Energy consumption management on IOT based monitoring devices : Case study: coffee value chain

Abstract

The Internet of Things (IoT) opens opportunities to monitor, optimize, and automate processes into the Agricultural Value Chains (AVC). However, challenges remain in terms of energy consumption. In this thesis, we assessed the impact of environmental variables in AVC based on the most influential variables. We developed an adaptive sampling period method to save IoT device energy and to maintain the ideal sensing quality based on these variables, particularly for temperature and humidity monitoring. The evaluation on real scenarios (Coffee Value chain) shows that the suggested adaptive algorithm can reduce the current consumption up to 11% compared with a traditional fixed-rate approach, while preserving the accuracy of the data.

El Internet de las cosas (IoT) abre oportunidades para monitorear, optimizar y automatizar procesos en las cadenas de valor agrícolas (AVC). Sin embargo, persisten desafíos en términos de consumo de energía. En esta tesis, evaluamos el impacto de las variables ambientales en AVC en función de las variables más influyentes. Desarrollamos un método de período de muestreo adaptativo para ahorrar energía del dispositivo IoT y mantener la calidad de detección ideal en función de estas variables, particularmente para el monitoreo de temperatura y humedad. La evaluación en escenarios reales (cadena de valor del café) muestra que el algoritmo adaptativo sugerido puede reducir el consumo actual hasta en un 11% en comparación con un enfoque tradicional de tasa fija, al tiempo que preserva la precisión de los datos.