Abstract

The Industrial Internet of Things (IIoT) and Industry 4.0 aim to streamline production processes and keep manufacturing viable and profitable. This presents enterprises with the opportunity to boost productivity while improving efficiency and safety and reducing costs. With heightened interest from both researchers and industry experts, IIoT has witnessed remarkable advances over the recent years thanks to developments in related technologies such as Industrial Wireless Networks (IWNs), Software-Defined Networking (SDN), cloud computing, and Multi Access Edge Computing (MEC). Despite the proven ability of these technologies to advance the course of IIoT and Industry 4.0, an equally important but less investigated problem is ensuring that the resources upon which these technologies depend are optimally allocated and efficiently utilized.

This doctoral dissertation proposes a software-defined approach towards improving resource management and efficiency in IIoT systems. First, an SDN-based data offloading scheme is designed to coordinate data offloading for IIoT applications. This will enable constrained IIoT devices to relay their more demanding operations for energy and resource optimization. Second, a system model is developed to leverage the synergy between SDN, MEC, and containerization technologies in advancing IIoT applications for better resource management, more specifically for containerized edge microservices. Third, a novel SDN-enabled Resource Management (SDRM) scheme is developed based on Satisfiability Modulo Theory (SMT) constraint programming. With this scheme, SDRM will be able to automatically compute the optimal resource allocation for different IIoT network models and dynamically adjust assigned resources based on predefined constraints to ensure Service Level Agreements (SLAs). Lastly, the effects of collaborative edge-cloud computing for such SDN-based IIoT implementations are examined.

The results from our implementation models demonstrate the feasibility, efficiency, and performance improvements of utilizing SDN-based solutions for resource opti- mization in IIoT implementations. Hence, the outcome of this dissertation will help both researchers and system designers gravitate towards more resource-efficient IIoT solutions.

Tiivistelmä

Teollisen esineiden internetin (IIoT) ja Teollisuus 4.0:n tarkoituksena on virtaviivaistaa tuotantoprosesseja ja pitää valmistus kannattavana ja kannattavana. Tämä tarjoaa yrityksille mahdollisuuden lisätä tuottavuutta ja samalla parantaa tehokkuutta, turval- lisuutta ja vähentää kustannuksia. IIoT on osoittanut huomattavaa edistystä viime vuosina sekä tutkimuksen että teollisuuden lisääntyneen kiinnostuksen ansiosta, mikä on tapahtunut asiaan liittyvien teknologioiden, kuten teollisten langattomien verkko- jen (IWN), ohjelmisto-ohjattujen verkkojen (SDN), pilvipalvelujen ja reunalasken- nan (MEC) ansiosta. Huolimatta näiden teknologioiden todistetusta kyvystä edistää IIoT:n ja Industry 4.0:n kulkua, yhtä tärkeä mutta vähemmän tutkittu ongelma on varmistaa, että resurssit, joista nämä tekniikat ovat riippuvaisia, kohdennetaan opti- maalisesti ja käytetään tehokkaasti. Tässä väitöskirjassa ehdotetaan ohjelmistojen määrittelemää lähestymistapaa IIoT-järjestelmien resurssienhallinnan ja tehokkuuden parantamiseksi. Ensinnäkin SDN-pohjainen tietojen purkujärjestelmä on suunniteltu koordinoimaan tietojen purkua IIoT-sovelluksille. Näin rajoitetut IIoT-laitteet voivat välittää vaativampia toimintojaan energian ja resurssien optimointiin. Toiseksi ke- hitetään järjestelmämalli, joka hyödyntää SDN-, MEC- ja konttiteknologioiden välistä synergiaa IIoT-sovellusten edistämisessä resurssien hallinnan lisäämiseksi, erityisesti konttien reunamikropalveluissa. Kolmanneksi kehitetään uusi SDN-yhteensopiva resurssienhallintajärjestelmä (SDRM), joka perustuu SMT (Satisfiability Modulo The- ory) -rajoitusohjelmointiin. Tämän avulla SDRM pystyy automaattisesti laskemaan optimaalisen resurssien kohdistuksen eri IIoT-verkkomalleille ja säätämään dynaamisesti varattuja resursseja ennalta määritettyjen rajoitusten perusteella palvelutasosopimuksen (SLA) varmistamiseksi. Lopuksi tarkastellaan yhteistyöhön perustuvan reunapilvi- laskennan vaikutuksia tällaisiin SDN-pohjaisiin IIoT-toteutuksian. Toteutusmalliemme tulokset osoittavat SDN-pohjaisten ratkaisujen käytön toteutettavuuden, tehokkuuden ja suorituskyvyn parantamisen resurssien optimoinnissa IIoT-toteutuksissa. Näin ollen tämän tutkimuksen tulokset auttavat sekä tutkijoita että järjestelmäsuunnittelijoita kehittämään resurssitehokkaampia IIoT-ratkaisuja.

Osajulkaisut / Original papers

Osajulkaisut eivät sisälly väitöskirjan elektroniseen versioon. / Original papers are not included in the electronic version of the dissertation.

1. Okwuibe, J., Haavisto, J., Harjula, E., Ahmad, I., & Ylianttila, M. (2020). SDN enhanced resource orchestration of containerized edge applications for industrial IoT. IEEE Access, 8, 229117–229131. https://doi.org/10.1109/ACCESS.2020.3045563

   Rinnakkaistallennettu versio / Self-archived version

2. Okwuibe, J., Liyanage, M., & Ylianttila, M. (2016). Provider assisted Wi-Fi offloading leveraging on SDN. In European Wireless 2016; 22nd European Wireless Conference (pp. 1-6). VDE.

3. Liyanage, M., Okwuibe, J., Ahmed, I., Ylianttila, M., Perez, O. L., Itzazelaia, M. U., & de Oca, E. M. (2017). Software Defined Monitoring (SDM) for 5G mobile backhaul networks. 2017 IEEE International Symposium on Local and Metropolitan Area Networks (LANMAN), 1–6. https://doi.org/10.1109/LANMAN.2017.7972144

   Rinnakkaistallennettu versio / Self-archived version

4. Okwuibe, J., Liyanage, M., & Ylianttila, M. (2015). Performance analysis of open-source Linux-based HIP implementations. 2015 IEEE 10th International Conference on Industrial and Information Systems (ICIIS), 60–65. https://doi.org/10.1109/ICIINFS.2015.7398986

5. Okwuibe, J., Haavisto, J., Kovacevic, I., Harjula, E., Ahmad, I., Islam, J., & Ylianttila, M. (2021). SDN-enabled resource orchestration for industrial IoT in collaborative edge-cloud networks. IEEE Access, 9, 115839–115854. https://doi.org/10.1109/ACCESS.2021.3105944

   Rinnakkaistallennettu versio / Self-archived version