Nome do Projeto
PiSH-IoT: Projeto Integrado de Software e Hardware para Cenários de Internet das Coisas (IoT)
Ênfase
Pesquisa
Data inicial - Data final
01/10/2025 - 30/09/2029
Unidade de Origem
Coordenador Atual
Área CNPq
Ciências Exatas e da Terra
Resumo
A Internet das Coisas (IoT) vem se consolidando como um dos principais vetores da transformação digital, com aplicações que abrangem desde saúde, cidades inteligentes e mobilidade urbana até Indústria 4.0, agricultura e educação. Estima-se que o número de dispositivos ativos cresça de 18,8 bilhões em 2024 para mais de 41 bilhões em 2030, evidenciando seu impacto econômico e social. Esses dispositivos, em sua maioria embarcados e de baixo custo, apresentam restrições severas de processamento, memória e energia, o que impõe desafios adicionais no que se refere à segurança, desempenho e confiabilidade. A transmissão de dados em trânsito é um requisito fundamental em aplicações IoT. No entanto, algoritmos clássicos de criptografia se mostram inadequados para dispositivos com recursos limitados devido ao alto consumo computacional e energético. Nesse cenário, a criptografia leve (lightweight cryptography – LWC) tem emergido como alternativa promissora, ao equilibrar requisitos de segurança, eficiência e custo. Paralelamente, a demanda por baixa latência e alta confiabilidade nas aplicações impulsiona a adoção da computação em borda (edge computing), que aproxima os recursos de processamento dos dispositivos, reduzindo a latência em relação à computação em nuvem. Além da segurança e da disponibilidade, cresce a necessidade de execução de redes neurais em dispositivos IoT, especialmente em aplicações como veículos autônomos, realidade aumentada, smart homes e ambientes industriais inteligentes. Tais redes, embora altamente precisas, exigem grande capacidade de processamento e alto consumo de energia, ampliando o desafio de conciliar desempenho com restrições de custo, potência e área física. Os Smart Campus despontam como cenários privilegiados para validação dessas tecnologias. Universidades que investem em soluções inteligentes enfrentam, entretanto, a carência de frameworks de avaliação que correlacionem tecnologias implantadas com o valor efetivamente gerado para a comunidade acadêmica. Por fim, este projeto está alicerçado em várias ações de pesquisa: (i) investigação e desenvolvimento de algoritmos criptográficos leves, (ii) estratégias para aumento de confiabilidade em aplicações de borda, (iii) modelos e metodologias para avaliação de Campus Inteligente, (iv) Investigação de técnicas para geração e otimização de código embarcado, e (v) otimização de hardware de IA visando o aumentando da eficiência de dispositivos IoT.

Objetivo Geral

O objetivo principal deste projeto é buscar soluções eficientes, sejam elas metodológicas, de software ou de hardware para desenvolvimento de aplicações no cenário de embarcado focado em aplicações IoT. Estas soluções devem contemplar durante o seu desenvolvimento características inerentes de um sistemas embarcado, como de segurança, confiabilidade, consumo energético, seleção adequada das arquiteturas envolvidas e entre outras.

O projeto está alicerçado em várias ações: (i) investigação e desenvolvimento de algoritmos criptográficos leves, (ii) estratégias para aumento de confiabilidade em aplicações de borda, (iii) modelos e metodologias para avaliação de Campus Inteligente, (iv) Investigação de técnicas para geração e otimização de código embarcado, e (v) otimização de hardware de IA visando o aumentando da eficiência de dispositivos IoT.

Os objetivos específicos estão alinhados em cada ação do projeto.

Justificativa

A Internet das Coisas (IoT) é uma realidade em expansão, com aplicações cada vez mais diversificadas em diferentes segmentos. De forma geral, a IoT pode ser definida como a presença pervasiva de dispositivos — como sensores e atuadores — capazes de interagir entre si e com sistemas externos para alcançar objetivos comuns. Em muitos cenários, esses dispositivos embarcados enviam informações a uma central de processamento que, com base nos dados coletados, aciona mecanismos de controle ou tomada de decisão.

