Guia en format PDF
Logo

Internet de les Coses i Computació a la Perifèria

Codi: 45679
Crèdits: 5
2026/2027
Titulació Tipus Curs
Enginyeria de Telecomunicació OP 2

Professor/a de contacte

Nom :
Marc Codina Barberà
Correu electrònic :
marc.codina@uab.cat

Equip docent

Jordi Carrabina Bordoll

Idiomes dels grups

Podeu consultar aquesta informació al final del document.

Prerequisits

Aquesta assignatura està programada per al tercer semestre (2n any, 1r semestre) del Màster en Enginyeria de Telecomunicació (MUET). Es recomana encaridament que els estudiants hagin superat prèviament l'assignatura obligatòria de primer any Intel·ligència Artificial Aplicada a les Comunicacions Mòbils de Nova Generació (Codi 45625). S'espera que els estudiants tinguin una base sòlida en preprocessament de dades, mètriques d'avaluació d'aprenentatge automàtic, algorismes d'aprenentatge supervisat i no supervisat, estructures d'aprenentatge profund (incloent-hi CNN, RNN i Transformers) i el desplegament bàsic de models d'IA en plataformes encastades. Aquests coneixements fonamentals permeten a aquesta assignatura saltar-se els conceptes introductoris d'IA i centrar-se en paradigmes avançats d'IA distribuïda (Edge AI + Cloud AI) a través de xarxes IoT.

Objectius

L'objectiu principal d'aquesta assignatura és capacitar els estudiants per dissenyar, implementar i avaluar arquitectures completes d'Internet de les Coses (IoT) al llarg de tota la cadena de senyal i de valor, des dels dispositius físics finals fins als servidors al núvol i les interfícies d'usuari i quadres de comandament (dashboards).

Un enfocament addicional d'aquest pla d'estudis és el desplegament d'Intel·ligència Artificial (IA) distribuïda a través de la topologia de la xarxa, optimitzant la partició i l'orquestració entre la inferència localitzada a l'extrem (Edge AI) i l'analítica centralitzada al núvol (Cloud AI).

L'assignatura posa un èmfasi específic en:

  • Comunicacions d'última milla heterogènies i interoperabilitat: Selecció crítica i integració de diverses tecnologies d'accés (LoRaWAN, NB-IoT, BLE, Zigbee, Wi-Fi 6) en funció de les restriccions de l'aplicació.
  • Optimització de la plataforma de processament: Realització d'anàlisis sistemàtiques de rendiment-cost per seleccionar el maquinari de processament (FPGA, microcontroladors avançats, SoC de baix consum) adequat per a la computació a l'extrem.
  • Eficiència energètica d'extrem a extrem i sostenibilitat: Enginyeria de sistemes amb tècniques de disseny de consum ultrabaix, modes de suspensió i tecnologies de recol·lecció d'energia (energy harvesting) al llarg de tota la cadena de comunicació.
  • Normativa, economia i estandardització: Integració dels principis de compliment normatiu essencial, propietat intel·lectual, normes d'estandardització i el cost total de propietat (TCO) per preparar desplegaments IoT de qualitat comercial.


Resultats d'aprenentatge

  • (CA36) Resoldre la interoperabilitat de xarxes heterogènies amb xarxes locals, d’accés i troncals en la implementació de serveis de dades.
  • (CA37) Fer servir circuits integrats programables per dissenyar sistemes electrònics avançats a nivell de component i perifèria.
  • (CA38) Implementar sistemes energèticament eficients en entorns de comunicacions fixes i mòbils, amb un enfocament en la sostenibilitat i l’ús responsable de recursos energètics.
  • (KA33) Descriure el funcionament i l’organització de les xarxes i protocols de nova generació d’Internet de les coses, els models de components i infraestructura, així com el programari intermediari i els serveis associats.
  • (KA34) Explicar els principis econòmics i de gestió de projectes aplicats a la normalització de xarxes i protocols d'última milla, i il·lustrar-ne l’impacte en l'eficiència i la qualitat dels serveis de telecomunicacions.
  • (KA35) Identificar les normes aplicables en l’exercici professional en el disseny de solucions d’IoT completes.
  • (SA49) Seleccionar els protocols de comunicacions d’última milla que s’adaptin millor a cada tipus d’aplicació i els components que en permeten la implementació.
  • (SA50) Desenvolupar sistemes d’IoT complets formats per dispositius, perifèria, núvol i interfície d’usuari.
  • (SA51) Avaluar les prestacions dels sistemes en termes de cost, velocitat (ample de banda i latència) i consum d'energia.

