latencia de la red y mejorar el Gestión y nivel de aplicación de la red inteligente de
vehículos. Mientras en [11] se propone un nuevo marco para la conmutación autónoma y
dinámica entre diferentes operadores LTE que implementan infraestructura de niebla-nube
para vehículos inteligentes conectados. El objetivo principal aquí es maximizar el nivel de
confianza del servicio, definido como la probabilidad de que se pueda garantizar el umbral
de latencia tolerable para cada tipo de servicio admitido. En la industria alimenticia [12] se
propone un nuevo sistema de línea de fabricación basado en IIoT y fabricantes compatibles
con pequeñas y medianas empresas, este nuevo método tecnológico mejorará la
confiabilidad del producto y la precisión de la trazabilidad del proceso de fabricación bien
administrado contra la satisfacción del cliente con los productos. Los dispositivos que
comparten y proporcionan datos seguros, incluidos textos e imágenes dentro de una
instalación específica, son la clave para mejorar el suministro de productos confiables.
En otro ámbito de la industria, la inspección de fabricación [13], consiste en detectar los
defectos de los productos. Como puede haber muchas líneas de ensamblaje en una fábrica,
un gran problema en este escenario es cómo procesar datos tan grandes en tiempo real. Por
lo tanto, se diseñó un sistema basado en Fog computing, que, al descargar la información
del servidor central a los nodos, el sistema tiene la capacidad de manejar grandes cantidades
de datos, que permite elaborar un modelo de inspección, el cual puede indicar
simultáneamente el tipo de defecto y su grado de complejidad. Los experimentos
demuestran que el método propuesto es robusto y eficiente.
Con la revisión anterior se nota claramente las ventajas de utilizar la metodología de fog
computing en la industria, además de implementar el control robusto, siendo esta una
fusión que complementa la automatización a nivel industrial dentro del marco actual de los
avances tecnológicos.
4. Justificación
Cloud computing no cumple con los requisitos de las aplicaciones industriales, como la
restricción de ancho de banda, baja latencia, confiabilidad y seguridad de datos. El acceso a
los datos de diferentes sistemas y la modernización de maquinaria antigua con sensores
conduce a una mezcla heterogénea de dispositivos, interfaces y protocolos que deben
acogerse en una solución integral [14].
Fog Computing es una solución prometedora a nivel industrial, para abordar los desafíos
anteriores en el IIoT basado en la nube, procesa la carga de trabajo localmente en los nodos
fog, cerca de las terminales para reducir la latencia, lo que admite una nueva generación de
INSTITUCIONES SALESIANAS DE EDUCACION SUPERIOR
aplicaciones y servicios de IIoT que requieren baja latencia, soporte de movilidad,
distribución geográfica y seguridad informática [1].
En la actualidad el paradigma de computación más destacado para el procesamiento de
datos a gran escala es la nube [15]. Sin embargo, debido a la centralización de los datos, las
limitaciones en el ancho de banda y el tiempo de respuesta incierto, hace que el modelo
actual de la nube no responda a las necesidades del Internet industrial de las cosas (IIoT, por
sus siglas en ingles). Un nuevo paradigma de computación, es decir, Fog Computing está
diseñado para extender el poder de la nube hasta el borde de la red [16].
En comparación con la nube, Fog computing es mucho más cercano a los dispositivos
finales en el borde de la red y tiene una menor latencia, lo que la hace eficaz para tareas
en tiempo real [17].
El despliegue y uso de las redes inalámbricas de sensores y actuadores en las industrias
hacen posible la optimización de las líneas de producción con una mejor gestión de la
calidad, rendimiento energético, predicción de fallos, planificación de productos, y el ahorro
de recursos[18].
Trabajos previos dedicados a este campo revisados con anterioridad, muestran las ventajas
de usar Fog computing en la industria, como la alimenticia y el campo de los vehículos
inteligentes, pero no se encontraron proyectos directamente relacionados con
controladores convencionales o robustos, los cuales son ampliamente utilizados en la
actualidad por la mayoría de manufactureras. El proyecto busca evidenciar el
comportamiento de un controlador inteligente basado en Fog computing a nivel industrial.
Figura 1. Arquitectura del sistema
INSTITUCIONES SALESIANAS DE EDUCACION SUPERIOR
En la figura 1. Se observa el esquema de comunicación del prototipo de controlador
inteligente basado en Fog Computing, los datos de los sensores del MPS PA son enviados a
la tarjeta No. 1 donde se realiza el control PID, dando como resultado las variables Kp, Ki,
Kd. Estos valores son interpretados por la tarjeta No. 2 para realizar el control PID Fuzzy y
de esta manera controlar el nivel en el MPS PA. Los resultados y datos importantes del
proceso son evidenciados en la nube.
5. Objetivos
Objetivo general:
Desarrollar un controlador inteligente basado en Fog Computing para el control de
nivel del módulo MPS PA.
Objetivos específicos:
o Estudiar el estado del arte de Fog Computing para la identificación de arquitecturas
y aplicaciones en entornos industriales.
o Desarrollar un controlador PID Fuzzy utilizando un sistema embebido, para el
control y monitoreo de nivel del módulo MPS PA
o Desarrollar una plataforma de Fog computing para la visualización del
comportamiento de nivel del módulo MPS PA.
o Comprobar el funcionamiento del prototipo de controlador basado en Fog
Computing para la validación de resultados.
6. Metodología
Se ejecutará la metodología investigativa, para la revisión del estado del arte sobre Fog
Computing y controladores inteligentes en artículos científicos, sitios web en bases de datos
como SCOPUS, IEEE, ScienceDirect, etc.,
A través de la investigación inductiva, se realizará la adquisición de señales y el algoritmo de
control inteligente para el control de nivel del proceso.
