CEID- Centro de Excelencia en Innovación y Diseño CETYS- Centro de Educación Técnica y Superior GSM- Sistema Global de Comunicaciones Móviles IoT- Internet de las Cosas. El objetivo del proyecto presentado es proponer una arquitectura IoT que permita reducir el impacto ambiental del consumo de energía en aulas y laboratorios que no son utilizados por estudiantes o personal de la institución del Centro de Excelencia Innovación y Diseño (CEID) en CETYS. Universidad Campus Mexicali, para lo cual se evaluaron las diferentes alternativas de tecnologías web, dispositivos de comunicación y procesamiento de imágenes, así como algoritmos de clasificación mediante redes neuronales, dando como resultado una implementación efectiva en laboratorios y aulas de la arquitectura propuesta, reduciendo el consumo de energía asociado a el uso de luminarias con 23,78%.
Introducción
- Entorno del problema
- Estado del arte
- Antecedentes
- Consumo energético CETYS campus Mexicali
- Justificación
- Planteamiento del problema
- Preguntas de investigación
- Objetivo General
- Objetivos Específicos
- Hipótesis
- Definición de variables
Desarrollar un sistema que permita reducir el impacto ambiental derivado del consumo de energía en aulas y laboratorios no utilizados por estudiantes o personal de la institución en el Centro de Excelencia Innovación y Diseño (CEID) del CETYS Universidad Campus Mexicali. Establecer un medio de persistencia de la información recopilada por el sistema propuesto para su procesamiento futuro.
Marco teórico/referencial
- Antecedentes
- Definiciones
- Arquitectura Lambda
- OPC Unified Architecture
El ejemplo está destinado a aplicaciones en las que hay un retraso en la recopilación y disponibilidad de información a través de paneles, lo que requiere validación de datos para el procesamiento en línea, como se indicó anteriormente. 10 La arquitectura Lambda permite a los usuarios optimizar los costos de procesamiento de información al comprender qué piezas de información se necesitan en línea para el procesamiento por lotes. La Fundación OPC promueve la mejora continua del estándar, el desarrollo de especificaciones para incorporar modelos de información existentes y la adopción industrial de OPC UA a través de eventos y la provisión de infraestructura y herramientas para su uso (Gruner, Pfrommer, & Palm, 2016).
El servidor proporciona acceso a información y funciones estructuradas en un modelo de información orientado a objetos que permite a los clientes comunicarse a través de un conjunto de servicios estandarizados.
Metodología
Bosquejo Metodológico
- Fase 1. Definición
- Fase 2. Selección de parámetros a monitorear y controlar
- Fase 3. Sistema de IoT
- Fase 4. Detección de personas
- Fase 5. Resultados
El objetivo principal de la segunda fase es identificar los parámetros físicos monitorizables en el laboratorio y aula del CEID que tienen un consumo energético asociado, y en base a una priorización con una matriz de eficiencia adecuada, seleccionar los parámetros de seguimiento. y control en una arquitectura piloto de IoT. La tercera fase, denominada sistema IoT, busca una selección adecuada de dispositivos, servicios en la nube y tecnologías de desarrollo web para implementar una arquitectura IoT funcional y adecuada para el control y seguimiento del aula. De los resultados de la última fase, se analizará el proceso actual con los resultados de actividades importantes, variables internas y documentación, y finalmente se realizará una reingeniería de procesos, cambiando el proceso de acuerdo a los nuevos análisis y actividades.
Planificación
Haga una lista de las actividades importantes que deben participar en el proceso según la discusión en la entrevista. Lista de parámetros Lista de parámetros que se pueden monitorear para la toma de decisiones. Lista de dispositivos Lista de dispositivos seleccionados para monitoreo de iluminación y temperatura.
Listado de servicios en la nube Listado de alternativas de servicios en la nube existentes así como la descripción de la nube ideal para la aplicación.
Recursos requeridos
Resultados
Fase 1. Definición
- Instalaciones de los Laboratorios del CEID
- Proceso de encendido y apagado de luminarias
- Proceso de encendido y apagado del sistema de refrigeración
- Observaciones detectadas en el proceso actual
En 19 clases se da un escenario en el que las luces no se apagan, en esta situación, en el peor de los casos, estarían apagadas hasta la hora en que los guardias de seguridad hacen su ronda (22:00 horas). En cuanto a las instalaciones, como se puede observar en la Figura 6, cada una de las aulas cuenta con un total de 7 luminarias de tubos fluorescentes de 75 W y enfriamiento por ductos provenientes del mismo paquete de equipos de enfriamiento que modifican la temperatura de los laboratorios. El control del encendido y apagado del sistema de refrigeración e iluminación tiene un esquema similar al descrito para los laboratorios del CEID.
En el proceso actual se pueden identificar diversas oportunidades de mejora para hacer más eficiente el proceso a través del monitoreo remoto de objetos a través de una arquitectura IoT que lo permita, especialmente luego de observar un periodo de 1 semana en un horario estimado a partir de las 8 de la mañana. .
