revista cubana
de transformación digital

artículo de revisión

RNPS 2487 • ISSN 2708-3411
vol. 4 • nro. 2 • abril-junio 2023 • 220

Desafíos de las pruebas de aplicaciones iot
en Ciudades Inteligentes

Challenges of Testing iOT Applications in Smart Cities

Alejandro Miguel Güemes Esperón
aguemes@tesla.cujae.edu.cu • https://orcid.org/0000-0001-9704-9449

Martha Dunia Delgado Dapena
marta@ceis.cujae.edu.cu • https://orcid.org/0000-0002-2601-3462

Universidad Tecnológica de la Habana “JosÉ anTonio ecHeverrÍa”, cUJae, cUba

Francisco Maciá Pérez
pmacia@dtic.ua.es • https://orcid.org/0000-0002-2516-4728

Jose Vicente Berna Martinez
jvberna@ua.es • https://orcid.org/0000-0002-9007-6054

Iren Lorenzo Fonseca
iren.fonseca@ua.es • https://orcid.org/0000-0003-3597-4836

Universidad de alicanTe, españa

Recibido: 2023-04-05 • Aceptado: 2023-05-12

RESUMEN

Las tecnologías de la informática y las comunicaciones constituyen elementos
principales en el desarrollo de ciudades inteligentes. Permiten dotar de inte-
ligencia a todos sus ámbitos y generar servicios y soluciones sostenibles que
proporcionen una mejor calidad de vida de los ciudadanos. En la actualidad se
introducen nuevos conceptos y paradigmas sociotecnológicos como Internet
de las cosas (IoT). Este artículo aborda las pruebas de aplicaciones IoT en en-
tornos inteligentes, tema de creciente interés entre investigadores y miembros
de la industria del software, en la búsqueda de una estrategia de pruebas que
permita garantizar que las soluciones obtenidas posean la calidad deseada. Se
analizaron varios trabajos publicados, con el objetivo de identificar las carac-
terísticas fundamentales de este tipo de aplicaciones y los tipos de pruebas
más adecuados. Se obtuvo una estrategia de pruebas para aplicaciones IoT y la
caracterización de un conjunto de herramientas que contribuyen a su automa-
tización.

revista cubana
de transformación digital

Desafíos de las pruebas de aplicaciones iot en Ciudades Inteligentes
güemes esperón, a. m., delgado dapena, m. d.,

maciá Pérez, f., berna martinez, J. v., lorenzo fonseca, i.

Palabras clave: pruebas de software, IoT, desafíos, ciudades inteligentes.

ABStRACt

Information and communication technologies are key elements in the develo-
pment of smart cities. They make it possible to provide intelligence to all areas
and generate sustainable services and solutions that provide a better quality
of life for citizens. Nowadays, new concepts and socio-technological paradigms
such as the Internet of Things (IoT) are being introduced. This article addresses
the testing of IoT applications in intelligent environments, a topic of growing in-
terest among researchers and members of the software industry, in the search for
a testing strategy to ensure that the solutions obtained have the desired quality.
Several published works were analyzed, with the objective of identifying the fun-
damental characteristics of this type of applications and the most appropriate
types of tests. A testing strategy for IoT applications and the characterization of
a set of tools that contribute to their automation were obtained.

Keywords: software testing, IoT, smart cities.

INtRoDUCCIÓN

En la concepción de Ciudad Inteligente se debe definir una arquitectura tecnológica que per-
mita brindar nuevas soluciones y servicios a los miembros de la comunidad. En la figura 1 se
muestra la arquitectura propuesta por Maciá (2017), compuesta por cuatro niveles: comunica-
ción, monitorización, negocio o análisis de datos y aplicación (Maciá, 2017; Maciá et al., 2021).

Fig. 1
arquitectura de una ciudad inteligente
genérica (Maciá, 2017).

revista cubana
de transformación digital

Desafíos de las pruebas de aplicaciones iot en Ciudades Inteligentes
güemes esperón, a. m., delgado dapena, m. d.,

maciá Pérez, f., berna martinez, J. v., lorenzo fonseca, i.

