Adaptive filtering and dynamic computation offloading for resilient task execution in IIoT

Abstract

Relevance. The execution of time-sensitive tasks in Industrial Internet of Things (IIoT) systems requires de centralized and fault-tolerant computing models that can operate under dynamic workloads, unstable node availability, and limited resources. Object of research: task management and offloading processes in edge–fog IIoT environments. Purpose of the article. Development of a method for decentralized, latency-aware task processing using adaptive filtering and dynamic computation offloading, which ensures high availability, efficient resource usage, and responsiveness in distributed edge systems. Research results. The paper presents the AFDCO method, which integrates local data filtering, node availability evaluation, latency-based offloading, and lightweight redundancy into a unified framework. This approach enables autonomous and fault-resilient task execution without relying on centralized controllers. Simulation results confirm that AFDCO reduces response time, improves task deadline compliance, and minimizes network and energy overhead. Conclusions. Compared to static or centralized task allocation models, the proposed method demonstrates better adaptabil ity and robustness under variable conditions by dynamically adjusting execution and replication strategies based on system feedback. Scope of application of the obtained results: distributed IIoT systems, edge–fog computing platforms, and low-latency industrial automation scenarios requiring decentralized execution and fault recovery.Актуальність. Виконання задач з жорсткими часовими вимогами в системах промислового Інтернету речей (IIoT) потребує децентралізованих та відмовостійких обчислювальних моделей, здатних функціонувати за динамічних навантажень, нестабільної доступності вузлів і обмежених ресурсів. Об’єкт дослідження: процеси керування виконанням та оффлоудингом задач у середовищах крайових-туманних архітектури IIoT. Мета статті. Розробка методу децентралізованої обробки задач з урахуванням затримки, який ґрунтується на адаптивній фільтрації та динамічному оффлоудингу обчислень, що забезпечує високу доступність, ефективне використання ресурсів і швидке реагування у розподілених системах. Результати дослідження. Запропоновано метод AFDCO, який об’єднує локальну фільтрацію даних, оцінювання доступності вузлів, оффлоудинг з урахуванням затримки та легкий механізм резервування в єдину децентралізовану схему. Метод забезпечує автономне та відмовостійке виконання задач без залучення централізованого керування. Результати моделювання підтверджують зниження затримок, покращення дотримання термінів виконання задач і зменшення навантаження на мережу та споживання енергії. Висновки. У порівнянні з централізованими або статичними моделями розподілу задач, запропонований метод краще адаптується до змін у системі та забезпечує стабільну роботу завдяки динамічному регулюванню виконання та реплікації. Сфера застосування отриманих результатів: розподілені системи IIoT, платформи крайових-туманних обчислень та сценарії промислової автоматизації з низькою затримкою, що потребують децентралізованого виконання та відновлення після збоїв.