Universidade de Fortaleza (UNIFOR) Fortaleza, Ceará, Brasil

Transcrição

1 UMA ESTRUTURA BASEADA EM INTELIGÊNCIA COMPUTACIONAL PARA MELHORAR O DESEMPENHO DE APLICAÇÕES IOT José V. Sobral, Ricardo Rabelo, José Lima Filho, Renato Souza, Natanael Sousa, Harilton Araújo, Raimir Holanda Filho Universidade Federal do Piauí (UFPI) Teresina, Piauí, Brasil Faculdade Estácio CEUT Teresina, Piauí, Brasil Universidade de Fortaleza (UNIFOR) Fortaleza, Ceará, Brasil s: jose.v.sobral@ieee.org, ricardor_usp@yahoo.com.br, jcarloslimafilho@hotmail.com, renatosouzav@hotmail.com, csousa.natanael@gmail.com, harilton.araujo@estacio.br, raimir@unifor.edu.br Abstract In recent years the Internet of Things (IoT) paradigm has been widely studied. The IoT seeks promote the interconnection of different objects and things by means of the uses of several technologies. The integration of WSN and RFID technologies emerged as an important approach for the development of IoT applications. However, with the integration of these technologies some problems tend to be most evident. Therewith, this work propose a framework based on Computational Intelligence for improve the performance of the integrated network used by IoT observing the problems originating from this integration. Based on the obtained results, the uses of the proposed framework is able to provide a enhanced quality of service and energy efficiency for the IoT applications. Keywords Intelligent systems applications, Fuzzy systems, Internet of Things, Wireless Sensor Networks. Resumo Nos últimos anos o paradigma de Internet das Coisas (IoT) tem sido amplamente estudado. A IoT visa promover a interligação de diferentes objetos e coisas por meio da utilização de diversas tecnologias. A integração das tecnologias de Rede de Sensores Sem Fio e Identificação por Radio Frequência surge como uma abordagem importante para o desenvolvimento das aplicações de IoT. No entanto, ao integrar estas tecnologias alguns desafios tendem a ser mais evidentes. Com isso, este trabalho propõe um framework baseado em Inteligência Computacional para melhorar o desempenho da rede integrada utilizada pelas aplicações de IoT observando os problemas oriundos desta integração. Baseado nos resultados obtidos, a utilização do framework proposto é capaz de proporcionar maior eficiência energética e qualidade de serviço para as aplicações de IoT. Aplicações de sistemas inteligentes, Sistemas nebulosos, Internet das Coisas, Rede de Sen- Palavras-chave sores sem Fio. 1 Introdução Internet das Coisas (Internet of Things - IoT) é a presença pervasiva de uma variedade de coisas e objetos - como etiquetas de RFID (Radio Frequency Identification), sensores, atuadores, smartphones, dentre outros - ao nosso redor que são capazes de interagir uns com os outros de forma a cooperar para um objetivo comum (Atzori et al., 2010). Aplicações de IoT, tanto as existentes quanto as potenciais, são igualmente diversas. Para que as aplicações de IoT possam realizar o seu propósito com eficiência, é necessário que a estrutura de rede utilizada disponibilize alguns recursos chaves a nível de sistema, como: heterogeneidade dos dispositivos, escalabilidade, troca de dados entre tecnologias ubíquas sem fio, soluções otimizadas de energia, capacidade de rastreamento e localização, capacidade de auto-organização, interoperabilidade semântica e gerenciamento de dados, segurança incorporada e mecanismos de preservação da privacidade (Miorandi et al., 2012). Entre as tecnologias mais promissoras para o paradigma de IoT estão a RFID e RSSF (Redes de Sensores sem Fio) (Atzori et al., 2010). Devido as suas limitações específicas, essas tecnologias não conseguem, de forma isolada, dar suporte a todos os recursos requeridos pelas aplicações de IoT. Como alternativa para a solução deste problema, a integração de RSSF e RFID busca proporcionar uma estrutura capaz de prover tais recursos. Com a integração destas tecnologias, a RFID adiciona a capacidade de identificação de objetos às RSSF, por outro lado, a RFID passa a ter capacidade de monitorar variáveis do ambiente, como humidade, temperatura, pressão, etc, proporcionado pela RSSF (Al-Turjman et al., 2013). No entanto, mesmo com a integração de RSSF e RFID, algumas das funcionalidades (recursos) requeridas pelas aplicações de IoT podem não ser atendidas. Ao desenvolver esta integração, deve-se levar em consideração os problemas e restrições específicos de cada uma das tecnologias envolvidas, bem como os problemas oriundos da integração, com o objetivo de dar suporte às aplicações de IoT.

2 Vários trabalhos apresentam soluções que integram RSSF e RFID para aplicações de IoT (Al- Turjman et al., 2013). No entanto, estes trabalhos não consideram os problemas que ocorrem com a integração destas tecnologias. Não considerar tais desafios durante a integração de RSSF e RFID em cenários de IoT pode prejudicar o desempenho das aplicações. Baseado nos desafios que ocorrem com a integração de RSSF e RFID, este trabalho tem como objetivo geral propor um framework capaz de melhorar o desempenho de redes que integram RSSF e RFID para aplicações de IoT. O framework proposto também busca disponibilizar alguns importantes recursos requeridos pelas aplicações de IoT. O framework é composto por dois componentes. O primeiro componente tem o objetivo de melhorar o sistema de leitura de etiquetas, tornando-o mais rápido e eficiente. O segundo componente tem o objetivo de aumentar o desempenho na troca de mensagens entre os nós com capacidade de sensoriamento e leitura, reduzindo a taxa de perda de pacotes e o consumo de energia. Com a utilização do framework proposto espera-se: (I) aumentar a velocidade de leitura das etiquetas; (II) reduzir a taxa de perda de pacotes na comunicação entre os nós; e (III) reduzir o consumo de energia dos nós da rede. Este trabalho está organizado da seguinte forma: a Seção 2 apresenta uma breve descrição da integração de RSSF e RFID para aplicações de IoT; a Seção 3 descreve o framework proposto neste trabalho; a Seção 4 apresenta os resultados obtidos com o uso do framework proposto; a Seção 5 apresenta as conclusões e trabalhos futuros. 2 Integração de RSSF e RFID para Aplicações de Internet das Coisas Para tornar as aplicações de IoT possíveis, é necessário o avanço de diversas tecnologias, dentre estas tecnologias estão as RSSF e a RFID. Os nós sensores de uma RSSF podem ser suficientes para coleta e transmissão de dados de um ambiente. Contudo, as RSSF possuem limitações na identificação exclusiva de um objeto/pessoa em determinados tipos de aplicação, não representando uma solução otimizada em termos de eficiência e custo de implantação. No entanto, os sistemas RFID introduzem uma abordagem mais simples e de baixo custo para identificação e localização de objetos no crescente paradigma de IoT. Mas, ao contrario das RSSF, os sistemas RFID não são capazes de sensorear dados do local onde estão inseridas. A integração das tecnologias de RFID e RSSF maximiza os seus benefícios, criando novas perspectivas para um maior número de aplicações. Isso ocorre porque o resultado dessa integração é uma tecnologia com capacidade estendida, escalável e portável com custos reduzidos. Em (Liu et al., 2008) são discutidos alguns tipos de integração de sistemas RFID com RSSF. Um destes tipos é a integração de leitores com os nós sensores sem fio onde os leitores são unidos a nós sensores de modo que o dispositivo resultante desta união seja capaz de coletar dados do ambiente e das etiquetas que estão ao seu alcance. Este tipo de integração apresenta desafios já herdados das RSSF e da RFID, como necessidade de roteamento e controle de acesso ao meio. Este trabalho considera apenas esta forma de integração, pois ela consegue atender a uma grande variedade de aplicações de IoT mantendo um baixo custo de implantação (Liu et al., 2008). Desta forma, para promover a integração de RSSF e RFID, faz-se uso de um elemento computacional capaz de coletar dados do ambiente (temperatura, umidade, pressão, etc) e identificar etiquetas RFID. Este elemento computacional que exerce a função de integrar a RSSF e RFID é chamado de nó sensor-leitor (reader-sensor - RS). Neste trabalho, os nós RS podem possuir duas arquiteturas diferentes: Nós RS com arquitetura de rádio duplo: possuem duas interfaces independentes de comunicação. A primeira interface de comunicação é utilizada para realizar a troca de mensagens com os nós RS e nós sensores que compõem a rede. A segunda interface é responsável pela comunicação entre o nó RS e as etiquetas RFID, dependendo das especificações das etiquetas que se deseja identificar. Os nós RS-DR podem comunicar-se com os elementos da RSSF e da RFID ao mesmo tempo, pois possuem duas interfaces de comunicação independentes. Nós RS com arquitetura de Rádio Definido por Software (SDR): utilizam apenas uma interface de comunicação para troca de mensagens tanto com os elementos de RSSF quanto com os elementos de RFID. O SDR é um rádio que inclui um transmissor no qual parâmetros operacionais como frequência, tipo de modulação ou potência máxima de saída podem ser alterados por meio de software. Com a utilização deste tipo de nó RS, não é possível comunicar-se com nós sensores e etiquetas RFID ao mesmo tempo, pois apenas uma interface de comunicação é utilizada. 3 Framework Proposto Este trabalho propõe um framework capaz de melhorar o desempenho da estrutura de rede que integra RSSF e RFID para aplicações de IoT. O framework proposto é formado por dois componentes. O primeiro componente é referente à forma com que os dados dos elementos RFID são adquiridos pela aplicação, neste componente é apre-

3 sentado um protocolo anticolisão para etiquetas RFID baseado no padrão EPC Global Class 1 Generation 2 (EPCglobal, 2008). O segundo componente é responsável pela técnica de roteamento, um protocolo de roteamento já existente é incrementado com sistemas inteligentes para que possa aumentar seu desempenho. As subseções a seguir apresentam os componentes do framework proposto. Adicionalmente, cada subseção expõe uma breve explanação do problema que o componente do framework busca minimizar atendendo aos recursos requeridos pelas aplicações de IoT. 3.1 Fuzzy Q-Algorithm Segundo (Klair et al., 2010), a alta quantidade de pacotes trocados entre leitores e etiquetas RFID pode afetar a escalabilidade da rede e também a qualidade de serviço requerida pelas aplicações de IoT. Em geral, a qualidade de serviço é afetada pela perda de pacotes que, comumente é provocada pela colisão entre as mensagens enviadas simultaneamente pelas etiquetas. Para minimizar os problemas ocasionados pelas colisões, os leitores RFID utilizam protocolos anticolisão que coordenam o envio das mensagens de resposta das etiquetas. Algumas propostas de integração de RSSF e RFID não consideram os aspectos das colisões no momento da leitura das etiquetas (Al- Turjman et al., 2013). Um sistema de leitura de etiquetas ineficiente pode comprometer o desempenho das aplicações de IoT. O atraso no processo de leitura provocado pelas colisões pode aumentar o consumo de energia resultando na morte prematura dos nós RS. Com isso, o framework proposto neste trabalho apresenta um componente responsável por melhorar o desempenho do processo de leitura das etiquetas realizado pelos nós RS. O Fuzzy Q-Algorithm (FQA) é um protocolo anticolisão RFID baseado no protocolo EPCglobal UHF Class-1 Generation-2 (C1G2) e no Q-Algorithm (EPCglobal, 2008). No EPC C1G2 o processo de identificação das etiquetas consiste em um inventário. Um inventário é composto por vários rounds, que por sua vez, são compostos de vários slots. No protocolo, toda vez que uma etiqueta precisa ser lida, todo o processo de identificação é executado, independente se a etiqueta já foi identificada anteriormente ou