Hoy no solo los ordenadores, dispositivos móviles, sensores, redes de interconexión y vi-
sores dan soporte al desarrollo digital de las ciudades inteligentes, sino que se introducen
nuevos conceptos y paradigmas sociotecnológicos como Internet de las Cosas (IoT, Internet of
Things) (Maciá, 2017; Maciá et al., 2021). La calidad de las aplicaciones IoT está marcada por la
prueba de diferentes escenarios de aplicación, con bancos de pruebas que se han socializado
(Fink, 2020; Morrissett et al., 2018; Pham et al., 2020; Svítek et al., 2020; Voas et al., 2018).

Las aplicaciones IoT se centran en la interconexión digital de objetos cotidianos con Inter-
net. La arquitectura IoT tiene que cumplir ciertos requerimientos para que esta tecnología sea
viable (UIT, 2022). Debe permitir que la tecnología sea distribuida, donde los objetos puedan
interactuar entre ellos: escalable, flexible, robusta, eficiente y segura.

En Kumar et al., (2018) se definen varias capas de una arquitectura IoT: capa de aplicación,
capa de soporte y gestión, capa de servicios, capa de comunicación, capa de red, capa de hard-
ware y capa de entorno. Esta arquitectura describe la estructura de una solución de IoT, lo que
incluye los aspectos físicos (cosas) y los aspectos virtuales (servicios y protocolos de comuni-
cación). Adoptar una arquitectura con múltiples niveles permite concentrarse en mejorar su
comprensión acerca de cómo los aspectos más importantes de la arquitectura funcionan an-
tes de que se integre a la aplicación IoT. El enfoque modular ayuda a gestionar la complejidad
de este tipo de soluciones (Santos et al., 2020).

La diferencia entre probar un software tradicional y una aplicación IoT en un entorno in-
teligente, se basa en que las tradicionales toman su entrada de usuario a través de dispositivos
periféricos y algunos dispositivos que se pueden tocar; pero en IoT, muchos dispositivos inte-
ligentes están recibiendo su entrada de otros dispositivos inteligentes, como sensores que re-
cogen las métricas y envían los valores al software para analizar estos datos (Fissi et al., 2021;
Gomez et al., 2019; Quijano-Sánchez et al., 2020). Por tanto, probar estas aplicaciones a gran
escala suele ser difícil (Enoiu, 2020), ya que involucran grandes cantidades de datos generados
y no se ha encontrado estándares o buenas prácticas en la literatura sobre estrategias de prue-
ba que se ajusten mejor a este tipo de aplicaciones. La prueba de sistemas inteligentes requiere
un marco de prueba automatizado, debido a la cantidad de dispositivos IoT y el procesamien-
to de datos provenientes de fuentes diversas, lo que refuerza el carácter combinatorio de estas
(Ahmed et al., 2019; Braem et al., 2016; Popereshnyak et al., 2018). En el proceso de prueba,
la etapa más costosa es el diseño de los casos de prueba, lo que hace necesario automatizar su
generación, utilizando criterios que permitan la reducción de la suite de pruebas y la eleva-
ción de sus niveles de efectividad (Ahmed et al., 2019; Serna et al., 2019; Valle-Gómez et al.,
2019). En las pruebas de software tradicional se han empleado diferentes técnicas para diseñar
y reducir la suite de pruebas, que podrían ser adecuadas a las condiciones particulares de las
aplicaciones IoT (Ahmed et al., 2019; Krichen, 2019; Murad et al., 2018; Voas et al., 2018).

El objetivo de este trabajo es identificar limitaciones, desafíos y particularidades de las
pruebas de este tipo de aplicaciones, a partir de un estudio inicial de la bibliografía.

MEtoDoLoGÍA

revista cubana
de transformación digital

Desafíos de las pruebas de aplicaciones iot en Ciudades Inteligentes
güemes esperón, a. m., delgado dapena, m. d.,

maciá Pérez, f., berna martinez, J. v., lorenzo fonseca, i.

