Arquitetura sensor-agnóstica para monitorização industrial: esquema canónico, descoberta automática e extensibilidade

Autores

DOI:

https://doi.org/10.29352/mill0224e.48333

Palavras-chave:

IIoT; esquema canónico; biblioteca partilhada; descoberta automática; MQTT

Resumo

Introdução: A integração de sensores heterogéneos em plataformas IIoT confronta a engenharia com o desafio da normalização semântica, dado que diferentes fabricantes implicam nomenclaturas, unidades e protocolos distintos.

Objetivo: Apresentar e validar quantitativamente uma arquitetura sensor-agnóstica para resolução da heterogeneidade semântica em plataformas IIoT industriais.

Métodos: A arquitetura assenta em três mecanismos: (1) um esquema canónico InfluxDB com nomenclatura de campos estrita em seis domínios industriais; (2) uma biblioteca partilhada de parsers com interface uniforme, comum ao pipeline de produção e ao simulador de telemetria; e (3) um registo de sensores JSON para descoberta automática de dispositivos. A validação realizou-se numa unidade industrial com três sensores heterogéneos (Modbus RTU e I2C), complementada por simulação com 16 tipos de sensores em três instalações virtuais.

Resultados: A integração de novos tipos de sensores requer apenas 36–51 linhas de código, sem alterações nos serviços existentes. Registou-se o processamento de 216 mensagens/minuto, latência média de 107 ms por ativo e escalabilidade linear até 300 ativos simultâneos. A validação incluiu 313 testes automatizados com 93% de cobertura, deteção de anomalias por Z-Score e Média Móvel, e correlação vibração/energia por tipo de material em deployment CNC.

Conclusão: A convergência entre esquema canónico, biblioteca partilhada e registo de sensores constitui uma resposta eficaz e verificável à heterogeneidade semântica, garantindo extensibilidade com impacto nulo no código base dos serviços existentes.

Downloads

Não há dados estatísticos.

Referências

Apostolou, G., Ntemi, M., Paraschos, S., Gialampoukidis, I., Rizzi, A., Vrochidis, S., & Kompatsiaris, I. (2024). Novel Framework for Quality Control in Vibration Monitoring of CNC Machining. Sensors, 24(1), 307. https://doi.org/10.3390/s24010307

Blázquez-García, A., Conde, A., Mori, U., & Lozano, J. A. (2022). A Review on Outlier/Anomaly Detection in Time Series Data. In ACM Computing Surveys (Vol. 54). Association for Computing Machinery. https://doi.org/10.1145/3444690

Boareto, P. A., Assad, A., Loures, E. F. R., Deschamps, F., & Santos, E. A. P. (2026). Design and Implementation of Industrial Internet of Things for Legacy Field Devices: A Case Study. IEEE Access, 14, 45882–45895. https://doi.org/10.1109/ACCESS.2026.3674418

Boonmeeruk, P., Palrat, P., & Wongsopanakul, K. (2024). Cost-Effective IIoT Gateway Development Using ESP32 for Industrial Applications. Engineering Journal, 28, 93–108. https://doi.org/10.4186/ej.2024.28.10.93

Busboom, A. (2024). Automated generation of OPC UA information models — A review and outlook. Journal of Industrial Information Integration, 39, 100602. https://doi.org/10.1016/j.jii.2024.100602

CENELEC. (2010). EN 50160: Voltage characteristics of electricity supplied by public electricity networks.

Chen, S., & Zhou, M. (2021). Evolving Container to Unikernel for Edge Computing and Applications in Process Industry. Processes, 9(2), 351. https://doi.org/10.3390/pr9020351

DeMedeiros, K., Hendawi, A., & Alvarez, M. (2023). A Survey of AI-Based Anomaly Detection in IoT and Sensor Networks. Sensors, 23(3), 1352. https://doi.org/10.3390/s23031352

Eldho K J. (2025). Optimizing Data Transfer Speed and the Performance Evaluation of MQTT in IoT: A Study on MQTT for Atmospheric Condition Monitoring. Journal of Information Systems Engineering and Management, 10, 231–244. https://doi.org/10.52783/jisem.v10i39s.7144

Hassan, I. U., Panduru, K., & Walsh, J. (2024). An In-Depth Study of Vibration Sensors for Condition Monitoring. Sensors, 24(3), 740. https://doi.org/10.3390/s24030740

