Towards a runtime interconnection in a multi-device IoT environment

Abstract

Hoy en día, hay millones de dispositivos conectados a Internet. Esto es lo que conocemos como la Internet de las Cosas. El propósito de estos dispositivos es hacer la vida de las personas más fácil. Pero el real potencial de este paradigma se consigue gracias a la colaboración entre dispositivos. Sin embargo, muchos fabricantes desarrollan sus propios dispositivos y protocolos de forma endogámica para proteger su cuota de mercado, limitando en muchos sentidos la colaboración o coordinación entre dispositivos de diferentes fabricantes. Además, su adaptación al contexto es importante para solventar las necesidades detectadas. Esta adaptación se ha hecho tradicionalmente a través de la configuración manual por parte de los usuarios, con la consiguiente inversión de tiempo y esfuerzo. Este trabajo de fin de máster presenta una solución basada, por un lado, en técnicas de web semántica con el objetivo de permitir la comunicación entre dispositivos independientemente de los lenguajes y protocolos desarrollados por sus fabricantes; y por otro, en técnicas de aprendizaje automático con el objetivo de aprender de las rutinas de las personas para automatizar el comportamiento de los dispositivos. Con esta propuesta, dispositivos de diferentes fabricantes pueden comunicarse para crear un entorno colaborativo de forma sencilla, eficiente y perfectamente asequible, además de adquirir inteligencia adicional que les permita adaptar su comportamiento a las preferencias de las personas de forma automática.

Nowadays, there are millions of devices connected to the Internet. This is what we know as the Internet of Things. The purpose of these devices is to make people's lives easier. Thanks to the collaboration between devices, the possibilities offered by the Internet of Things can be exploited even more. However, many manufacturers develop their own devices and protocols endogamically to protect their market share, limiting the collaboration and coordination between devices from different manufacturers. In addition, devices behavior adaptation to the context is important in order to meet the identified needs. This adaptation has traditionally been done through manual configuration by users, with the consequent investment of time and effort. This master thesis presents a solution based on, on the one hand, semantic web techniques with the aim of achieving collaboration between devices independently of the languages and protocols developed by their manufacturers; and, on the other hand, machine learning techniques with the aim of learning from people's routines to automate the behaviour of the devices. With this proposal, devices from different manufacturers can communicate to create a collaborative environment in a simple, efficient and perfectly affordable way, acquiring additional intelligence that allows them to adapt their behavior according to people's preferences and depending on the context in an automatically way.