Hyper-Reliable Communications for Industrial Automation: From IIoT Devices to Integrated Networks to Edge Clouds
Notice bibliographique
Résumé
Industry 5.0 represents a pivotal shift in industrial systems, advancing automation into a new era of collaboration between humans and robots. In alignment with this industrial revolution, 6G networks are poised to provide Hyper-Reliable and Low-Latency Communications (HRLLC). As part of an Ericsson-Carleton collaboration, this research seeks to explore and enhance End-to-End reliability within the three primary segments of future industrial environments: I/O devices, industrial communication networks, and Edge Computing infrastructures. The overarching challenge addressed is the incongruence between the reliability of individual networking layers and the uncompromisable requirements of industrial automation applications. Through an in-depth examination, this research illuminates strategies to enhance the integration between Time-sensitive Networking (TSN) and Deterministic Networking (DetNet) reliability functions with 5G Systems, harness the potential of massive Multiple-Input and Multiple-Output antenna systems, and fortify the resilience of Edge Computing. These efforts aim to bridge the reliability gaps across segments and engineer reliability mechanisms for the rapidly evolving landscape of industrial automation. The research contributes to the academic and industrial fields by addressing the multifaceted challenge of reliability in industrial communication systems. It demonstrates the 5G-TSN/DetNet robustness in challenging radio environments, utilizing machine learning to optimize network performance and developing methods for advanced 5G New Radio scheduling for HRLLC. Additionally, it explores reliability and energy efficiency optimization in integrated industrial networks, focusing on mMIMO systems. Finally, It addresses the cloudification of TSN reliability functions and failover mechanisms for edge workloads. The outcomes of this research have been disseminated through six first-author publications in peer-reviewed journals and conferences, with two more manuscripts currently under review.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».