Data transmission analysis and forecasting in industrial process environments

• Autores: Fernando Miguelez García
• Directores de la Tesis: Josu Doncel Vicente (dir. tes.) , María Dolores Ugarte Martínez (codir. tes.)
• Lectura: En la Universidad Pública de Navarra ( España ) en 2025
• Idioma: inglés
• Número de páginas: 128
• Enlaces
  • Tesis en acceso abierto en: Academica-e
• Resumen
  • español

    En los sistemas modernos basados en datos, disponer de una información actualizada es crucial para una toma de decisiones precisa y eficiente. La utilidad de los datos en entornos industriales, sistemas autónomos y redes de comunicación depende no sólo de su precisión, sino también de su actualidad. Esta tesis se basa precisamente en la idea de que los datos más recientes permiten tomar decisiones más fiables y eficaces, y explora este principio desde perspectivas tanto teóricas como aplicadas. Los principales objetivos son mejorar la comprensión teórica de cómo evoluciona el valor temporal de la información bajo diferentes restricciones prácticas y diseñar enfoques de modelización que aprovechen los datos recientes para mejorar la previsión y la toma de decisiones en entornos industriales reales. Tras una breve introducción en el Capítulo 1 describiendo los principales retos de esta tesis, el Capítulo 2 ofrece un breve repaso de algunos conceptos de probabilidad, procesos estocásticos y teoría de colas, así como la definición formal de AoI, una medida de lo reciente que es la información, y de los sistemas híbridos estocásticos, una herramienta matemática relevante en el estudio de sistemas dinámicos complejos. También presenta nociones básicas de la teoría de juegos, como el equilibrio de Nash y el precio de la anarquía, para analizar las interacciones estratégicas en sistemas competitivos, y explica los modelos ocultos de Markov (HMM) y su extensión a los HMM de entrada-salida, que constituyen la base de la metodología de predicción desarrollada más adelante. Estos conceptos proporcionan los fundamentos necesarios para el desarrollo de los siguientes capítulos. El primer objetivo se aborda en los Capítulos 3 y 4. El Capítulo 3, “Sobre la edad de la información en colas de un solo servidor con actualizaciones con edad”, amplía el marco AoI a sistemas en los que los paquetes pueden llegar ya con cierta antigüedad, como en las redes multisalto o de preprocesamiento. Se deriva una fórmula general para el AoI promedio que tiene en cuenta las correlaciones entre la edad inicial del paquete y el proceso entre salidas, y también se establecen cotas para los casos en los que se desconocen estas dependencias. La aplicabilidad de este enfoque se demuestra en diversos modelos de colas, incluyendo las retransmisiones en colas con pérdidas, colas en tándem y colas de reintentos. El Capítulo 4, “Precio de la anarquía con múltiples fuentes de información en competencia”, examina escenarios de canales compartidos modelados como juegos no cooperativos. Se demuestra que las estrategias de transmisión egoístas degradan el rendimiento en comparación con los óptimos cooperativos, y la ineficiencia se mide mediante el precio de la anarquía. Los resultados ponen de relieve las vulnerabilidades de los sistemas descentralizados y sugieren mecanismos de coordinación para reducir la pérdida de rendimiento. El segundo objetivo se aborda en el Capítulo 5, “Un enfoque de aprendizaje adaptativo para la predicción multivariante de tiempos en procesos industriales”, que propone un modelo de Markov oculto de entrada-salida con actualizaciones adaptativas de parámetros para explotar datos multivariantes recientes. Aplicado a conjuntos de datos industriales reales, alcanza una precisión competitiva frente a los modelos de referencia y permite la detección temprana de ineficiencias. La tesis finaliza con las principales conclusiones y las futuras líneas de investigación.

  • English

    In modern data-driven systems, the timeliness of information is crucial for accurate and efficient decision-making. The usefulness of data in industrial environments, autonomous systems, and communication networks depends not only on its accuracy but also on its freshness. This thesis is motivated precisely by the idea that more recent data enables more reliable and effective decisions, and explores this principle from both theoretical and applied perspectives. The main goals are to improve the theoretical understanding of how information freshness behaves under different practical constraints and to design modelling approaches that leverage recent data to enhance forecasting and decision-making in real-world industrial settings. After a brief introduction describing the main challenges of this dissertation in Chapter 1, Chapter 2 provides a concise overview of probability, stochastic processes, and queueing theory, as well as the formal definition of the Age of Information (AoI), a metric that quantifies the information timeliness, and stochastic hybrid systems, a mathematical tool relevant for the study of complex dynamic systems. It also introduces basic notions of game theory, including Nash equilibrium and Price of Anarchy, for analysing strategic interactions in shared systems, and presents hidden Markov models (HMMs) and their extension to input-output HMMs, which form the basis for the forecasting methodology developed later. These concepts provide the necessary background for the developments in the following chapters. The first main objective of the thesis is addressed in Chapters 3 and 4. Chapter 3, “On the Age of Information in Single-Server Queues with Aged Updates”, extends the AoI framework to systems where packets may arrive already aged, as in multi-hop or pre-processing networks. A general formula for the average AoI is derived, accounting for correlations between initial packet age and inter-departure process, with bounds for cases where these dependencies are unknown. The applicability of the framework is demonstrated in various queueing settings, including retransmissions in lossy queues, tandem queues, and retrial queues. Chapter 4, “Price of Anarchy with Multiple Information Sources under Competition”, examines shared-channel scenarios modelled as non-cooperative games. Selfish transmission strategies are shown to degrade performance compared with cooperative optima, with inefficiency measured by the Price of Anarchy. Results highlight vulnerabilities of decentralised systems and suggest coordination mechanisms to reduce performance loss. The second main objective of this thesis is addressed in Chapter 5, “An Adaptive Learning Approach to Multivariate Time Forecasting in Industrial Processes”, which proposes an input-output hidden Markov model with adaptive parameter updates to exploit fresh, multivariate data. Applied to real industrial datasets, it achieves competitive accuracy against benchmarks and supports early detection of inefficiencies. The dissertation ends with the main conclusions and future research directions.