Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Real-time Performance Evaluation of LTE for IIoT
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Datavetenskap.
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Datavetenskap. InfoVista Sweden.ORCID-id: 0000-0003-1139-6998
InfoVista Sweden.
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Datavetenskap.ORCID-id: 0000-0003-0244-3561
2018 (Engelska)Ingår i: Proceedings of the 43rd IEEE Conference on Local Computer Networks (LCN) / [ed] Soumaya Cherkaoui, Institute of Electrical and Electronics Engineers (IEEE), 2018Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Industrial Internet of Things (IIoT) is claimed to be a global booster technology for economic development. IIoT brings bulky use-cases with a simple goal of enabling automation, autonomation or just plain digitalization of industrial processes. The abundance of interconnected IoT and CPS generate additional burden on the telecommunication networks, imposing number of challenges to satisfy the key performance requirements. In particular, the QoS metrics related to real-time data exchange for critical machine-to-machine type communication. This paper analyzes a real-world example of IIoT from a QoS perspective, such as remotely operated underground mining vehicle. As part of the performance evaluation, a software tool is developed for estimating the absolute, one-way delay in end-toend transmissions. The measured metric is passed to a machine learning model for one-way delay prediction based on LTE RAN measurements using a commercially available cutting-edge software tool. The achieved results prove the possibility to predict the delay figures using machine learning model with a coefficient of determination up to 90%.

Ort, förlag, år, upplaga, sidor
Institute of Electrical and Electronics Engineers (IEEE), 2018.
Nyckelord [en]
IIoT, LTE, QoS, delay, jitter, real-time, critical IoT
Nationell ämneskategori
Datavetenskap (datalogi) Medieteknik
Forskningsämne
Distribuerade datorsystem
Identifikatorer
URN: urn:nbn:se:ltu:diva-70316DOI: 10.1109/LCN.2018.8638081Scopus ID: 2-s2.0-85062855153OAI: oai:DiVA.org:ltu-70316DiVA, id: diva2:1237755
Konferens
43nd IEEE Conference on Local Computer Networks Workshops (LCN Workshops), Chicago, October 1-4, 2018
Tillgänglig från: 2018-08-09 Skapad: 2018-08-09 Senast uppdaterad: 2019-04-08

Open Access i DiVA

fulltext(2320 kB)129 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2320 kBChecksumma SHA-512
4ec94caae7176aa22720f811430c5aa3fcf8554f91e14cf9975ffbe4116e437c44995344c446d60541f8cfaee9e403447aeeb0d4e81b67e6cf75ab6dd337a54b
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopushttp://ieeelcn.org

Personposter BETA

Minovski, DimitarAndersson, Karl

Sök vidare i DiVA

Av författaren/redaktören
Zhohov, RomanMinovski, DimitarAndersson, Karl
Av organisationen
Datavetenskap
Datavetenskap (datalogi)Medieteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 129 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 287 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf