Show simple item record

dc.contributor.advisorGeyer, Claudio Fernando Resinpt_BR
dc.contributor.authorGross, João Luiz Gravept_BR
dc.date.accessioned2020-07-08T03:42:54Zpt_BR
dc.date.issued2020pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/211519pt_BR
dc.description.abstractCom o avanço da quantidade de dispositivos móveis conectados à Internet, aplicações intensivas em dados e requisitos de QoS cada vez mais restritos, juntamente ao fato desses equipamentos serem alimentados por baterias com capacidade limitada, o consumo energético e a latência de resposta das aplicações para Internet das Coisas tornam-se um importante campo de pesquisa. A utilização da Cloud como única alternativa ao descarregamento de tarefas levanta dúvidas sobre sua efetividade neste cenário, visto a elevada latência das comunicações. Mobile Edge Computing (MEC) é uma arquitetura que introduz uma camada de computação intermediária entre os dispositivos finais e a Cloud. Ela proporciona às redes móveis recursos de Cloud Computing próximos ao usuário final, de modo que as aplicações dos dispositivos móveis possam descarregar suas tarefas, preservando seu nível de bateria e reduzindo a latência de resposta. Neste cenário é proposto um modelo de custo com diversidade de variáveis de consumo energético e tempo decorrido para a arquitetura MEC, com o objetivo de alocar as tarefas na melhor opção de custo disponível, visando reduzir tanto a energia total consumida pelo sistema como a latência total. O modelo de custo é implementado através do algoritmo de escalonamento TEMS (Time and Energy Minimization Scheduler) e validado com experimentos simulados. Os resultados mostram que é possível reduzir a energia consumida no sistema em até 51,61% e o tempo total decorrido em até 86,65% nos casos simulados com os parâmetros e características definidas em cada teste.pt_BR
dc.description.abstractWith increase in the number of mobile devices connected to the Internet, data-intensive applications and increasingly restricted QoS requirements, together with the fact that these devices are powered by batteries with limited capacity, energy consumption and response latency for applications in the Internet of Things become an important research field. The use of the Cloud as the only alternative to downloading tasks raises doubts about its effectiveness in this scenario, given the high latency of communications. Mobile Edge Computing (MEC) is an architecture that introduces an intermediate computing layer between end devices and the Cloud. It provides mobile networks with Cloud Computing capabilities close to the end user, so that mobile device applications can offload their tasks, preserving their battery level and reducing response latency. In this scenario, a cost model with diversity of energy consumption variables and time elapsed for the MEC architecture is proposed, with the objective of allocating tasks in the best available cost option, aiming to reduce both the total energy consumed by the system and the total latency. The cost model is implemented using the TEMS (Time and Energy Minimization Scheduler) scheduling algorithm and validated with simulated experiments. The results show that it is possible to reduce the energy consumed in the system by up to 51.61% and the total time elapsed by up to 86.65% in the simulated cases with the parameters and characteristics defined in each test.en
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoporpt_BR
dc.rightsOpen Accessen
dc.subjectMobile Edge Computingen
dc.subjectInformáticapt_BR
dc.subjectInternet Of Thingsen
dc.subjectCost Modelen
dc.subjectGreen Computingen
dc.subjectEnergy Consumptionen
dc.subjectScheduling Algorithmen
dc.titleUm modelo de custo eficiente para minimização da energia consumida e do tempo de processamento de tarefas IoT em um ambiente Mobile Edge Computingpt_BR
dc.title.alternativeA cost efficient model for minimizing energy consumption and processing time for IoT tasks in a Mobile Edge Computing environment pt
dc.typeDissertaçãopt_BR
dc.contributor.advisor-coCarbonera, Joel Luispt_BR
dc.identifier.nrb001115511pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentInstituto de Informáticapt_BR
dc.degree.programPrograma de Pós-Graduação em Computaçãopt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2020pt_BR
dc.degree.levelmestradopt_BR


Files in this item

Thumbnail
   

This item is licensed under a Creative Commons License

Show simple item record