Метод автоматизованого генерування PFD-діаграм для проєктування ІоТ-системи на базі мережі Sigfox

Abstract

New approaches to automating the design process of information systems based on Internet of Things (IoT) technologies have been proposed, taking into account the specifics of energy-efficient networks such as Sigfox. It has been established that effectively considering the constraints of such networks requires the development of specialized methods for designing technological diagrams. It has been found that the use of Large Language Models (LLMs) enables a sufficient level of automation in the generation of Process Flow Diagrams (PFDs) based on user-provided textual descriptions. A method of contextual analysis is described, allowing the extraction of key IoT system components, inter-component relationships, and data flows textual information. The transition traditional manual modeling to intelligent diagram synthesis using LLMs is substantiated, which significantly reduces the time required for IoT system development and improves the accuracy of the results. A three-stage method has been developed, which includes: linguistic analysis and structuring of the system description, code generation procedure with optimization of data flows under LPWAN network constraints, and automated visualization of data flows in the form of PFD diagrams. The impact of pre-adapting the LLM to the technical context of Sigfox networks on the accuracy of component generation and the relevance of design decisions has been evaluated, particularly in cases data transmission frequency needs to be reduced through aggregation or buffering. Six levels of a systems approach are described, in particular, architectural, component interaction, data processing, device lifecycle, communication protocols, and cloud integration levels, which are implemented within the proposed methodology. The effectiveness of the approach is assessed in the context of designing IoT systems with strict resource constraints, traditional tools fail to provide an adequate level of data flow optimization. The results demonstrate the potential of intelligent automation in IoT, paving the way for workflow optimization. Future research is expected to focus on enhancing the method through adaptation to other LPWAN technologies and extending the capabilities of LLMs for more complex use scenarios.

Запропоновано нові підходи до автоматизації процесу проєктування інформаційних систем на підставі технологій Інтернету речей (IoT) з урахуванням специфіки енергоефективних мереж типу Sigfox. Встановлено, що ефективне врахування обмежень таких мереж потребує розроблення спеціалізованих методів розроблення технологічних схем. З`ясовано, що застосування великих мовних моделей LLM (англ. Large Language Model) дає змогу забезпечити належний рівень автоматизації процесів побудови PFD-діаграм (англ. Process Flow Diagrams) на підставі текстових описів, які вводить користувач. Охарактеризовано метод контекстного аналізу, який дає змогу виділяти ключові компоненти IoT-системи, міжкомпонентні зв`язки та потоки даних із текстової інформації. Обґрунтовано доцільність переходу від традиційного ручного моделювання до інтелектуального синтезу схем за допомогою моделей LLM, що істотно скорочує тривалість розроблення IoT-систем та підвищує точність отриманих результатів. Розроблено метод автоматизованого генерування PFD-діаграм, що містить: лінгвістичний аналіз і структурування опису системи, процедуру генерування коду з оптимізацією потоків даних під обмеження LPWAN-мереж, автоматизовану візуалізацію потоків даних у вигляді PFD-діаграми. Оцінено вплив попередньої адаптації моделі LLM до технічного контексту мережі Sigfox на точність генерування її компонент і релевантність проєктних рішень, зокрема у випадках, коли потрібно зменшити частоту передавання даних способом їх агрегації або буферизації. Описано шість рівнів системного підходу (архітектурний, рівень взаємодії компонент, рівень оброблення даних, життєвого циклу пристроїв, протоколів передачі, рівень інтеграції із хмарними сервісами), які реалізовано в межах запропонованої методики. Оцінено ефективність підходу в контексті розроблення IoT-систем із жорсткими ресурсними обмеженнями, де традиційні інструменти не забезпечують належного рівня оптимізації потоків даних. Отримані результати демонструють потенціал інтелектуальної автоматизації в IoT, відкриваючи шлях до оптимізації робочих процесів. Перспективи досліджень передбачають удосконалення методу автоматизованого генерування PFD-діаграм способом адаптації до інших LPWAN-технологій і розширення функціональності моделей LLM для складніших сценаріїв використання.