Continguts

Unitat 1: Arquitectures IoT i Edge de Nova Generació

  • Models d'infraestructura IoT per capes: capes de Dispositiu, Extrem (Perifèria), Boira (Fog) i Núvol (Cloud).
  • Arquitectures de programari intermediari (middleware) i marcs de treball orientats a serveis per a la gestió escalable de dispositius.
  • Topologies i partició arquitectònica per a la Intel·ligència Artificial distribuïda: coordinació de la computació local Edge AI amb els serveis centralitzats de Cloud AI.

Unitat 2: Tecnologies de Connectivitat i Interoperabilitat

  • Estudi tècnic, característiques de la capa física i protocols de la capa MAC de les tecnologies d'accés d'última milla: LoRaWAN, NB-IoT, BLE, Zigbee i Wi-Fi 6.
  • Mecanismes d'interoperabilitat en xarxes heterogènies, interconnexió de xarxes de sensors de baix consum amb xarxes de retorn (backhaul) locals i xarxes IP.
  • Optimització de la càrrega útil de comunicació per a la IA distribuïda (p. ex., extracció i compressió de característiques a l'extrem en comparació amb la transmissió del senyal en brut).

Unitat 3: Computació a l'Extrem (Edge Computing) amb Maquinari Avançat

  • Arquitectures de maquinari per a dispositius de computació a l'extrem utilitzant circuits integrats programables avançats: FPGA, microcontroladors basats en ARM d'alt rendiment i sistemes en xip (SoC) heterogenis.
  • Processament de dades locals en temps real, filtratge i acceleració de la inferència encastada (Edge AI) per reduir la latència del núvol i la sobrecàrrega de comunicació.

Unitat 4: Eficiència Energètica i Sostenibilitat a l'IoT

  • Principis de disseny de maquinari de baix consum i estratègies d'execució de programari: modes de suspensió profunda, talls d'alimentació (power gating), escalat dinàmic de voltatge i freqüència (DVFS) i tecnologies de recol·lecció d'energia (Energy Harvesting).
  • Anàlisi sistemàtica de potència i rendiment (PPA) que compara l'energia de la computació localitzada (Edge AI) amb l'energia de la transmissió sense fils (Cloud AI).

Unitat 5: Desenvolupament d'Extrem a Extrem i Avaluació de Mètriques (Benchmarking)

  • Integració pràctica d'extrem a extrem: configuració de nodes físics (sensors/actuadors), passarel·les (gateways) a l'extrem, brokers/bases de dades al núvol i quadres de comandament d'interfície d'usuari.
  • Avaluació comparativa (benchmarking) quantitativa del sistema: càlcul i optimització dels compromisos entre el cost unitari, la latència, el rendiment (throughput) de comunicació i el consum d'energia a llarg termini sota trànsit del món real.

Unitat 6: Regulació, Economia i Gestió de Projectes IoT

  • Marcs de compliment normatiu, organismes d'estandardització (IEEE, 3GPP, ETSI) i assignacions d'espectre radioelèctric per a IoT.
  • Anàlisi econòmica de desplegaments IoT: models de Cost Total de Propietat (TCO), càlculs de Despeses de Capital (CapEx) envers Despeses Operatives (OpEx) i llista de materials (BOM).
  • Impacte de l'IoT i l'Edge AI en la qualitat del servei de telecomunicacions, la fiabilitat i la sostenibilitat empresarial.


Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Tipus: Autònoma
Treball Autònom i Desenvolupament del Projecte 42,5 1,7 CA36, CA37, CA38, KA33, KA34, SA49, SA50, SA51
Tutories i Seguiment de Projectes 10 0,4 KA35, SA50, SA51
Tipus: Dirigida
Classes magistrals: exposició oral impartida pel professor amb l'objectiu de transmetre els coneixements sobre l'assignatura. 20 0,8 KA33, KA34, KA35, SA51
Seminaris i Casos d'Ús 12,5 0,5 CA38, SA49, SA51
Tipus: Supervisada
Sessions de Laboratori 15 0,6 CA36, CA37, SA50, SA51

L'assignatura es conduirà principalment a través de les classes de teoria, que utilitzaran material ad hoc (presentacions, documents, enllaços, eines i altres recursos) disponible al Campus Virtual (CV) de la UAB (https://cv.uab.cat). Els estudiants lliuraran exercicis sobre temes específics (al Campus Virtual).

Com a nova política comuna a la UAB, es permetrà l'ús d'eines d'IA generativa sempre que els estudiants indiquin el nom de l'eina i les instruccions (prompts) utilitzades. L'enfocament de la seva avaluació s'estendrà a tot el procés de desenvolupament, amb possibles entrevistes de seguiment.