Segundo relatório da McKinsey (2024), as aplicações de IoT podem ser agrupadas em nove categorias principais: (i) serviços médicos, como dispositivos vestíveis para monitoramento de sinais vitais; (ii) casas inteligentes, com assistentes de voz e eletrodomésticos conectados; (iii) lojas inteligentes, que empregam sensores para self-checkout e controle de inventário; (iv) escritórios inteligentes, com foco em gerenciamento de energia e segurança; (v) ambientes de produção inteligentes, voltados à eficiência de linhas de produção; (vi) veículos inteligentes, para manutenção preditiva em automóveis, aeronaves e embarcações; (vii) cidades inteligentes, incluindo semáforos adaptativos e monitoramento ambiental; (viii) ambientes urbanos, com foco em mobilidade e veículos autônomos; e (ix) agricultura e gestão de recursos naturais. O impacto econômico e social dessa expansão é evidenciado pelo crescimento expressivo no número de dispositivos: em 2024 já são contabilizados 18,8 bilhões de dispositivos IoT ativos, com previsão de alcançar 41,1 bilhões em 2030 (IoT Analytics, 2025).

O projeto de dispositivos IoT preserva os requisitos típicos de sistemas embarcados, nos quais segurança e eficiência energética são fatores críticos. A criptografia se apresenta como solução eficaz para proteção dos dados em transmissão, porém algoritmos clássicos de criptografia são computacionalmente custosos, aumentando o consumo de energia e reduzindo o desempenho — fatores particularmente indesejados em dispositivos com recursos limitados. Nesse contexto, surge a criptografia leve (lightweight cryptography – LWC), que visa oferecer segurança adequada utilizando menos memória e menor poder de processamento. Tal abordagem se consolidou como a estratégia mais promissora para assegurar a proteção de dados em dispositivos restritos, atendendo à crescente demanda por soluções confiáveis e de baixo custo.

Outro desafio central refere-se ao processamento em tempo real dos dados, requisito essencial para a qualidade de serviço (Quality of Service – QoS). Embora a computação em nuvem ofereça alta capacidade de processamento, a latência causada pela distância entre dispositivos e servidores, somada ao elevado volume de dados, compromete aplicações sensíveis a atrasos. Nesse cenário, a computação em borda (edge computing) emerge como paradigma capaz de reduzir a latência ao aproximar recursos computacionais dos dispositivos. Tecnologias como contêineres tornam essa abordagem viável ao permitir portabilidade, escalabilidade e gerenciamento de recursos em ambientes heterogêneos e distribuídos.

Entretanto, a heterogeneidade e a distribuição geográfica da infraestrutura de borda — muitas vezes instalada em locais remotos e com suporte limitado — aumentam a probabilidade de falhas. A indisponibilidade de servidores pode resultar em degradação da QoS e interrupções de serviço, tornando o provisionamento de aplicações uma tarefa desafiadora. Assim, torna-se necessária a concepção de estratégias de provisionamento resilientes, que considerem o comportamento de falhas dos servidores de borda. Ao modelar probabilisticamente essas falhas, a partir de dados históricos e de monitoramento em tempo real, é possível desenvolver mecanismos mais inteligentes e adaptativos para garantir a continuidade e a confiabilidade dos serviços.

Adicionalmente, a execução de redes neurais profundas em dispositivos IoT amplia a complexidade do problema. Tais redes apresentam elevado consumo de recursos computacionais e grande volume de dados, ao mesmo tempo em que as aplicações — como veículos autônomos, realidade aumentada, smart homes e Indústria 4.0 — demandam baixa latência e alta vazão. A conciliação entre desempenho e restrições de custo, energia e área física permanece como um desafio fundamental.

Outro ponto relevante é a geração de código para dispositivos IoT, que deve atender a requisitos como desempenho, eficiência energética e otimização de memória. A busca por software mais eficiente sempre foi central na comunidade científica de sistemas embarcados. Atualmente, o uso de Modelos de Linguagem de Grande Escala (Large Language Models – LLMs) surge como alternativa promissora para auxiliar na geração e otimização de código, podendo ser integrado a ferramentas de exploração do espaço de projeto e ampliando as possibilidades de automação e eficiência no desenvolvimento de software para IoT.

