Multi-objective framework for end-device processing and offloading in industrial IoT

Abstract

The paper develops an integrated theoretical and mathematical framework for information processing on resource-limited Industrial Internet of Things (IIoT) end devices operating within cloud–fog–edge architectures. The study is motivated by heterogeneous, nonstationary event streams whose direct transmission to upper tiers is often infeasible due to bandwidth scarcity, strict latency targets, and the energy and computational limitations of end devices. Consequently, the end device must execute sensing-driven preprocessing, manage finite-buffer queues, and regulate outgoing traffic while preserving the informativeness required for monitoring, control, and analytics. The proposed formalization treats the end device as an active decision node that shapes system dynamics by controlling local transformations and offloading decisions under time-varying resource conditions. A class- and priority-aware stream model captures heterogeneity in criticality and service requirements, while finite-buffer queueing dynamics represent delay and loss under bursty arrivals and constrained service capacity. The device state is described by a resource vector reflecting available CPU capacity, memory and buffer occupancy, channel quality and transmission rate, and energy-related limitations, enabling state-dependent admissibility conditions for local computation and communication. An operator-level processing chain systematizes the end-device reduction pipeline, including preprocessing, informativeness assessment, adaptive filtering, temporal and semantic aggregation, controlled compression, and compact feature formation. The chain produces structured, semantically annotated packets supporting lightweight local decision-making and selective offloading to fog or cloud tiers. A multi-criteria efficiency structure is specified to jointly account for latency, packet loss, energy expenditure, communication load, and informativeness preservation, thereby enabling Pareto-oriented synthesis of admissible adaptive policies. The research objective is to establish unified decision variables, constraints, and stability and feasibility conditions coupling queue behavior with resource limitations, providing an analytically traceable basis for subsequent method construction, parameter tuning, and scenario driven validation in realistic industrial environments. Unlike purely empirical benchmarking, the contribution is intentionally analytical: it consolidates fragmented models of local reduction and offloading, and exposes explicit operator definitions for reproducible analysis.У статті розроблено інтегровану теоретико-математичну структуру для обробки інформації на ресурсно-обмежених кінцевих пристроях Промислового Інтернету речей (IIoT), що функціонують у межах архітектур cloud-fog-edge. Актуальність дослідження зумовлена наявністю гетерогенних нестаціонарних потоків подій, пряма передача яких на вищі рівні обчислювальної ієрархії часто є неможливою через дефіцит пропускної здатності, жорсткі вимоги до затримки, а також енергетичні й обчислювальні обмеження кінцевих пристроїв. У зв’язку з цим кінцевий пристрій повинен виконувати попередню обробку даних, ініційовану процесом сенсорного спостереження, керувати чергами зі скінченними буферами та регулювати вихідний трафік із одночасним збереженням інформативності, необхідної для моніторингу, керування й аналітики. Запропонована формалізація розглядає кінцевий пристрій як активний вузол прийняття рішень, що впливає на динаміку системи шляхом керування локальними перетвореннями та рішеннями щодо вивантаження обчислень за умов змінного в часі ресурсного стану. Модель потоків, чутлива до класів і пріоритетів, відображає неоднорідність критичності та вимог до обслуговування, тоді як динаміка черг зі скінченними буферами описує затримки й втрати за пакетних надходжень і обмеженої пропускної здатності обслуговування. Стан пристрою задається вектором ресурсів, що відображає доступну обчислювальну потужність CPU, зайнятість пам’яті та буфера, якість каналу і швидкість передавання, а також енергетичні обмеження, що дає змогу формулювати залежні від стану умови допустимості локальних обчислень і комунікацій. На рівні операторів систематизовано ланцюг обробки на кінцевому пристрої, який охоплює попередню обробку, оцінювання інформативності, адаптивну фільтрацію, часову та семантичну агрегацію, кероване стиснення й формування компактних ознакових подань. Такий ланцюг формує структуровані семантично анотовані пакети, придатні для полегшеного локального прийняття рішень і вибіркового передавання на fog- або cloud-рівні. Запропоновано багатокритеріальну структуру ефективності, що одночасно враховує затримку, втрати пакетів, енергоспоживання, комунікаційне навантаження та збереження інформативності, забезпечуючи тим самим можливість парето-орієнтованого синтезу допустимих адаптивних політик. Метою дослідження є встановлення узгоджених змінних керування, системи обмежень, а також умов стійкості й здійсненності, що пов’язують поведінку черг із ресурсними обмеженнями та формують аналітично простежувану основу для подальшої побудови методу, налаштування параметрів і сценарної валідації в реалістичних промислових середовищах. На відміну від суто емпіричного порівняльного аналізу, внесок роботи має свідомо аналітичний характер: він інтегрує фрагментовані моделі локального скорочення даних і вивантаження обчислень, а також задає явні операторні визначення для відтворюваного аналізу.