Fase 2. Selección de parámetros a monitorear y controlar
- Selección de dispositivos de adquisición de datos
- Sensores
- Sistema de adquisición de datos
- Raspberry Pi
- Tarjeta Wemos D1 Mini
- Selección de servicios de la nube
- Amazon Web Services (AWS)
- AWS IoT
- AWS EC2
- AWS DynamoDB
- Selección de tecnologías de desarrollo web .1 Python-Flask Server
Amazon Web Services ofrece una variedad de productos basados en la nube, como informática, análisis, Internet de las cosas, seguridad y almacenamiento. AWS IoT Amazon Web Services IoT (AWS IoT) es una plataforma en la nube desarrollada por el proveedor de servicios Amazon. La lógica principal de la plataforma se centra en el uso de un broker de mensajes, un registro de cosas, Thing Shadows, Rules Engine y componentes de seguridad e identificación.
Amazon Web Services Elastic Compute Cloud (AWS EC2) es un servicio web que le permite lanzar máquinas virtuales en la nube de una manera confiable y manejable.
Fase 4. Detección de personas
Sabemos que la imagen de las personas será captada por la cámara, pero surge una pregunta, ¿cómo puede un microcontrolador o microprocesador saber que hay una persona en la imagen? Para el ordenador la imagen es sólo una matriz de bits de información, por ello se debe implementar un algoritmo capaz de simular el razonamiento humano e identificar que hay una persona en la imagen. ¿Qué pasa si dividimos la imagen en muchas secciones pequeñas y ejecutamos la red neuronal convolucional en cada sección? De esta manera, la cantidad de personas no afectaría el procesamiento de la imagen y podríamos juzgar correctamente si hay personas en el aula. que esta solución es suficiente, pero tiene un gran inconveniente: ejecutar una red neuronal convolucional requiere una Basado en este principio y tratando de mejorar el tiempo de procesamiento, ya se ha investigado cómo solucionar este problema ejecutando la CNN una sola vez y aún así poder detectar y clasificar diferentes partes de una imagen, y de hecho ya existen algoritmos. que cumplen con estos requisitos se conocen como Single Shot Detectors, siendo los más famosos You Only Look Once YOLO y Single Shot Multi-box Detector SSD, siendo este último el algoritmo elegido para detectar personas en la imagen.
Finalmente, a través de experimentos se pudo verificar la correcta clasificación de las personas dentro de la imagen y al ejecutar el programa en el sistema de desarrollo Nvidia Jetson Nano es posible ejecutar el algoritmo de clasificación sobre una imagen en menos de 30 segundos de realizar, por lo que en Después de 10 minutos será posible clasificar al menos 20 imágenes. El algoritmo diseñado para el control del aula evalúa que no haya ninguna persona alrededor durante ese tiempo, por lo que la probabilidad de que no se note que una persona está equivocada en el horario del aula es menor al 0,01%, como se muestra en la Tabla 5.
Fase 5. Resultados .1 Implementación IoT
- Diseño general del sistema IoT
- Registros en Base de Datos AWS DynamoDB
- Resultados de la Implementación de sistema de detección en el aula
En la interfaz se puede ver el funcionamiento del sistema para el análisis de la información recopilada por un sensor de temperatura, se puede ver el historial de temperaturas, así como el estado actual del equipo y los diferentes límites a partir de los cuales se notificará al sistema. se convierte en personal administrativo, que puede ser modificado por los usuarios con los permisos adecuados. Finalmente, en la Figura 21 se muestra la salida de la consola del sistema de desarrollo en la que se contabiliza el número de personas y a través de su texto de identificación y período en el que se ubicó el personal, se comunica a través de una red Ethernet con la base de datos de AWS dynamoDB para obtener consistencia de la información. Visualizando la Tabla 7 se puede observar que la inversión realizada para el seguimiento de un aula es de $6,270 MN.
40 Al comparar los costos reales del uso de iluminación en el trabajo, para el caso de los laboratorios, según el Cuadro 8, se puede observar que esto representa un costo de $84 diarios por laboratorio. Comparando los costos reales de operación de la iluminación, en el caso de las aulas, según la Tabla 9, se puede observar que esto representa un costo de $60 diarios por laboratorio. Tomando como referencia la Tabla 10, se puede asumir que el uso de la arquitectura propuesta es factible para el monitoreo continuo de los ambientes de laboratorio y aula, considerando que el retorno de la inversión es menor a 4 meses para ambos.
Discusión, conclusiones y recomendaciones
- Fase 1. Definición
- Fase 2. Selección de parámetros a monitorear y controlar
- Fase 3. Sistema de IoT
- Fase 4. Detección de personas
- Fase 5. Resultados
- Conclusión general
- Recomendaciones
- Líneas de investigación futuras
43 servicios en la nube existentes que permitieron la comunicación efectiva de la información, así como los métodos de persistencia de la información de menor costo en el mercado. Finalmente, se evaluaron alternativas a las tecnologías web existentes y se diseñó una arquitectura que permite la interconexión de dispositivos, servicios en la nube y bases de datos. El sistema fue evaluado durante el periodo de 1 día entre las 8:00 am. a 22:00 h. para el laboratorio de robótica y aula 28108 de las instalaciones del CEID y la información en la base de datos se registra efectivamente a partir de los datos de temperatura, ocupación y humedad, así como su representación en el tablero indicador.
Lo que habilita una nueva alternativa para el seguimiento de la ocupación en las instalaciones del CEID.
I 2017 IEEE SmartWorld, Ubiquitous Intelligence & Computing, Advanced & Trusted Computed, Scalable Computing & Communications, Cloud &. Big Data Computing, Internet of People og Smart City Innovation (SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI) (s. 1–8).