Моделі та засоби підвищення ефективності процесів розробки програмних компонентів інтелектуальних систем інтернету речей
DOI:
https://doi.org/10.34121/1028-9763-2026-3-60-71Ключові слова:
інтернет речей, штучний інтелект, керовані моделями процеси розробки, машинне навчання,, мікросервісиАнотація
Інтернет речей еволюціонує від ізольованих сенсорних рішень до розподілених систем, у яких логіка, дані та інтелектуальні рішення переміщуються між пристроями, периферійними вузлами та хмарою. Сучасні IoT-системи все частіше мають ознаки інтелектуальних кіберфізичних середовищ, у яких оброблення даних, прийняття рішень і керування відбуваються розподілено. Замість монолітних застосунків формуються екосистеми програмних компонентів, що взаємодіють через мережу та виконуються на пристроях із різними ресурсними можливостями, на периферії й у хмарі. Таке середовище природно описується як континуум IoT-Edge-Cloud. Це підвищує рівень вимог до ефективності розробки програмних компонентів, оскільки ускладнюються інтеграція, тестування, розгортання та супровід таких систем у гетерогенних середовищах. У статті систематизовано моделі та засоби підвищення ефективності розробки компонентів інтелектуальних IoT-систем у межах континууму IoT-Edge-Cloud. Розглянуто сучасні архітектурні підходи, зокрема мікросервісні та serverless-рішення, а також континуумні принципи розміщення компонентів. Окрему увагу приділено інженерії вимог, керованим моделями підходам, dataflow-орієнтованим ML-конвеєрам, тестуванню IoT-систем, контейнеризації та інструментам керування даними в континуумі. Сформульовано інтегровану модель підвищення ефективності, яка поєднує вимоги, архітектуру, автоматизацію артефактів, тестові стратегії, практики розгортання та безпекові механізми включно з аудитом прошивок і федеративним навчанням для IDS. Визначено ключові прогалини та напрями подальших досліджень, пов’язані з відтворюваністю тестування, розміщенням компонентів у континуумі, життєвим циклом Edge-AI та операційною складністю федеративних підходів. Іл.: 2. Бібліогр.: 22 назв.
Посилання
1. Gkonis P. et al. A Survey on IoT-Edge-Cloud Continuum Systems: Status, Challenges, Use Cases and Open Issues. Future Internet. 2023. Vol. 15, N 12. Art. 383. DOI: https://doi.org/10.3390/fi15120383.
2. Коваленко О. Є. Інтелектуалізація граничних обчислень інтернету речей. Математичні машини і системи. 2024. № 3–4. С. 50–68. URL: https://www.immsp.kiev.ua/publications/articles/2024/2024_3_4/03_04_24_Kovalenko.pdf.
3. Gauttam H., Nain G., Pattanaik K.K. Edge-AI: A systematic review on architectures, applications, and challenges. Journal of Network and Computer Applications. 2025. Vol. 245. Art. 104375. DOI: https://doi.org/10.1016/j.jnca.2025.104375.
4. Siddiqui H. et al. Microservices based architectures for IoT systems — State-of-the-art review. Internet of Things. 2023. Art. 100854. DOI: https://doi.org/10.1016/j.iot.2023.100854.
5. Razzaq A. A Systematic Review on Software Architectures for IoT Systems and Future Direction to the Adoption of Microservices Architecture. SN Computer Science. 2020. Vol. 1, N 6. Art. 350. DOI: https://doi.org/10.1007/s42979-020-00359-w.
6. Ouyang R. et al. A Microservice and Serverless Architecture for Secure IoT System. Sensors. 2023. Vol. 23, N 10. Art. 4868. DOI: https://doi.org/10.3390/s23104868.
7. Minani J.B., Sabir A., Moha N., Guéhéneuc Y.-G. A Systematic Review of IoT Systems Testing: Objectives, Approaches, Tools, and Challenges. IEEE Transactions on Software Engineering. 2024. DOI: https://doi.org/10.1109/TSE.2024.3363611.
