| Summary: | Kuluttajien teknologian käyttötottumukset ja datan määrän valtava kasvu ovat johtaneet uudenlaisiin IoT-järjestelmien vaatimuksiin, joihin ei kyetä vastaamaan enää pelkkään pilvilaskentaan nojaavan infrastruktuurin avulla. Tämä on lisännyt tarvetta siirtää laskentaresursseja verkon reunalle, lähemmäs datan alkuperäistä lähdettä, tarjoten näin ratkaisuja muun muassa pilvilaskennan resilienssiin ja tietoturvaan liittyviin haasteisiin. Muutos on johtanut myös tarpeeseen tuoda järjestelmiin entistä enemmän älykkäitä ominaisuuksia, mutta reunalaitteiden heikko laskentateho on perinteisesti asettanut tälle rajoitteita. Lisäksi IoT-järjestelmien heterogeenisyys aiheuttaa monenlaisia haasteita järjestelmien kehityksessä ja ylläpidossa. Tässä tutkielmassa kehitettiin ohjelmistoartefakti, jonka avulla voidaan mahdollistaa kaupallisella koneoppimisalustalla koulutettujen koneoppimismallien käyttäminen IoT-järjestelmän komponenttien keskinäistä toimintaa ohjaavalla orkestrointipalvelimella, joka kehitettiin osana Jyväskylän yliopiston Liquid AI for 6G software -projektia. Vaikka artefakti sisältää joitain rajoitteita, tutkielmassa onnistuttiin kehittämään työkalu, jolla voidaan helpottaa älykkyyden tuomista heterogeenisiin IoT-järjestelmiin.
|
|---|