1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET
6. Tesis Doctorado
7. Tesis de Doctorado en Computación

Title:	PLATAFORMA PARA LA CONFIGURACIÓN AUTOMÁTICA DE DISPOSITIVOS BASADOS EN ARDUINO AL INTERNET DE LAS COSAS
Authors:	Flores Sedano, Juan José%1086749
metadata.dc.subject.other:	Agentes inteligentes embebidos, TinyML, Internet de las Cosas, FIWARE, NGSI v2, Arduino, Aprendizaje automático ligero, Detección de caídas, Evapotranspiración
Issue Date:	2026-08-06
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Description:	Esta tesis propone y formaliza la arquitectura de un Agente Inteligente de IoT embebido, definido mediante la función de decisión f: P × H → A, capaz de percibir su entorno mediante sensores, ejecutar inferencias locales con modelos de inteligencia artificial y comunicar sus resultados de forma estandarizada. Sobre esta base, se presenta una plataforma para la generación automática de dichos agentes en dispositivos Arduino. El trabajo aborda la brecha existente entre la inferencia de inteligencia artificial ligera (TinyML) y la integración estandarizada con plataformas IoT, las cuales han avanzado de forma paralela sin converger en una solución unificada y accesible. Se propone y formaliza un agente inteligente embebido mediante la función de decisión f: P × H → A, donde P representa el conjunto de percepciones capturadas por sensores, H el historial interno representado mediante el estándar NGSI v2, y A el conjunto de acciones posibles condicionadas por las capacidades del hardware. La plataforma desarrollada en R/Shiny automatiza el proceso completo: desde el entrenamiento de modelos de aprendizaje automático (Random Forest, Red Neuronal cuantizada y Árbol de Decisión) hasta la generación automática del firmware desplegable en dispositivos Arduino, sin requerir programación manual por parte del usuario. La validación experimental se realizó en dos casos de estudio: detección de caídas en adultos mayores, logrando una exactitud del 92 % con latencias de 25–35 ms en un Arduino Nano 33 BLE; y estimación de evapotranspiración de referencia (ETo) en agricultura, alcanzando R²=0.925 con RMSE=0.195. Las pruebas de confiabilidad operativa de 24 horas demostraron R ≥ 0.9994 en los cuatro dispositivos evaluados. Los resultados validan la viabilidad de ejecutar inferencia de modelos de IA directamente en microcontroladores de bajo costo, integrarse con plataformas IoT estandarizadas como FIWARE mediante NGSI v2, y automatizar la generación del agente sin intervención técnica especializada. La investigación alcanza el nivel TRL 5 con avance parcial hacia TRL 6
metadata.dc.type:	info:eu-repo/semantics/doctoralThesis
Appears in Collections:	Tesis de Doctorado en Computación

This item is protected by original copyright View License

This item is licensed under a Creative Commons License