Posteriormente, se realizará la creación de la plataforma de Fog Computing para el control y
visualización de nivel de la planta MPS PA, a través del método analítico-sintético.
Finalmente, se verificarán los datos obtenidos en el control y la plataforma Fog computing,
durante las pruebas de funcionamiento, a través de la metodología evaluativa.
INSTITUCIONES SALESIANAS DE EDUCACION SUPERIOR
7. Cronograma y actividades
Tiempo de duración
Mayo Junio Julio Agosto Septiembre Octubre
Actividades
2020
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Recopilar información
de papers, documentos
y/o investigaciones
previas
Diseñar un controlador
PID Fuzzy
Implementar el control
PID Fuzzy en el módulo
MPS PA
Desarrollar un
prototipo de Fog
Computing
Implementar el nodo
Fog Computing para el
monitoreo y control de
nivel
Realizar pruebas de
funcionamiento del
prototipo
Validación del
prototipo
Redactar el proyecto
8. Referencias bibliográficas
[1] C. Shi et al., “Ultra-low latency cloud-fog computing for industrial Internet of Things,”
IEEE Wirel. Commun. Netw. Conf. WCNC, vol. 2018-April, pp. 1–6, 2018.
[2] C. D. E. I. D. E. Sistemas, I. Fernando, Y. Albarado, C. Hernán, and A. Vásconez,
“Telemetría como servicio (TEaaS) basada en el protocolo ZigBee y Fog Computing para
monitoreo de la calidad del aire,” 2016.
[3] E. Wikström and U. M. Emilsson, “Autonomy and Control in Everyday Life in Care of
Older People in Nursing Homes,” J. Hous. Elderly, vol. 28, no. 1, pp. 41–62, 2014.
[4] S. Schneider, “The industrial internet of things (IIoT): Applications and taxonomy,”
Internet Things Data Anal. Handb., pp. 41–81, 2017.
[5] S. Dlamini, “Resource Management in Fog Computing : Review,” 2019 Int. Conf. Adv.
Big Data, Comput. Data Commun. Syst., pp. 1–7.
[6] F. Gouadria, L. Sbita, and N. Sigrimis, “Comparison between self-tuning fuzzy PID and
classic PID controllers for greenhouse system,” Int. Conf. Green Energy Convers. Syst.
GECS 2017, 2017.
[7] A. A. Khan and N. Rapal, “Fuzzy PID controller: Design, tuning and comparison with
conventional PID controller,” IEEE Int. Conf. Eng. Intell. Syst. ICEIS 2006, no. 1, 2006.
[8] A. J. Fattah and I. Abdel-Qader, “Performance and comparison analysis of speed control
of induction motors using improved hybrid PID-fuzzy controller,” IEEE Int. Conf. Electro
Inf. Technol., vol. 2015-June, pp. 575–580, 2015.
[9] S. Shin, S. Seo, S. Eom, J. Jung, and K. H. Lee, “A pub/sub-based fog computing
INSTITUCIONES SALESIANAS DE EDUCACION SUPERIOR
architecture for internet-of-vehicles,” Proc. Int. Conf. Cloud Comput. Technol. Sci.
CloudCom, pp. 90–93, 2017.
[10] B. Qin, J. Cai, Y. Luo, F. Zheng, J. Zhang, and Q. Luo, “Research and application of
intelligent internet of vehicles model based on fog computing,” Proc. 2019 IEEE 3rd Inf.
Technol. Networking, Electron. Autom. Control Conf. ITNEC 2019, no. Itnec, pp. 1777–
1783, 2019.
[11] Y. Xiao, M. Krunz, H. Volos, and T. Bando, “Driving in the Fog: Latency Measurement,
Modeling, and Optimization of LTE-based Fog Computing for Smart Vehicles,” 2019
16th Annu. IEEE Int. Conf. Sensing, Commun. Netw., pp. 1–9, 2019.
[12] T. Sano, T. Uraguchi, H. Deguchi, and T. Kurata, “Assignment of encryption data using
fog computing technology in food manufacturing industry,” 2019 12th Asian Control
Conf., pp. 1513–1518, 2019.
[13] L. Li, K. Ota, and M. Dong, “Deep Learning for Smart Industry: Efficient Manufacture
Inspection System with Fog Computing,” IEEE Trans. Ind. Informatics, vol. 14, no. 10, pp.
4665–4673, 2018.
[14] A. U. Técnica, “La conjunción de Niebla Informática e Internet industrial de los objetos -
un enfoque aplicado,” no. I, pp. 812–817, 2018.
[15] I. Bouzarkouna, M. Sahnoun, N. Sghaier, D. Baudry, and C. Gout, “Challenges Facing the
Industrial Implementation of Fog Computing,” in Proceedings - 2018 IEEE 6th
International Conference on Future Internet of Things and Cloud, FiCloud 2018, 2018,
pp. 341–348.
[16] W. Wang, G. Wu, Z. Guo, L. Qian, L. Ding, and F. Yang, “Data scheduling and resource
optimization for fog computing architecture in industrial IoT,” in Lecture Notes in
Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture
Notes in Bioinformatics), 2019, vol. 11319 LNCS, pp. 141–149.
[17] P. O’Donovan, C. Gallagher, K. Bruton, and D. T. J. O’Sullivan, “A fog computing
industrial cyber-physical system for embedded low-latency machine learning Industry
4.0 applications,” Manuf. Lett., vol. 15, pp. 139–142, Jan. 2018.
[18] M. Aazam, S. Zeadally, and K. A. Harras, “Deploying Fog Computing in Industrial Internet
of Things and Industry 4.0,” IEEE Trans. Ind. Informatics, vol. 14, no. 10, pp. 4674–4682,
Oct. 2018.