Por fim, os Smart Campus configuram-se como um cenário oportuno para aplicação e validação de soluções IoT. A transformação digital tem impulsionado universidades a evoluírem para ecossistemas inteligentes, nos quais tecnologias são utilizadas para otimizar operações, enriquecer a experiência acadêmica e promover sustentabilidade. Entretanto, observa-se uma lacuna nos modelos existentes de avaliação: a maioria limita-se ao inventário quantitativo de tecnologias implantadas, sem mensurar efetivamente o valor gerado para a comunidade acadêmica. A ausência de frameworks padronizados que correlacionem presença tecnológica com uso, impacto e integração resulta em investimentos que nem sempre se traduzem em benefícios tangíveis.

Nesse contexto, o desenvolvimento de frameworks de avaliação para Smart Campus é essencial. Tais frameworks podem oferecer metodologias robustas para mensurar maturidade, desempenho e impacto das tecnologias implementadas, permitindo que universidades avaliem sua posição frente a outras instituições e, sobretudo, definam estratégias claras de evolução contínua, alinhadas à geração de valor para alunos, professores e sociedade.

Metodologia

Para atingir os objetivos, deverá ser aprofundado o estudo para propor soluções eficientes nas diferentes vertentes do projeto. A metodologia de projeto consiste basicamente nos seguintes passos:

- Revisar a literatura para encontrar lacunas no estado da arte nos eixo/ação do projeto;

- Propor soluções alternativas às abordagens encontradas nos diferentes eixo/ação de projeto;

- Explorar o espaço de projeto para as soluções encontradas em cada eixo/ação do projeto.

- Validação das diferentes soluções através de estudos de caso relevantes em cada eixo/ação do projeto.

- Divulgar os resultados através de publicações.

Indicadores, Metas e Resultados

As metas a serem atingidas com a execução deste projeto estão organizadas de acordo com os objetivos e as ações do projeto.

Ação 1: Investigação e desenvolvimento de algoritmos criptográficos leves
Meta 1: Desenvolver um algoritmo leve para IoT, tanto em software como hardware, eficiente em termos de consumo de memória, tempo de execução, consumo energético, throughput e segurança


Acão 2: Estratégias para aumento de confiabilidade em aplicações de borda
Meta 2: Propor e avaliar uma heurística de otimização do provisionamento de aplicações em cenários de falhas


Ação 3: Modelos e metodologias para avaliação de Campus Inteligente
Meta 3: Propor e avaliar um frameworkpara guiar o desenvolvimento e, principalmente, para avaliar o grau de inteligência de Campus Inteligente.


Ação 4: Investigação de técnicas para geração e otimização de código embarcado
Meta 4: Desenvolver e avaliar uma metodologia de geração e otimização de código embarcado que faça uso de LLMs (Large Language Models).


Ação 5: Otimização de hardware de IA visando o aumentando da eficiência de dispositivos IoT
Meta 5: Desenvolver e avaliar as adaptações da rede neural para monitoramento de pragas baseado em armadilhas inteligentes visando a sua implementação em hardware (FPGA).


Além das metas estabelecidas acima, pretende-se do ponto de produção científica:
Pelo menos 2 artigos em periódico internacional
Pelo menos 4 trabalhos em conferências nacionais
Pelo menos 4 trabalhos em conferências internacionais
Pelo menos 3 participações em eventos internacionais
Pelo menos 3 participações em eventos nacionais.

Equipe do Projeto

NomeCH SemanalData inicialData final
FILIPE RUTZ DOS SANTOS
FÁBIO DINIZ ROSSI
GABRIEL DE SOUZA MACIEL
ISADORA VENZKE DIAS
JULIO CARLOS BALZANO DE MATTOS22
LISANE BRISOLARA DE BRISOLARA2
LUCAS FRANCESCHET LEMES
MARCOS PAULO KONZEN
PAULO ROBERTO FERREIRA JUNIOR2
PAULO SILAS SEVERO DE SOUZA
RAFAEL IANKOWSKI SOARES2
TOMÁS GARCIA MOREIRA
ULISSES BRISOLARA CORRÊA4
VICTOR RAFAEL SECUNDINO SANTOS
YURI SILVA VAZ

Página gerada em 06/10/2025 23:52:24 (consulta levou 0.191060s)