Resumen

La demanda de mejorar la productividad en los sistemas de fabricación hace que el Internet industrial de las cosas (IIoT) sea un área de investigación importante generada por el Internet de las cosas (IoT). En los sistemas IIoT, hay una creciente demanda de diferentes tipos de equipos industriales para intercambiar datos en tiempo real con diferentes retrasos. Las comunicaciones entre dispositivos industriales masivos y heterogéneos y nubes causarán una alta latencia y requerirán un ancho de banda de red alto. La introducción de la informática en el borde en el IIoT puede abordar la latencia de procesamiento inaceptable y reducir la carga pesada en el enlace. Sin embargo, los recursos limitados en los servidores de informática en el borde son una de las dificultades para formular estrategias de programación de comunicación y asignación de recursos. En este artículo, utilizamos el aprendizaje profundo por refuerzo (DRL) para resolver el problema de programación en la informática en el borde y mejorar la calidad de los servicios proporcionados a los usuarios en aplicaciones II

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Mejorar la productividad; Sistemas IIoT; Computación en el borde; Programación de la comunicación; Estrategias de asignación de recursos; Aprendizaje profundo por refuerzo
• Keywords:Improving productivity; IIoT systems; Edge computing; Communication scheduling; Resource allocation strategies; Deep reinforcement learning