{rfName}
CA

Indexado en

Citaciones

9

Altmetrics

Investigadores/as Institucionales

Cuadrado, FelixAutor o Coautor

Compartir

28 de agosto de 2025
Publicaciones
>
Artículo
No

CAPTAIN: A Testbed for Co-Simulation of Scalable Serverless Computing Environments for AIoT Enabled Predictive Maintenance in Industry 4.0

Publicado en: Ieee Internet Of Things Journal. 12 (16): 32283-32295 - 2025-08-15 12(16), DOI: 10.1109/JIOT.2024.3488283

Autores:

Golec, Muhammed; Wu, Huaming; Ozturac, Ridvan; Kumar Parlikad, Ajith; Cuadrado, Felix; Singh Gill, Sukhpal; Uhlig, Steve
[+]

Afiliaciones

Queen Mary Univ London, Sch Elect Engn & Comp Sci, London, England - Autor o Coautor
Tianjin Univ, Ctr Appl Math, Tianjin 300072, Peoples R China - Autor o Coautor
Trendyol Grp, Engn Team, TR-34485 Istanbul, Turkiye - Autor o Coautor
Univ Cambridge, Inst Mfg, Dept Engn, Cambridge CB3 0FS, Cambs, England - Autor o Coautor
Univ Politecn Madrid, Sch Telecommun Engn, Madrid 28032, Spain - Autor o Coautor
Ver más

Resumen

The massive amounts of data generated by the Industrial Internet of Things (IIoT) require considerable processing power, which increases carbon emissions and energy usage, and we need sustainable solutions to enable flexible manufacturing. Serverless computing shows potential for meeting this requirement by scaling idle containers to zero energy-efficiency and cost, but this will lead to a cold start delay. Most solutions rely on idle containers, which necessitates dynamic request time forecasting and container execution monitoring. Furthermore, Artificial Intelligence of Things (AIoT) can provide autonomous and sustainable solutions by combining IIoT with artificial intelligence (AI) to solve this problem. Therefore, we develop a new testbed, CAPTAIN, to facilitate AI-based co-simulation of scalable and flexible serverless computing in IIoT environments. The AI module in the CAPTAIN framework employs random forest (RF) and light gradient-boosting machine (LightGBM) models to optimize cold start frequency and prevent cold starts based on their prediction results. The proxy module additionally monitors the client-server network and constantly updates the AI module training dataset via a message queue. Finally, we evaluated the proxy module's performance using a predictive maintenance-based real-world IIoT application and the AI module's performance in a realistic serverless environment using a Microsoft Azure dataset. The AI module of the CAPTAIN outperforms baselines in terms of cold start frequency, computational time with 0.5 ms, energy consumption with 1161.0 joules, and CO2 emissions with 32.25e-05 gCO(2). The CAPTAIN testbed provides a co-simulation of sustainable and scalable serverless computing environments for AIoT-enabled predictive maintenance in Industry 4.0.
[+]

Palabras clave

Artificial intelligenceArtificial intelligence (ai)Cloud computingComputational modelingContainersFlexible manufacturingFourth industrial revolutionIndustrial internet of thingsIndustrial internet of things (iiot)ManufacturingPredictive maintenancePredictive modelsServerless computinServerless computingTime-frequency analysis

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Ieee Internet Of Things Journal debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2025, se encontraba en la posición 11/258, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Computer Science, Information Systems. Destacable, igualmente, el hecho de que la Revista está posicionada por encima del Percentil 90.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2025-12-21:

  • Google Scholar: 1
  • WoS: 4
  • Scopus: 4
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-12-21:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 21.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 19 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

    [+]

    Análisis de liderazgo de los autores institucionales

    Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: China; Turkey; United Kingdom.

    [+]

    Reconocimientos ligados al ítem

    The work of Muhammed Golec was supported by the Ministry of Education of the Turkish Republic for the funding. The work of Huaming Wu was supported in part by the National Natural Science Foundation of China under Grant 62071327, and in part by the Tianjin Science and Technology Planning Project under Grant 22ZYYYJC00020. The work of Felix Cuadrado was supported by HE ACES Project under Grant 101093126.
    [+]