não. Isto faz com que as etiquetas enviem seus identificadores (código EPC) mais de uma vez para o mesmo leitor. Este processo de envio de dados redundantes pode aumentar o tempo do processo de leitura das etiquetas, além de aumentar as chances de colisões. Além disso, o protocolo EPC C1G2 utiliza o Q- Algorithm para definir o tamanho de cada round. O Q-Algorithm ajusta a quantidade de slots de cada round baseado em um parâmetro estático. Esta forma de ajuste pode prejudicar o desempenho das aplicações de IoT em que a quantidade de etiquetas no alcance de um leitor varia rapidamente. Observando as necessidades das aplicações de IoT, o FQA utiliza sistemas fuzzy para definir dinamicamente um parâmetro que é utilizado para definir a quantidade de slots de um round. Além disso, o FQA busca reduzir o envio de EPCs redundantes. A Figura 1 apresenta o funcionamento do protocolo FQA. Utilizando o funcionamento e as mensagens padrão do protocolo EPC C1G2, no protocolo FQA sempre que uma etiqueta é identificada o seu código EPC é armazenado junto ao número de RN16 enviado antes do código EPC. O RN16 é uma mensagem padrão do protocolo EPC C1G2 que contém um valor inteiro de 16-bit. Em um próximo processo de identificação, o nó verifica se o RN16 enviado por uma etiqueta já está contido em seu cache, caso positivo o leitor envia uma mensagem de ACK com uma flag adicionar marcada, caso contrário a flag adicional é desmarcada. Caso a etiqueta receba uma mensagem de ACK com a flag desmarcada ela deve enviar seu código EPC, caso a mensagem de ACK contenha uma flag marcada ela deve entender que já foi identificada anteriormente e não enviar o seu código EPC. Diferente do protocolo EPC C1G2, no protocolo FQA as etiquetas possuem um código fixo para a mensagem de RN16 que só é alterado por uma mensagem especial vinda do leitor. No FQA, ao final de cada processo de identificação (inventário), o leitor utiliza um sistema fuzzy (Pedrycz and Gomide, 2007) para definir o valor do parâmetro c. O parâmetro c é utilizado pelo protocolo FQA, assim como no protocolo EPC C1G2, para ajustar o parâmetro Q, que define a quantidade de slots de um round de acordo com o ocorrido com o slot anterior. Se ocorreu uma colisão no slot anterior, Q é aumentado em c, se ocorreu um slot vazio (sem nenhuma resposta de etiqueta) Q é diminuído em c, caso o slot identifique alguma etiqueta Q não é alterado. Com a utilização do FQA espera-se reduzir o tempo do processo de leitura das etiquetas. Com o ajuste dinâmico de c espera-se melhorar as taxas de leitura das etiquetas, que são resultantes de um valor de Q apropriado. Ao evitar o envio de código EPCs redundantes, espera-se reduzir o tempo necessário para a identificação das etiquetas. Desta forma, pretende-se melhorar o desempenho das aplicações de IoT com um processo de identificação mais eficiente. 3.2 Fuzzy System-Based Route Classifier Um importante desafio relacionado às RSSF visando aplicações de IoT refere-se ao problema do consumo de energia dos nós, onde os nós locali-

4 Figura 1: Funcionamento do protocolo Fuzzy Q-Algorithm. zados próximos ao sink node ou que fazem parte das rotas mais utilizadas tendem a esgotar seus recursos de energia de forma prematura. A morte prematura dos nós pode ocasionar o rompimento de rotas anteriormente estabelecidas, fazendo com que a rede tenha que se reorganizar, gerando maior consumo de energia e largura de banda. Assim, o esquema de seleção de rotas deve considerar a energia residual dos nós e a qualidade da comunicação entre eles a fim de reduzir o consumo de energia enquanto, ao mesmo tempo, proporcionar o balanceamento de