La metodología utilizada para este trabajo consistió en una búsqueda de la literatura y la ex-
ploración del contexto. Se presenta un recorrido a través del conocimiento que existe so-
bre las pruebas de aplicaciones IoT en entornos inteligentes, mediante una revisión del estado
del arte de los principales conceptos relacionados. La búsqueda se realizó por palabras clave
en Google académico, teniendo en cuenta los trabajos publicados de 2017 a 2022. El estudio
de la bibliografía se centró en dos aspectos: los desafíos de las pruebas de aplicaciones IoT y
las herramientas de pruebas existentes.

RESULtADoS Y DISCUSIÓN

Desafíos y limitaciones de las pruebas de aplicaciones IoT
Durante la revisión bibliográfica inicial se pudo conocer que:

• Los aspectos de seguridad y privacidad de las soluciones de IoT se discuten ampliamente
en la bibliografía consultada y se proponen muchos enfoques alternativos; sin embargo,
siguen siendo, junto a las pruebas, el principal desafío de las soluciones IoT.

• El número de artículos que están dedicados a métodos de prueba especializados perso-
nalizados para las especificaciones de IoT, es relativamente bajo.

• La interoperabilidad de los dispositivos, los protocolos y un gran número de sus posibles
combinaciones para probar, deberán estar respaldados por una investigación más extensa.

• La interoperabilidad de los dispositivos de IoT debe abordarse más en los trabajos cien-
tíficos. Aquí, se consideran dos corrientes como perspectiva: los métodos específicos de
IoT para pruebas de integración, y los métodos de cómo combinar conjuntos eficientes
de variantes de dispositivos y partes de infraestructura y versiones, con respecto a la he-
terogeneidad de las soluciones de IoT y, a veces, incluso a la imposibilidad de actualizar
a una versión más reciente del firmware o software del dispositivo.

• No se cuenta con una estrategia de prueba general para aplicaciones IoT. Para proyectos
de software, muchas pautas sobre cómo determinar la intensidad de las pruebas parte de
las particulares del sistema bajo prueba y de cómo elegir las mejores técnicas de prueba
que existan. Lo mismo se deberá tener en cuenta para los proyectos de IoT, respetando
todas las especificaciones de las infraestructuras de IoT.

• Otra área que vale la pena explorar es el desarrollo de técnicas de diseño de prueba es-
pecíficas para la prueba de soluciones IoT, bajo una conexión de red limitada y restric-
ciones técnicas relacionadas. A medida que la dependencia de los usuarios de Internet y
los servicios de IoT crece continuamente, esta área también se vuelve más relevante.

• En el área de modelado del sistema bajo prueba se deberá desarrollar y verificar modelos
adecuados para la generación semiautomatizada o automatizada de casos de prueba, en
el proceso de prueba basado en modelos prácticos. A diferencia de los sistemas de soft-
ware clásicos, estos modelos también incluirán capas físicas y de protocolo, ya que son
mucho más heterogéneas en el caso de las soluciones de IoT.

revista cubana
de transformación digital

Desafíos de las pruebas de aplicaciones iot en Ciudades Inteligentes
güemes esperón, a. m., delgado dapena, m. d.,

maciá Pérez, f., berna martinez, J. v., lorenzo fonseca, i.

• No hay un patrón definido de estrategias de prueba que se deben seguir para el desarro-
llo de pruebas.

• Las técnicas de verificación formal y las pruebas basadas en modelos para aplicaciones
IoT y Smart Cities, en general sufren un problema de explosión de estado.

• Las aplicaciones IoT involucran una variedad de dispositivos finales distribuidos y mul-
tiescalables.

• La naturaleza colaborativa de los sistemas IoT conectados a través de Internet, aumenta
la heterogeneidad de los datos, por lo que deben ser procesados para una correcta toma
de decisiones en un entorno en tiempo real.

• Los sistemas de IoT, distribuidos de forma remota, crean bucles para las violaciones de
datos, por lo tanto, abren nuevos desafíos para la seguridad y escalabilidad del sistema.

Herramientas de pruebas de software
Existen herramientas para la realización de pruebas, las cuales son, en su gran mayoría, pri-
vadas, muy costosas y se necesitan conocimientos de programación para su ejecución. En este
apartado se resumen las características de algunas herramientas identificadas durante el es-
tudio de la bibliografía, que se pueden emplear para la automatización parcial del proceso de
pruebas de aplicaciones IoT.
• Parasoft Virtualize (Parasoft, 2022): brinda a los usuarios un control total sobre su

entorno de prueba, al eliminar obstáculos, como dependencias no disponibles/inestables
o acceso a costosos once laboratorios de prueba de terceros. Los usuarios pueden inclu-
so usar Parasoft Virtualize para permitir que las pruebas comiencen antes de que se
implemente una dependencia de servicio. Los usuarios pueden crear servicios virtuales
ligeros, tanto a través del escritorio rico en funciones, como de la interfaz web intuitiva
que permite incluso a los usuarios novatos crear simulaciones a partir de definiciones de
servicios y tráfico registrado.

• SOAtest (JMeter, 2022): la solución de prueba de API SOAtest de Parasoft es ampliamente
reconocida. Con herramientas visuales de arrastrar y soltar, los usuarios pueden crear los
escenarios de prueba más complejos sin tener que escribir una sola línea de código. Con su
generador de pruebas SMART API plugin para Chrome, SOAtest monitorea la actividad
en su interfaz de usuario web, a partir de pruebas manuales o exploratorias, y convierte las
llamadas API entre bastidores en escenarios de prueba API significativos. Para llevar más
allá de la simple grabación y reproducción, SOAtest aprovecha la inteligencia artificial y el
aprendizaje automático para comprender lo que hacen las llamadas a la API, y luego crea
un escenario de prueba de API significativo que es reutilizable, dinámico e impactante.
Los resultados de las pruebas proporcionan tareas significativas y procesables en SOAtest,
sistema de informes rico y dinámico, que puede tomar la forma de un informe PDF simple
a un documento HTML dinámico multinivel, el cual describe qué pruebas se ejecutaron,
cuál era el estado y a qué requisitos estaban asociados, lo que permite que múltiples partes
interesadas comprendan el estado de sus aplicaciones críticas.

revista cubana
de transformación digital

Desafíos de las pruebas de aplicaciones iot en Ciudades Inteligentes
güemes esperón, a. m., delgado dapena, m. d.,

maciá Pérez, f., berna martinez, J. v., lorenzo fonseca, i.

• JMeter (SmartBear, 2022): es una herramienta de prueba de código abierto, desarrolla-
da por Apache Software Foundation, una aplicación Java pura que se puede utilizar para
medir el rendimiento de aplicaciones, diferentes servicios de software y productos tanto
en recursos estáticos como dinámicos. Inicialmente, JMeter fue diseñado para probar apli-
caciones web; pero más tarde se ha expandido para probar otras funciones como pruebas
funcionales, de rendimiento, de regresión, de estrés y servidor de bases de datos probado
sobre la base de varias tecnologías.

• SoapUI (Acunetix, 2022): es una herramienta desarrollada en Java, utilizada para pruebas
de aplicaciones con arquitectura SOA o REST. Soporta múltiples protocolos como SOAP,
REST, HTTP, JMS y JDBC. La herramienta cuenta con una versión de código abierto y
otra versión paga desarrollada por la compañía SmartBear. Habilita las pruebas funciona-
les de API automatizadas, esenciales para los proyectos de prueba de IoT, ya que la mayor
parte del intercambio de datos dentro de un sistema de IoT se realiza a través de API. Es
una aplicación muy completa, con muchas funcionalidades, con lo cual puede llegar a ser
un poco complicada de utilizar para la función que se requiere en cada momento.

