Garantia de qualidade em tempo real de dados de Internet das coisas via aprendizado de máquina

Autores: Marcos L. Romero, Ricardo Suyama. 

Instituição: Universidade Federal do ABC (UFABC).

Referência: ROMERO, Marcos L; SUYAMA, Ricardo. DQAT: An Online Machine Learning Framework for Real-Time Data Quality Assurance in IoT. Anais do XLII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais 2024. Sociedade Brasileira de Telecomunicações.

Link para a publicação original 

Palavras-chave: qualidade de dados; aprendizado de máquina; internet das coisas; fluxo de dados. 

Resumo: A Internet das Coisas (IoT) revoluciona a agricultura, mas a qualidade dos dados gerados frequentemente dificulta a tomada de decisões confiáveis. Este estudo apresenta a Ferramenta de Garantia de Qualidade de Dados (DQAT), uma estrutura de código aberto orientada a eventos, adaptada para avaliação de dados em tempo real em sistemas IoT. A arquitetura modular da DQAT permite integração perfeita com aplicativos existentes e facilita simulações de cenários de ponta a ponta. Utilizando algoritmos de aprendizado de máquina online como Half-Space Trees e Support Vector Machines, a DQAT detecta anomalias em dados de streaming, superando os métodos tradicionais de lote. A avaliação com conjuntos de dados agrícolas demonstra a capacidade da DQAT de monitorar dimensões críticas de qualidade de dados, incluindo precisão, integridade, pontualidade e disponibilidade. Esta pesquisa contribui diretamente para aumentar a confiabilidade e a utilidade dos dados para tomada de decisões informadas no setor de IoT.