carga e a melhor distribuição dos escassos recursos da rede (Machado et al., 2013). Um problema que geralmente não é considerado ao desenvolver-se um protocolo de roteamento para aplicações de IoT que integram RSSF e RFID é o problema da quantidade de etiquetas próximas aos nós RS. Quanto maior a quantidade de etiquetas na região de um nó RS, maior será o tempo de leitura destas etiquetas. Com um tempo de leitura elevado, os recursos de energia dos nós RS tendem a esgotar-se mais rapidamente, assim, rotas que possuem nós RS com alta densidade de etiquetas em suas proximidades devem ser evitadas. Assim, este componente do framework proposto apresenta um mecanismo baseado em sistemas fuzzy capaz de classificar rotas e auxiliar protocolos de roteamento em cenários de IoT que integram RSSF e RFID, este mecanismo é denominado FSBRC (Fuzzy System-Based Route Classifier). Para auxiliar os protocolos de roteamento o FSBRC considera dados oriundos de várias camadas da rede que integra RSSF e RFID. Os dados utilizados pelo FSBRC trafegam em campos específicos junto às mensagens de controle dos protocolos de roteamento ou são coletados junto aos componentes RFID que compõem a rede. Estes campos são: nível de energia da rota, número de saltos, LQI (Link Quality Indicator) e densidade de etiquetas. Embora o FSBRC possa ser utilizado em conjunto com diversos protocolos de roteamento multipath-based, neste trabalho ele é utilizado junto ao protocolo de roteamento Directed Diffusion (DD) (Intanagonwiwat et al., 2003). Por meio do seu funcionamento, o DD pode armazenar diferentes rotas para um destino e utilizá-las em caso de falhas ou para envio de informações redundantes. Neste trabalho, o framework proposto utiliza o componente FSBRC junto ao protocolo DD para prover o roteamento das mensagens trocada entre os nós SR, sensores e sink. O protocolo DD foi escolhido por ser um dos mais estudados e utilizados pelas RSSF. O Directed Diffusion utiliza o mecanismo FS- BRC ao receber uma mensagem de interesse. A seguir é descrita a sequência de passos executada pelos nós ao receber uma mensagem de interesse: Início: Ao receber uma mensagem a camada física do nó calcula o valor de LQI que indica a qualidade da comunicação entre o nó remetente e o nó destinatário. O valor de LQI é repassado para a camada de roteamento (após passar pela camada MAC) juntamente com a mensagem recebida e o ID do nó remetente. Passo 1: ao receber a mensagem de interesse na camada de roteamento, o nó inicialmente verifica se o valor de LQI calculado ao receber a mensagem é superior ao valor de LQI contido na mensagem. Caso positivo, o valor do LQI da mensagem recebe o valor de LQI calculado ao receber a mensagem. Passo 2: o nó coleta os dados de LQI, número de saltos, energia e densidade de etiquetas contido na mensagem recebida. Passo 3: o nó utiliza os valores de LQI, número de saltos, energia e densidade de etiquetas para definir a qualidade da rota por meio da utilização do mecanismo FSBRC. Passo 4: o nó verifica se já possui uma entrada em seu cache para o interesse recebido, caso positivo o cache é atualizado, verificando se é necessário criar um novo gradiente ou atualizar um já existente. Posteriormente a mensagem é descartada e nada mais é feito. Passo 5: caso o interesse ainda não tenha sido recebido, o nó adiciona-o ao cache junto com as informações da qualidade da rota e o ID do nó remetente. Passo 6: o nó verifica se a sua energia residual é menor do que a contida na mensagem, caso positivo o nó altera o valor de energia da mensagem com o seu valor de energia residual, caso contrário o valor não é alterado.

