TY  - CHAP
U1  - Konferenzveröffentlichung
A1  - Elsner, Jesko
A1  - Mueller, Rainer
A1  - Thümmel, S.
T1  - Flooded Edge Gateways
BT  - Real-Time Aggregation of High-Density Data Using Complex Event Processing and Machine Learning
T2  - Automation 2019, 20. Leitkongress der Mess- und Automatisierungstechnik, Autonomous Systems and 5G in Connected Industries, Baden-Baden, DE, 2.-3. Juli, 2019,
(VDI-Berichte ; 2351)
N2  - Increasing numbers of internet-compatible devices, in particular in the context of IoT, usually cause increasing amounts of data. The processing and analysis of a continuously growing amount of data in real-time by means of cloud platforms cannot be guaranteed anymore. Approaches of Edge Computing decentralize parts of the data analysis logics towards the data sources in order to control the data transfer rate to the cloud through pre-processing with predefined quality-of-service parameters. In this paper, we present a solution for preventing overloaded gateways by optimizing the transfer of IoT data through a combination of Complex Event Processing and Machine Learning. The presented solution is completely based on open-source technologies and can therefore also be used in smaller companies.
N2  - Steigende Zahlen Internet-fähiger Geräte, besonders im Kontext des Internet der Dinge (IoT), verursachen zunehmend große Mengen an Daten. Die Verarbeitung und Analyse einer stetig steigenden Datenmenge mit Hilfe von Cloud-Plattformen kann in Echtzeit nicht mehr garantiert werden. Ansätze des Edge Computing dezentralisieren Teile der Datenanalyselogik in Richtung der Datenquellen, um den Datendurchsatz zur Cloud durch eine Vorverarbeitung im Rahmen vordefinierter Quality-Of-Service-Parameter zu kontrollieren. In dieser Arbeit stellen wir eine Lösung zur Prävention überladener Gateways vor, indem wir die Übertragung von IoT-Daten durch eine Kombination von Complex Event Processing und maschinelles Lernen optimieren. Die vorgestellte Lösung basiert vollständig auf Open-Source-Technologien und kann somit auch in kleineren Unternehmen angewendet werden.
Y1  - 2019
SN  - 978-3-18-092351-2
SB  - 978-3-18-092351-2
SP  - 719
EP  - 730
PB  - VDI-Verlag
CY  - Düsseldorf
ER  -