• Acunetix (Acunetix, 2022): esta aplicación ejecuta una serie de pruebas de seguridad,
totalmente configurables por el usuario, para identificar las vulnerabilidades, tanto en la
programación de la página web como en la configuración del servidor, y detecta técnicas
de hacking como pueden ser ataques de ejecución de código y de autentificación. Una
vez concluido este proceso, la versión genera una serie de informes y especifica los fallos
detectados en el análisis de la página web. Estos informes se mostrarán en la pantalla en
forma de gráfica. Habilita el análisis de vulnerabilidades de las interfaces de usuario web
de IoT y las API REST.

Estrategia de pruebas de aplicaciones IoT
A partir del estudio de la bibliografía se propone una estrategia de pruebas de aplicaciones
IoT, que incluye:

• Pruebas de integración: este tipo de prueba garantiza una interacción estable del soft-
ware IoT con dispositivos inteligentes. El objetivo de las pruebas de integración es ga-
rantizar que los módulos individuales funcionen como se espera después de combinar-
los con otros módulos. Muchas organizaciones utilizan pruebas unitarias combinadas
o pruebas de flujo de trabajo funcional de un extremo a otro, que se emplean para las
pruebas de integración.

• Pruebas de seguridad: aseguran que el software IoT recopile, analice y procese datos
correctamente, sin filtraciones, a través de todos los dispositivos, las redes y los sistemas
inteligentes. Es una parte integral de las pruebas que garantiza que el software y las apli-
caciones web estén libres de lagunas, vulnerabilidades, amenazas y riesgos, que puedan
causar una gran pérdida a la empresa/organización, y verifique si sus datos y recursos
están protegidos de posibles intrusos.

revista cubana
de transformación digital

Desafíos de las pruebas de aplicaciones iot en Ciudades Inteligentes
güemes esperón, a. m., delgado dapena, m. d.,

maciá Pérez, f., berna martinez, J. v., lorenzo fonseca, i.

• Pruebas de usabilidad: ayudan a escuchar a los clientes con cuidado, identificando los
puntos más vulnerables del flujo de trabajo de la aplicación. Consisten en seleccionar a
un grupo de usuarios de una aplicación y solicitarles que lleven a cabo las tareas para las
cuales fue diseñada, en tanto el equipo de diseño, desarrollo y otros involucrados, toman
nota de la interacción, particularmente de los errores y las dificultades con las que se en-
cuentren los usuarios.

• Pruebas de rendimiento: a través de escenarios de prueba de carga, estrés e Internet, se
puede simular y probar productos de IoT, para aumentar la productividad, la estabilidad
de la carga y hacer que el código se ejecute sin problemas, dentro de ecosistemas de IoT
inusuales. Es una técnica de prueba de software no funcional, que determina cómo la
estabilidad, la velocidad, la escalabilidad y la capacidad de respuesta de una aplicación,
se mantienen bajo una determinada carga de trabajo.

• Pruebas de confiabilidad, compatibilidad y escalabilidad: estos tipos de pruebas ayu-
dan a construir los entornos de IoT correctos, y a optimizar e implementar nuevas fun-
ciones. La compatibilidad se encarga de la interacción fluida y sin errores entre el soft-
ware de IoT y diferentes dispositivos inteligentes, plataformas, capas de red y sistemas
operativos. La escalabilidad es la prueba de cualquier software o aplicación para verificar
su capacidad de soportar y escalar, de acuerdo con el número de usuarios que acceden a
ella en un momento particular/específico.

CoNCLUSIoNES

Con el desarrollo de las aplicaciones informáticas y la aparición de entornos inteligentes, las
pruebas de software ocupan a diferentes autores y expertos en el tema. A través del estudio de
la bibliografía se pudo identificar que existen múltiples desafíos en el ámbito de las pruebas de
aplicaciones IoT, relacionados fundamentalmente con la seguridad y disponibilidad, además
de la generación de datos y las combinaciones de valores que faciliten el diseño de las pruebas.
La estrategia de pruebas propuesta en este artículo se basó en las recomendaciones que plan-
tean los autores de los trabajos estudiados. Está encaminada a potenciar la detección de defec-
tos relacionados fundamentalmente con requisitos no funcionales o de calidad presentes en
aplicaciones IoT. Además, se pudo conocer que existen herramientas que brindan soporte al
proceso de pruebas y contribuyen a su automatización parcial o total, lo que permite agilizar
el proceso de desarrollo de aplicaciones en estos entornos y garantizar una calidad adecuada.
Para trabajos futuros se debe incorporar al estudio bibliográfico un conjunto mayor de pro-
puestas vinculadas a modelos de optimización, que permitan generar conjuntos de pruebas
reducidos y la generación automática de casos de pruebas aplicadas a IoT.

REFERENCIAS

Acunetix (2022). Available from: https://www.acunetix.com [accessed 6 Jul, 2022].

revista cubana
de transformación digital

Desafíos de las pruebas de aplicaciones iot en Ciudades Inteligentes
güemes esperón, a. m., delgado dapena, m. d.,

maciá Pérez, f., berna martinez, J. v., lorenzo fonseca, i.

Ahmed, B. S., Bures, M., Frajtak, K., & Cerny, T. (2019). Aspects of quality in Internet of Things
(IoT) solutions: A systematic mapping study. IEEE Access, 7, 13758-13780. doi:10.1109/ac-
cess.2019.2893493.

Braem, B., Latré, S., Leroux, P., Demeester, P., Coenen, T., & Ballon, P. (2016, September). De-
signing a smart city playground: Real-time air quality measurements and visualization in
the City of Things testbed. In 2016 IEEE International Smart Cities Conference (ISC2), pp.
1-2. IEEE. doi: 10.1109/ISC2.2016.7580871.

Enoiu, E., Tukseferi, G., & Feldt, R. (2020, December). Towards a model of testers’ cognitive
processes: Software testing as a problem solving approach. In 2020 IEEE 20th Internatio-
nal Conference on Software Quality, Reliability and Security Companion (QRS-C), pp.
272-279. IEEE. doi: 10.1109/QRS-C51114.2020.00053.

Fink, J. (2020, September). Digital City Testbed Center: Using campuses as smart city testbeds
in the binational Cascadia region. In 2020 IEEE International Conference on Smart Com-
puting (SMARTCOMP), pp. 362-367. IEEE. doi: 10.1109/SMARTCOMP50058.2020.00078.

Fissi, S., Romolini, A., Gori, E., & Contri, M. (2021). The path toward a sustainable green uni-
versity: The case of the University of Florence. Journal of Cleaner Production, 279, 123655.

Gomez, A. K., & Bajaj, S. (2019, October). Challenges of testing complex Internet of Things
(IoT) devices and systems. In 2019 11th international conference on knowledge and sys-
tems engineering (KSE), pp. 1-4. IEEE. doi: 10.1109 / KSE. 2019.8919324.

Harris, A., Stovall, J., & Sartipi, M. (2019, December). Mlk smart corridor: An urban testbed
for smart city applications. In 2019 IEEE International Conference on Big Data (Big Data),
pp. 3506-3511. IEEE. doi: 10.1109/BigData47090.2019.9006382.

JMeter. (2022). A. S. Foundation. Available from: https://www.jmeter.apache.org [accessed 6
Jul, 2022].

Krichen, M. (2019). Improving formal verification and testing techniques for Internet of Things
and Smart Cities. Mobile networks and applications, pp. 1-12. doi: 10.1007/s11036-019-
01369-6.

Kumar, N. M., & Mallick, P. K. (2018). The Internet of Things: Insights into the building blocks,
component interactions, and architecture layers. Procedia computer science, (132): 109-117.

Maciá Pérez, F. (2017). Smart university: hacia una universidad más abierta. Marcombo, Espa-
ña. Isbn 9786076228142.