Les pràctiques de laboratori permetran als estudiants aplicar i experimentar amb els conceptes adquirits en plataformes de computació a l'extrem (edge computing) i infraestructures de núvol públic, àmpliament utilitzades a la indústria. En el cas dels laboratoris, les eines d'IA no estan permeses a l'aula, ja que solen induir a errors greus als usuaris sense experiència. Especialment en el cas de les pràctiques, s'espera que els estudiants de màster les hagin preparat abans de la sessió presencial. L'assistència serà obligatòria a totes les sessions. Qualsevol falta d'assistència s'haurà de comunicar amb antelació al professor responsable, adjuntant-hi els motius degudament justificats.

Nota: Dins de l'horari establert pel centre o programa de màster, es reservaran 15 minuts d'una classe perquè els estudiants avaluïn el seu professorat i les seves assignatures o mòduls mitjançant qüestionaris.

Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè l'alumnat completi les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.

Avaluació

Activitats d'avaluació continuada

Títol Pes Hores ECTS Resultats d'aprenentatge
Examen final 30% 2 0,08 KA33, KA34, KA35
Laboratoris (Informes i seguiment) 25% 8 0,32 CA36, CA37, SA49
Projecte d'IoT i Edge (Memòria i Defensa) 45% 15 0,6 CA36, CA37, CA38, SA49, SA50, SA51

Mitjanes i Mínims: Per aprovar l'assignatura i permetre el càlcul de la nota mitjana, els estudiants han d'obtenir una nota mínima de 4,0 sobre 10 tant a l'Examen Final Escrit com al Projecte d'IoT i Edge. Es requereix una nota final global ponderada de 5,0 sobre 10 o superior per aprovar. Especialment durant els laboratoris, el professor avaluarà les habilitats, el desenvolupament i la correcció de la preparació i dels resultats de cada pràctica a l'aula.

Recuperació: Si un estudiant no assoleix el mínim de 4,0 a l'Examen Final Escrit, té dret a presentar-se a un examen teòric de recuperació al final del semestre, sempre que hagi participat en un mínim de 2/3 de les activitats d'avaluació contínua. Atès que els Laboratoris i el Projecte impliquen col·laboració contínua entre companys i la utilització pràctica de recursos de laboratori, són estrictament no recuperables.

Assistència i Avaluació: L'absència no justificada a més del 20% de les sessions pràctiques de laboratori, o la no entrega i defensa del projecte final, comportarà la qualificació de 'No Avaluable'.

Plagi i Mala Praxi: Copiar, plagiar, fer trampes o deixar copiar a altres en qualsevol activitat d'avaluació resultarà en una qualificació de 0 en aquesta activitat. Aquestes penalitzacions són irrecuperables i comportaran el suspens automàtic de l'assignatura amb una nota màxima de 3,0/10.

Política sobre IA Generativa: L'ús d'eines d'IA generativa està permès exclusivament per a tasques de suport (p. ex., depurar la sintaxi del codi, buscar documentació o donar format al text). Està estrictament prohibit generar directament dissenys principals, lògica de codi o informes. Els estudiants han de declarar explícitament en els seus informes quines parts han comptat amb l'assistència de la IA, quines eines s'han utilitzat i aportar una reflexió crítica sobre com l'eina ha influït en el seu aprenentatge. La no declaració de l'ús de la IA es tractarà com a frau acadèmic (qualificació de 0).

Bibliografia

Llibres Recomanats:

  • Edward A. Lee i Sanjit A. Seshia, Introduction to Embedded Systems: A Cyber-Physical Systems Approach, 2a Edició, MIT Press, 2017.
  • Ian Goodfellow, Yoshua Bengio i Aaron Courville, Deep Learning, MIT Press, 2016 (Base fonamental per als conceptes d'IA).
  • V.S. Chakravarthi, A Practical Approach to VLSI System on Chip (SoC) Design: A Comprehensive Guide, Springer, 2020.


Programari

Programari de Desenvolupament i Simulació:

  • Microprogramari (Firmware) i Microcontroladors: EdgeImpulse, Arduino IDE.
  • IA a l'Extrem (Edge AI) i Analítica al Núvol: Python 3.12 (PyTorch), Node-RED i brokers MQTT/CoAP.
  • Quadres de Comandament al Núvol i Programari Intermediari (Middleware): AWS IoT Core, ThingsBoard o Adafruit IO.


Grups i idiomes de l'assignatura

La informació proporcionada és provisional fins al 30 de novembre. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d'aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura