Aprendizado de máquina orientado à correção de valores de sensores de IoT

Abstract

Resumo: A internet das coisas é uma realidade contemporânea que vem sendo explorada por diversas empresas no setor da indústria, gerando dados a partir de sensores e transmitindo através da internet dando ascensão às cidades inteligentes. Sensores de dispositivos muitas vezes podem apresentar imprecisão na leitura dos valores captados do ambiente, uma forma plausível de corrigir sensores danificados ou desregulados, com menor taxa de custo e manutencão, pode ser viabilizada a partir de modelos de aprendizagem de máquina treinados sobre dados de sensores calibrados. O presente estudo de caso aborda e ilustra um cenário real da implantação de um modelo de cujo realiza a tarefa de correção de valores de corrente elétrica de dispositivos de IoT implantados em campo com 97% de precisão, tal meteodologia demonstrou de forma positiva a viabilidade de implantação de uma solução moderna para aproximação de valores, pelo lado negativo a solução demandou demasiado tempo e esforço computacional para análise e preparação dos dados, assim como um longo tempo de treinamento dos modelos nas buscas de parâmetros, as quais podem resultar em baixas métricas de avaliação, portanto tal metodologia pode não se aplicar a todos os casos