Data-Driven Energy Modeling of Industrial IoT Systems: A Benchmarking Approach

要約

IoTの広範な採用は、産業環境でのサイバー物理システム（CPS）の開発を推進し、産業IOT（IIOT）を活用して製造プロセスを自動化し、生産性を向上させています。
自律システムへの移行は、特にエネルギー消費の観点から、かなりの運用コストを導入します。
IIOTエネルギー要件の正確なモデリングと予測は重要ですが、従来の物理学およびエンジニアリングベースのアプローチは、これらの課題に包括的に対処するのに不足していることがよくあります。
この論文では、IIOTデバイスとアプリケーションのベンチマークと分析のための新しい方法論を提案して、電力需要、エネルギー消費、パフォーマンスに関する洞察を明らかにします。
この方法を実証するために、包括的なフレームワークを開発し、それを適用して、教育的ロボットアーム、コンベアベルト、スマートカメラ、およびコンピューティングノードを含む産業用CPSを研究します。
このフレームワーク内でマイクロベンチマークとエンドツーエンドアプリケーションを作成することにより、アプリケーションとCPSシステムの機能からエネルギー使用量を予測するためのMLモデルをトレーニングおよび分析するために使用する広範なパフォーマンスと消費電力データセットを作成します。
提案された方法論とフレームワークは、産業CPSのエネルギーダイナミクスに関する貴重な洞察を提供し、IIOT主導の自動化の効率と持続可能性を高めることを目的とした研究者と実践者に実際的な意味を提供します。

要約(オリジナル)

The widespread adoption of IoT has driven the development of cyber-physical systems (CPS) in industrial environments, leveraging Industrial IoTs (IIoTs) to automate manufacturing processes and enhance productivity. The transition to autonomous systems introduces significant operational costs, particularly in terms of energy consumption. Accurate modeling and prediction of IIoT energy requirements are critical, but traditional physics- and engineering-based approaches often fall short in addressing these challenges comprehensively. In this paper, we propose a novel methodology for benchmarking and analyzing IIoT devices and applications to uncover insights into their power demands, energy consumption, and performance. To demonstrate this methodology, we develop a comprehensive framework and apply it to study an industrial CPS comprising an educational robotic arm, a conveyor belt, a smart camera, and a compute node. By creating micro-benchmarks and an end-to-end application within this framework, we create an extensive performance and power consumption dataset, which we use to train and analyze ML models for predicting energy usage from features of the application and the CPS system. The proposed methodology and framework provide valuable insights into the energy dynamics of industrial CPS, offering practical implications for researchers and practitioners aiming to enhance the efficiency and sustainability of IIoT-driven automation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google