47Diversidad generacional y patrón de uso de Tecnologías de Información y ComunicaciónModelo de estructuración de la decisión de compra en el consumidor electrónico por Internet en Costa Rica; Un abordaje neuro exploratorio 
Home Page  

  • SciELO

  • SciELO


RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

 ISSN 1646-9895

KINJO, Erika Midori; LIBRANTZ, André Felipe Henriques; SOUZA, Edson Melo de    SANTOS, Fábio Cosme Rodrigues dos. Modelagem Bayesiana aplicada para cálculo da probabilidade de falha em Sistemas de Saúde IoT. []. , 47, pp.87-108.   30--2022. ISSN 1646-9895.  https://doi.org/10.17013/risti.47.87-108.

^a

A implantação da tecnologia da Internet das Coisas (IoT) traz benefícios à vida, como controle remoto de pragas na agricultura, monitoramento da cadeia de suprimentos, melhoria na educação e monitoramento de pacientes. No entanto, apesar dos benefícios, existem desafios embutidos na implementação desta tecnologia. Um dos maiores desafios da área é a violação de privacidade e segurança de dados. Portanto, é necessário avaliar a probabilidade de falha dos elementos e, consequentemente, a causa desse problema. Assim, é neste contexto que este trabalho se propõe a identificar, modelar e calcular a probabilidade de falha através de uma análise sistemática, utilizando Redes Bayesianas. Os resultados mostraram que através do uso do modelo proposto foi possível avaliar diferentes cenários para o uso de redes de Internet das Coisas, bem como simular o efeito da probabilidade de falha nos elementos críticos do sistema.

^lpt^a

The implementation of the Internet of Things (IoT) technology provides benefits to life, such as remote pest control in agriculture, monitoring the supply chain, improvement environment in education, and monitoring patients. However, despite the benefits, there are challenges embedded in the implementation of this technology. One of the biggest challenges in the area is the violation of privacy and data security. Therefore, it is necessary to assess the probability of failure of the components and, consequently, the cause of this problem. So, it is in this context that this work proposes to identify, model, and calculate the failure probability through a systematic analysis, using Bayesian Networks. The results showed that through the use of the proposed model it was possible to evaluate different scenarios for the use of Internet of Things networks, as well as to simulate the effect of the probability of failure in the critical components of the system.

^len

: .

        · | |     · |     · ( pdf )