Towards a self-healing IoT event-based architecture: infusing self-optimized real-time data imputation and quality management to promote fault tolerance

Abstract

This thesis addresses a central reliability problem in event-driven IoT systems: pipelines may remain operational while silently losing evidential integrity as sensor events become missing or delayed. Such data-quality degradation propagates through windowed aggregation and complex event processing (CEP), undermining derived event products and the decisions that depend on them. The thesis argues that dependable event-driven IoT requires accountable continuity: sustaining real-time outputs under imperfect evidence while making the degree and consequences of degradation explicit rather than concealed. Grounded in a Design Science Research methodology, the thesis develops and evaluates an integrated self-healing approach spanning architectural design, quality-aware event transformation, and real-time repair. First, it proposes a self-healing, event-based architecture that treats event transformation as a first-class, composable concern and provides monitoring and orchestration hooks for quality-driven adaptation. Second, it introduces quality-aware CEP mechanisms that tolerate missing and late events through controlled inclusion and event fabrication, coupled with explicit characterization of completeness and timeliness so that downstream consumers can interpret outputs in context. Third, it establishes a production-like experimental methodology based on controlled fault injection and repeatable telemetry capture to quantify availability–quality trade-offs under realistic degradation regimes. Finally, it advances edge-side real-time imputation under strict cadence and resource constraints through an interpretable, self-optimized model selection strategy that adapts repair decisions to observed conditions, improving tolerance-compliant continuity beyond any single static method. Two applied case studies, including smart greenhouse monitoring and a weather-station edge pipeline, demonstrate that the proposed approach increases the availability of derived event products under missingness while preserving transparency about quality degradation and maintaining feasibility for constrained deployments. Overall, the thesis contributes a coherent set of architectural principles, mechanisms, and empirical guidance for building event-driven IoT systems that remain operationally useful under imperfect evidence, without sacrificing interpretability or accountability.

Η παρούσα διατριβή εξετάζει ένα κομβικό πρόβλημα αξιοπιστίας στα συμβαντοκεντρικά συστήματα στο Διαδίκτυο των Πραγμάτων (ΔτΠ): μια ροή επεξεργασίας μπορεί να συνεχίζει να εκτελείται κανονικά, ενώ παράλληλα να χάνει αθόρυβα την τεκμηριωτική της ακεραιότητα, όταν συμβάντα, που παράγονται πρωτογενώς από συσκευές στο φυσικό περιβάλλον, καθυστερούν ή δεν καταγράφονται καθόλου. Η υποβάθμιση αυτή της ποιότητας των δεδομένων διαχέεται προς τα κάτω, σε συγκεντρώσεις με χρονικά παράθυρα και σε επεξεργασία σύνθετων συμβάντων, με αποτέλεσμα να υπονομεύονται τα παράγωγα αποτελέσματα και τελικά οι αποφάσεις που βασίζονται σε αυτά. Η διατριβή υποστηρίζει ότι η αξιόπιστη λειτουργία των συμβαντοκεντρικών ΔτΠ συστημάτων προϋποθέτει συνέχεια με λογοδοσία: διατήρηση των εξόδων σε πραγματικό χρόνο ακόμη και όταν τα διαθέσιμα στοιχεία είναι ατελή, αλλά με σαφή και ρητή ανάδειξη του βαθμού και των συνεπειών της υποβάθμισης, αντί να μένουν «κρυμμένες» πίσω από μια επίφαση κανονικής λειτουργίας. Με βάση τη μεθοδολογία Design Science Research, η διατριβή αναπτύσσει και αξιολογεί μια ενοποιημένη προσέγγιση αυτοΐασης, που καλύπτει από την αρχιτεκτονική μέχρι τους μηχανισμούς μετασχηματισμού και την επιδιόρθωση σε πραγματικό χρόνο. Πρώτον, προτείνεται μια αυτοϊάσιμη αρχιτεκτονική βασισμένη σε συμβάντα, η οποία αντιμετωπίζει τους μετασχηματισμούς συμβάντων ως πρώτης τάξης, συνθέσιμο δομικό στοιχείο, και παρέχει σημεία παρακολούθησης και συντονισμού ώστε το σύστημα να μπορεί να προσαρμόζεται με κριτήριο την ποιότητα. Δεύτερον, εισάγονται μηχανισμοί μετασχηματισμού δεδομένων/συμβάντων με επίγνωση ποιότητας, που αντέχουν σε ελλιπή και εκπρόθεσμα συμβάντα μέσω ελεγχόμενης ενσωμάτωσης καθυστερημένων δεδομένων και, όπου απαιτείται, συνθετικής δημιουργίας συμβάντων. Η διαδικασία αυτή συνοδεύεται από ρητή αποτύπωση της πληρότητας και της χρονικής εγκαιρότητας, ώστε οι αποδέκτες στα επόμενα στάδια να μπορούν να ερμηνεύουν τα αποτελέσματα με επίγνωση των περιορισμών τους. Τρίτον, θεμελιώνεται μια πειραματική διαδικασία «με συνθήκες παραγωγής», βασισμένη σε ελεγχόμενη έγχυση σφαλμάτων και επαναλήψιμη καταγραφή τηλεμετρίας, ώστε να ποσοτικοποιούνται με συστηματικό τρόπο οι συμβιβασμοί μεταξύ διαθεσιμότητας και ποιότητας υπό ρεαλιστικά σενάρια υποβάθμισης. Τέλος, προτείνεται επιδιόρθωση σε πραγματικό χρόνο κοντά στο φυσικό περιβάλλον υπό αυστηρό ρυθμό εκτέλεσης και περιορισμένους πόρους, μέσω μιας ερμηνεύσιμης, αυτοβελτιστοποιούμενης στρατηγικής επιλογής μοντέλου. Η στρατηγική αυτή προσαρμόζει τις αποφάσεις αποκατάστασης στις συνθήκες που παρατηρούνται κατά τη λειτουργία και ενισχύει τη «συνέχεια εντός ορίων ανοχής» πέρα από ό,τι μπορεί να προσφέρει οποιαδήποτε μεμονωμένη, στατική μέθοδος. Δύο εφαρμοστικές μελέτες περίπτωσης, με παρακολούθηση «έξυπνου» θερμοκηπίου και με μια ροή επεξεργασίας από μετεωρολογικό σταθμό, δείχνουν ότι η προτεινόμενη προσέγγιση αυξάνει τη διαθεσιμότητα των παραγόμενων αποτελεσμάτων υπό συνθήκες απωλειών, χωρίς να θυσιάζει τη διαφάνεια ως προς την υποβάθμιση της ποιότητας και παραμένοντας πρακτικά υλοποιήσιμη σε περιορισμένα από υπολογιστικής άποψης περιβάλλοντα. Συνολικά, η διατριβή συνεισφέρει ένα συνεκτικό σύνολο αρχών αρχιτεκτονικής, μηχανισμών και εμπειρικής τεκμηρίωσης για τη σχεδίαση κατανεμημένων συμβαντοκεντρικών συστημάτων στο Διαδίκτυο των Πραγμάτων που παραμένουν λειτουργικά χρήσιμα ακόμη και με ατελή δεδομένα, χωρίς να χάνουν την ερμηνευσιμότητα ή τη λογοδοσία.