Investigadores de la UCA idean un sistema para que los hogares y entornos inteligentes reaccionen mejor a lo que ocurre en tiempo real 6 marzo 2026
La investigación, publicada en la revista Internet of Things, integra dos enfoques de software para interpretar datos de sensores y activar respuestas más claras, personalizadas y adaptables
Investigadores de la Universidad de Cádiz, en colaboración con el profesor Cesare Pautasso de la Universidad de la Suiza Italiana, han llevado a cabo el desarrollo de BPSmart-CARE, un marco tecnológico orientado a mejorar el hecho de que los entornos inteligentes interpreten lo que sucede y tomen decisiones de forma automática. Este tipo de entornos (presentes en hogares, edificios, ciudades o industria) funcionan con redes de dispositivos conectados (sensores y equipos) que captan información de manera continua, como movimientos, apertura de puertas, consumo energético o variables ambientales. Esa infraestructura se conoce como Internet de las Cosas, y su reto principal es transformar grandes flujos de datos en acciones útiles, sin errores y de forma comprensible.
Este trabajo, publicado en la revista científica Internet of Things, propone una integración novedosa entre dos técnicas de software. Por un lado, el procesamiento de eventos complejos, que permite detectar patrones en datos que llegan en tiempo real (por ejemplo, una secuencia de señales de sensores que podría indicar un problema); y por otro, el modelado de procesos, que ayuda a describir de manera clara qué pasos debe seguir el sistema una vez detectada una situación y qué acciones deben activarse. Al unir ambos enfoques, BPSmart-CARE busca que la lógica sea más fácil de entender y mantener, y que el sistema pueda responder de forma más flexible cuando cambian las condiciones.
De esta forma, uno de los avances que plantea esta investigación es que las reglas y patrones que se usan para interpretar los datos no tengan que quedar “fijos” desde el principio. En escenarios reales, el contexto puede variar ya que cambian hábitos, horarios o circunstancias, y el sistema debe poder ajustarse sin dejar de funcionar. De esta forma, el marco propuesto permite gestionar esas interdependencias y actualizar la lógica de detección y respuesta mientras el sistema está en marcha, evitando que quede obsoleto o que dependa de configuraciones rígidas.
Para entender mejor esta investigación, dentro de esta publicación se presenta a modo de ejemplo un caso de uso centrado en la asistencia a personas mayores en el hogar. El sistema combina señales de distintos sensores para interpretar una actividad cotidiana como salir a tirar la basura y volver a casa. Si la persona no regresa en el tiempo esperado, el sistema puede generar una alerta y seleccionar la respuesta adecuada según el contexto, por ejemplo, ajustando el umbral de tiempo si cambian condiciones relevantes, como tener que desplazarse más porque el contenedor habitual está lleno.
La propuesta se evaluó también desde la perspectiva de su utilidad para el desarrollo de software. De hecho, en un ejercicio práctico, el grupo que contó con apoyo del modelado de procesos obtuvo mejores resultados al implementar correctamente los patrones, con una efectividad media superior y una eficiencia notablemente mayor respecto a quienes trabajaron sin ese soporte. Además, las pruebas de rendimiento indican que el enfoque puede mantener funcionamiento en tiempo real en cargas bajas o moderadas y que, en escenarios de alta carga sostenida, resulta más eficiente reservar el modelado de procesos para ejecutar flujos de acciones complejas una vez detectada la situación por el componente de eventos.
Este artículo está firmado por Adrián Bazán-Muñoz, Guadalupe Ortiz y Alfonso García-de-Prado, de la Universidad de Cádiz, junto a Cesare Pautasso, de la Universidad de la Suiza Italiana.
Referencia bibliográfica: Adrian Bazan-Muñoz, Cesare Pautasso, Guadalupe Ortiz, Alfonso Garcia-de-Prado (2026): ‘BPSmart-CARE: a framework for managing contextualized actions in IoT systems through the integration of business process modelling and complex event processing’, Internet of Things, Volume 36, 101887, ISSN 2542-6605. https://doi.org/10.1016/j.iot.2026.101887.