Hazra, A., Adhikari, M., Amgoth, T., & Srirama, S. N. (2023). A Comprehensive Survey on Interoperability for IIoT: Taxonomy, Standards, and Future Directions. ACM Computing Surveys, 55(1), 1–35. https://doi.org/10.1145/3485130

He, W., Baig, M. J. A., & Iqbal, M. T. (2024). An Open-Source Supervisory Control and Data Acquisition Architecture for Photovoltaic System Monitoring Using ESP32, Banana Pi M4, and Node-RED. Energies, 17. https://doi.org/10.3390/en17102295

Hercog, D., Lerher, T., Truntič, M., & Težak, O. (2023). Design and Implementation of ESP32-Based IoT Devices. Sensors, 23(15), 6739. https://doi.org/10.3390/s23156739

ISO. (1995). ISO-10816-1-1995. https://www.iso.org/standard/18866.html

Masood, T., & Sonntag, P. (2020). Industry 4.0: Adoption challenges and benefits for SMEs. Computers in Industry, 121. https://doi.org/10.1016/j.compind.2020.103261

Mirani, A. A., Awasthi, A., O’Mahony, N., & Walsh, J. (2024). Industrial IoT-Based Energy Monitoring System: Using Data Processing at Edge. Internet of Things, 5, 608–633. https://doi.org/10.3390/iot5040027

Monios, N., Peladarinos, N., Cheimaras, V., Papageorgas, P., & Piromalis, D. D. (2024). A Thorough Review and Comparison of Commercial and Open-Source IoT Platforms for Smart City Applications. In Electronics (Switzerland) (Vol. 13). Multidisciplinary Digital Publishing Institute (MDPI). https://doi.org/10.3390/electronics13081465

Müller, J. M., Islam, N., Kazantsev, N., Romanello, R., Olivera, G., Das, D., & Hamzeh, R. (2024). Barriers and Enablers for Industry 4.0 in SMEs: A Combined Integration Framework. IEEE Transactions on Engineering Management, 1–13. https://doi.org/10.1109/TEM.2024.3365771

Pawar, S., Jadhav, D. B., Lokhande, M., Raskar, P., & Patil, M. (2024). Evaluation of quality of service parameters for MQTT communication in IoT application by using deep neural network. International Journal of Information Technology, 16(2), 1123–1136. https://doi.org/10.1007/s41870-023-01664-2

Rahman, H., & Hussain, M. I. (2020). A comprehensive survey on semantic interoperability for Internet of Things: State-of-the-art and research challenges. Transactions on Emerging Telecommunications Technologies, 31. https://doi.org/10.1002/ett.3902

Schmidt, C., Volz, F., Stojanovic, L., & Sutschet, G. (2023). Increasing Interoperability between Digital Twin Standards and Specifications: Transformation of DTDL to AAS. Sensors, 23(18), 7742. https://doi.org/10.3390/s23187742

Tripathi, P., Miraz, M. H., & Joshi, S. (2023). Comparative Analysis of MongoDB and InfluxDB for Time Series Data Management in IoT Environments: A Study on Performance, Scalability, and Concurrency. 2023 International Conference on Computing, Networking, Telecommunications & Engineering Sciences Applications (CoNTESA), 39–42. https://shre.ink/GS40

Verde Romero, D. A., Villalvazo Laureano, E., Jiménez Betancourt, R. O., & Navarro Álvarez, E. (2024). An open source IoT edge-computing system for monitoring energy consumption in buildings. Results in Engineering, 21. https://doi.org/10.1016/j.rineng.2024.101875

Xu, B., Guertler, M. R., & Sick, N. (2023). Analyzing Industry 4.0 Adoption Barriers of Small and Medium-sized Enterprises and Existing Support. 2023 IEEE Engineering Informatics, EI 2023. https://shre.ink/GS4w

You, S., Li, X., Yu, H., & Chen, W. (2024). S-ID: Implementing Intelligent Interoperability for Heterogeneous IoT Identifiers Through a Semantic-Based Framework. IEEE Access, 12, 1341–1359. https://doi.org/10.1109/ACCESS.2023.3347586

Downloads

Publicado

2026-11-17

Como Citar

Santos, N., & Correia, R. (2026). Arquitetura sensor-agnóstica para monitorização industrial: esquema canónico, descoberta automática e extensibilidade . Millenium - Journal of Education, Technologies, and Health, 2(24e), e48333. https://doi.org/10.29352/mill0224e.48333

Edição

Secção

Engenharias, tecnologia, gestão e turismo