8. Коваленко О.Є., Смолій В.М., Лі Л. Інженерія вимог систем інтернету речей. Математичні машини і системи. 2025. № 1. С. 64–75. DOI: https://doi.org/10.34121/1028-9763-2025-1-64-75.
9. Aguilar-Calderón J.-A., Tripp-Barba C., Zaldívar-Colado A., Aguilar-Calderón P.-A. Requirements Engineering for Internet of Things (IoT) Software Systems Development: A Systematic Mapping Study. Applied Sciences. 2022. Vol. 12, N 15. Art. 7582. DOI: https://doi.org/10.3390/app12157582.
10. Коваленко О.Є. Конвергенція інтернету речей та систем ситуаційного управління. Математичні машини і системи. 2023. № 3. С. 89–103. DOI: https://doi.org/10.34121/1028-9763-2023-3-89-103.
11. Judvaitis J. et al. A Set of Tools and Data Management Framework for the IoT-Edge-Cloud Continuum. Applied System Innovation. 2024. Vol. 7. Art. 130. DOI: https://doi.org/10.3390/asi7060130.
12. Mardani Korani Z., Moin A., Rodrigues da Silva A., Ferreira J.C. Model-Driven Engineering Techniques and Tools for Machine Learning-Enabled IoT Applications: A Scoping Review. Sensors. 2023. Vol. 23, N 3. Art. 1458. DOI: https://doi.org/10.3390/s23031458.
13. Lim K S., Ooi S.Y., Sayeed M.S., Chew Y.J., Ahmad N.M. Securing the Internet of Things: Systematic Insights into Architectures, Threats, and Defenses. Electronics. 2025. Vol. 14, N 20. Art. 3972. DOI: https://doi.org/10.3390/electronics14203972.
14. Guevara I., Ryan S., Singh A., Brandon C., Margaria T. Edge IoT Prototyping Using Model-Driven Representations: A Use Case for Smart Agriculture. Sensors. 2024. Vol. 24, No. 2. Art. 495. DOI: https://doi.org/10.3390/s24020495.
15. Baldoni G., Teixeira R., Guimarães C., Antunes N. A Dataflow-Oriented Approach for Machine-Learning-Powered Internet of Things Applications. Electronics. 2023. Vol. 12. Art. 3940. DOI: https://doi.org/10.3390/electronics12183940.
16. Urblik L., Kajati E., Papcun P., Zolotová I. Containerization in Edge Intelligence: A Review. Electronics. 2024. Vol. 13, N 7. Art. 1335. DOI: https://doi.org/10.3390/electronics13071335.
17. Calderón D., Folgado F.J., González I., Calderón A.J. Implementation and Experimental Application of Industrial IoT Architecture Using Automation and IoT Hardware/Software. Sensors. 2024. Vol. 24. Art. 8074. DOI: https://doi.org/10.3390/s24248074.
18. Bakhshi T., Ghita B., Kuzminykh I. A Review of IoT Firmware Vulnerabilities and Auditing Techniques. Sensors. 2024. Vol. 24, N 2. Art. 708. DOI: https://doi.org/10.3390/s24020708.
19. Witczak D., Szymoniak S. Review of Monitoring and Control Systems Based on Internet of Things. Applied Sciences. 2024. Vol. 14, N 19. Art. 8943. DOI: https://doi.org/10.3390/app14198943.
20. Dritsas E., Trigka M. Federated Learning for IoT: A Survey of Techniques, Challenges, and Applications. Journal of Sensor and Actuator Networks. 2025. Vol. 14, N 1. Art. 9. DOI: https://doi.org/10.3390/jsan14010009.
21. Devine M., Ardakani S.P., Al-Khafajiy M., James Y. Federated Machine Learning to Enable Intrusion Detection Systems in IoT Networks. Electronics. 2025. Vol. 14, N 6. Art. 1176. DOI: https://doi.org/10.3390/electronics14061176.
22. Albanbay N. et al. Federated Learning-Based Intrusion Detection in IoT Networks: Performance Evaluation and Data Scaling Study. Journal of Sensor and Actuator Networks. 2025. Vol. 14. Art. 78. DOI: https://doi.org/10.3390/jsan14040078.
19
12Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