5 Passo 7: o nó verifica se a sua densidade de etiquetas é maior do que a contida na mensagem, caso positivo o nó altera o valor de densidade de etiquetas da mensagem com a sua quantidade de etiquetas lidas no último processo de identificação, caso contrário o valor não é alterado. Caso o nó não possua capacidade de ler etiquetas (não seja um nó RS), o valor de densidade de etiquetas é 0. Passo 8: o valor de LQI gravado anteriormente é utilizado para atualizar o valor de LQI da mensagem, o número de saltos da mensagem é incrementado, o valor do ID de remetente da mensagem é alterado para o ID do nó e a mensagem é reenviada em forma de broadcast. Após a formação das rotas, sempre que um nó necessitar enviar mensagens de dados ele deverá selecionar a rota com maior qualidade dentre as disponíveis observando as informações contidas em seu cache. Em um intervalo fixo de tempo os nós da rede trocam mensagens de controle para atualizar os valores de nível de energia, LQI e densidade de etiquetas. Isso faz com que a rede possa alterar o caminho de envio das mensagens caso alguma rota esteja perdendo qualidade. Adicionalmente, o sistema fuzzy utilizado pelo FSBRC pode ter seu funcionamento otimizado utilizado o algoritmo descrito em (Sobral et al., 2013). 4 Resultados e Discussões Para realizar a avaliação de desempenho do framework proposto foi utilizado uma versão estendida do simulador Castalia com suporte a elementos RFID. As simulações foram executadas 200 vezes com o intervalo de confiança de 95%. A aplicação de IoT executada sobre a rede é dirigida a requisições (query-driven) e tem o objetivo de identificar as etiquetas que estão na área de leitura dos nós RS, bem como as condições (temperatura, humidade, pressão) do local onde as etiquetas se encontram. A quantidade de nós RS varia entre 20, 40, 60, 80 e 100, eles são fixados aleatoriamente na área de simulação e não possuem capacidade de mobilidade. A quantidade de etiquetas (que representam coisas ) é 50 e são inicialmente colocadas em locais aleatórios da área de simulação e possuem capacidade de mobilidade. Todos os dados coletados pelos nós RS são enviados ao sink node, localizado no centro da área, que é utilizado como gateway para comunicação com a Internet. A área de simulação é de 50 x 50 metros. A avaliação do framework proposto é realizada comparando-se a rede sobre a qual a aplicação é executada utilizando o framework proposto e utilizando protocolos da literatura. São simulados quatro cenários descritos a seguir: Cenário 1 (SC 1) onde a rede utiliza nós RS com arquitetura DR, protocolo de roteamento Directed Diffusion e protocolo anticolisão EPC C1G2; Cenário 2 (SC 2) onde a rede utiliza nós RS com arquitetura SDR, protocolo de roteamento Directed Diffusion e protocolo anticolisão EPC C1G2; Cenário 3 (SC 3) onde a rede utiliza nós RS com arquitetura DR e o framework proposto. O protocolo utilizado junto ao FSBRC é o Directed Diffusion; e Cenário 4 (SC 4) onde a rede utiliza nós RS com arquitetura SDR e o framework proposto. O protocolo utilizado junto ao FSBRC é o Directed Diffusion. As métricas utilizadas para verificar o desempenho do framework proposto são: velocidade de identificação das etiquetas, taxa de perda de pacotes e consumo médio de energia dos nós. A métrica de velocidade de identificação das etiquetas mede quantas etiquetas o leitor consegue ler em um segundo. A métrica de taxa de perda de pacotes mede a quantidade de pacotes perdidos pelos nós durante o envio dos dados coletados para o sink node. A métrica de consumo médio de energia mede a quantidade média de energia consumida pelos nós durante o tempo de execução da rede. A Figura 2(a) expõe os resultados obtidos nas simulações para a métrica de velocidade de identificação das etiquetas. Os resultados mostram que, os cenários que utilizam o framework proposto possuem uma velocidade de identificação de etiqueta maior do que a dos cenários que não utilizam o framework. Tais resultados são possíveis pelo fato que, por evitar o envio de códigos de identificação redundantes, o framework reduz o tempo necessário para finalização de um processo de leitura. Uma alta velocidade de identificação das etiquetas torna mais eficiente a capacidade de rastreamento e localização e a troca de dados entre tecnologias ubíquas e sem fio, que são importantes requisitos das aplicações de IoT. As Figuras 2(b) e 2(c) apresentam os resultados obtidos nas simulações para as métricas de