Maciá Pérez, F., Berna Martinez, J. V., & Lorenzo Fonseca, I. (2021). Modelling and implemen-
ting smart universities: An it conceptual framework. Sustainability, 13(6): 3397. https://doi.
org/10.3390/su13063397.

Morrissett, A., & Abdelwahed, S. (2018, October). A physical testbed for smart city research.
In 2018 IEEE/ACS 15th International Conference on Computer Systems and Applications
(AICCSA), pp. 1-2. IEEE. doi: 10.1109/AICCSA.2018.8612899.

Murad, G., Badarneh, A., Qusef, A., & Almasalha, F. (2018, July). Software testing techniques
in iot. In 2018 8th International conference on computer science and information techno-
logy (CSIT), pp. 17-21. IEEE. doi: 10.1109/CSIT.2018.8486149.

revista cubana
de transformación digital

Desafíos de las pruebas de aplicaciones iot en Ciudades Inteligentes
güemes esperón, a. m., delgado dapena, m. d.,

maciá Pérez, f., berna martinez, J. v., lorenzo fonseca, i.

Parasoft. (2022). Available from: https://www.parasoft.com [accessed 6 Jul, 2022].
Pham, T. V., Nguyen, A. T. T., Ngo, T. D., Le, D. H., Le, K. C., Nguyen, T. H., & Le, H. Q. (2020,

November). Proposed smart university model as a sustainable living lab for university di-
gital transformation. In 2020 5th International Conference on Green Technology and Sus-
tainable Development (GTSD), pp. 472-479. IEEE. doi: 10.1109/GTSD50082.2020.9303086.

Popereshnyak, S., Suprun, O., Suprun, O. & Wieckowski, Y. (2018). Características de prueba
de aplicaciones de IoT basadas en la red de modelado, XIV-th International Conference
on Perspective Technologies and Methods in MEMS Design (MEMSTECH), pp. 127-131,
Lviv, Ucrania. doi: 10.1109 / MEMSTECH.2018.8365717.

Quijano-Sánchez, L., Cantador, I., Cortés-Cediel, M. E., & Gil, O. (2020). Recommender sys-
tems for Smart Cities. Information systems, (92): 101545.

Santos, M. G. D., Ameyed, D., Petrillo, F., Jaafar, F., & Cheriet, M. (2020). Internet of Things
architectures: A comparative study. Scientific Figure on ResearchGate. Available from:
https://www.researchgate.net/figure/Analyze-of-IBM-IoT-Architecture_fig5_340962806
[accessed 6 Jul, 2022].

Serna, E., Martínez, R., & Tamayo, P. (2019). Una revisión a la realidad de la automatización
de las pruebas del software. Computación y Sistemas, 23(1): 169-183.

SmartBear. (2022). Available from: https://www.SoapUI.org [accessed 6 Jul, 2022].
Svítek, M., Dostál, R., Kozhevnikov, S., & Janča, T. (2020, June). Smart City 5. 0 testbed in Pra-

gue. In 2020 Smart City Symposium Prague (SCSP), pp. 1-6. IEEE. doi: 10.1109/SCSP49987.
2020.9133997.

UIT. (2022). Y.2066: Requisitos comunes de la Internet de las cosas. https://www.itu.int/rec/T-
REC-Y.2066-201406-I/es (2014d) [accessed 6 Jul, 2022].

Valle-Gómez, K. J., Delgado-Pérez, P., Medina-Bulo, I., & Magallanes-Fernández, J. (2019,
May). Software testing: cost reduction in Industry 4.0. In 2019 IEEE/ACM 14th Interna-
tional Workshop on Automation of Software Test (AST), pp. 69-70. IEEE. doi: 10.1109/
AST.2019.00018.

Voas, J., Kuhn, R., & Laplante, P. (2018, March). Testing IoT Systems. In 2018 IEEE Symposium
on Service-Oriented System Engineering (SOSE), pp. 48-52. IEEE Computer Society. doi:
10.1109/SOSE.2018.00015.

Este obra está bajo una licencia de Creative Commons Atribución-No Comercial 4.0 Internacional