taxa de perda de pacotes e consumo médio de energia. Os resultados obtidos mostram que, para os cenários avaliados, a utilização do framework proposto pode reduzir a taxa de perda de pacotes e o consumo médio de energia dos nós independente do tipo de arquitetura dos nós RS. O framework reduz a quantidade de pacotes perdidos por meio da utilização de um sistema fuzzy que auxilia o protocolo de roteamento. O processo de seleção de rotas considera as condições atuais da rede que são atualizadas por pequenas mensagens de controle do protocolo de roteamento. Com a melhor seleção das rotas é possível evitar a perda de pacotes oriunda de rotas quebradas, com baixa qualidade de comunicação entre nós ou com alta densidade de etiquetas. Com a utilização do framework o tempo gasto no processo de identificação das etiquetas é reduzido, resultando em um menor consumo de energia durante cada processo de identificação. Assim, o framework proposto

6 (a) Velocidade de identificação das etiquetas (b) Taxa de Perda de Pacotes (c) Consumo médio de energia Figura 2: Resultados para as métricas de velocidade de identificação das etiquetas, taxa de perda de pacotes e consumo médio de energia. pode reduzir o consumo médio de energia e diminuir as taxas de perda de pacotes, melhorando o desempenho da aplicação de IoT e proporcionando uma solução otimizada de energia. 5 Conclusões e Trabalhos Futuros Baseado nos cenários avaliados e nos resultados obtidos, conclui-se que o framework proposto pode aumentar o desempenho da rede a ser utilizada por uma aplicação de IoT. Por realizar o ajuste dinâmico e automatizado de um parâmetro do protocolo anticolisão e por evitar o envio de códigos de identificação redundantes, o framework proposto é capaz de aumentar a velocidade de identificação proporcionando maior rapidez no processo de coleta dos dados das etiquetas.ao considerar informações das diferentes tecnologias envolvidas na rede, o framework proposto é capaz de auxiliar o protocolo de roteamento na seleção da melhor rota para o encaminhamento de um pacote. Como consequência deste auxílio, o framework pode reduzir as taxas de perda de pacotes, diminuir o consumo de energia dos nós e proporcionar um melhor balanceamento de carga da rede. Assim, é possível proporcionar, de forma eficiente, alguns dos recursos requeridos pelas aplicações de IoT como: troca de dados entre tecnologias ubíquas, solução otimizada de energia, capacidade de rastreamento e localização e heterogeneidade de dispositivos. Como trabalhos futuros, pretende-se realizar simulações considerando cenários mais densos (maior quantidade de elementos) que melhor representem as aplicações de IoT. Pretende-se, também, realizar novos estudos dos componentes que integram o framework a fim de buscar melhorias ou novos mecanismos para compô-los. Referências Al-Turjman, F. M., Al-Fagih, A. E., Alsalih, W. M. and Hassanein, H. S. (2013). A delaytolerant framework for integrated rsns in iot, Computer Communications 36(9): Atzori, L., Iera, A. and Morabito, G. (2010). The internet of things: A survey, Computer networks 54(15): EPCglobal (2008). Epctm radio-frequency identity protocols class-1 generation-2 uhf rfid protocol for communications at 860 mhz 960 mhz version Intanagonwiwat, C., Govindan, R., Estrin, D., Heidemann, J. and Silva, F. (2003). Directed diffusion for wireless sensor networking, IEEE/ACM Transactions on Networking 11(1): Klair, D. K., Chin, K.-W. and Raad, R. (2010). A survey and tutorial of rfid anti-collision protocols, Communications Surveys & Tutorials, IEEE 12(3): Liu, H., Bolic, M., Nayak, A. and Stojmenovic, I. (2008). Taxonomy and challenges of the integration of rfid and wireless sensor networks, IEEE Network 22(6): Machado, K., Rosário, D., Cerqueira, E., Loureiro, A. A., Neto, A. and de Souza, J. N. (2013). A routing protocol based on energy and link quality for internet of things applications, Sensors 13(2): Miorandi, D., Sicari, S., De Pellegrini, F. and Chlamtac, I. (2012). Internet of things: Vision, applications and research challenges, Ad Hoc Networks 10(7): Pedrycz, W. and Gomide, F. (2007). Fuzzy systems engineering: toward human-centric computing, John Wiley & Sons. Sobral, J. V., Rabelo, R. A., Araujo, H. S., Baluz, R. A. et al. (2013). Automated design of fuzzy rule base using ant colony optimization for improving the performance in wireless sensor networks, 2013 IEEE International Conference on Fuzzy Systems (FUZZ), IEEE, pp. 1 8.