SISTEMA DE MONITOREO DE LA CALIDAD DEL AGUA BASADO EN IOT UTILIZANDO TÉCNICAS DE ANÁLISIS DE DATOS PARA LA DETECCIÓN DE. Por tanto, es necesario desarrollar mejores métodos para monitorear los parámetros de calidad del agua en tiempo real.
BASES PRELIMINARES DE LA INVESTIGACIÓN
- PLANTEAMIENTO DEL PROBLEMA
- Pregunta de Investigación
- JUSTIFICACIÓN
- OBJETIVOS
- Objetivo General
- Objetivos Específicos
- CONTEXTO DE LA INVESTIGACIÓN
- Antecedentes
Las medidas para mejorar la calidad del agua potable pueden proporcionar importantes beneficios para la salud (Conagua, 2010; Díaz Porras, 2019; OMS, 2006). Los sistemas convencionales de monitoreo de la calidad del agua son relativamente costosos y no admiten funciones de recuperación de datos en tiempo real (Boyd, 2020; Zelenakova et al., 2020).
REVISIÓN DE LA LITERATURA
AGUA POTABLE
CALIDAD DEL AGUA
- Problemas en la calidad del agua
- Parámetros de Calidad del Agua Potable
- Control y Vigilancia
Describir las características, herramientas básicas y frecuencias del sistema de monitoreo y control de la calidad del agua para consumo humano. Registrar la información sobre el control de calidad del agua para consumo humano en el SUI.
INTERNET DE LAS COSAS (I O T)
MEDIDORES
- Sensor de Temperatura DS18B20
- Sensor de pH SKU SEN0161
- Sensor de Turbidez SKU SEN0189
- Sensor de conductividad eléctrica analógica
- Sensor analógico TDS
Pueden estar integrados en infraestructuras urbanas o, en general, fijos o móviles y conectados a redes de comunicaciones. Sin embargo, el uso del sistema de control de red Network Access Control (NCS), el bajo consumo de energía (Over Low Power) y Lassy Networks (LLNs) permite apreciar los beneficios del uso de medidores de tecnología universal en el sistema de cable (Lea, 2020). ;Wordam, 2020); Estos beneficios incluyen una amplia cobertura de red y una instalación rentable, que ya está disponible en la industria. El sensor cuenta con un conjunto de características detalladas en la Tabla 7, y tres conexiones o pines correspondientes a DQ, GND y VDD, que se describen a continuación. La figura 11 muestra la estructura de conexión.
El sensor tiene una serie de características o especificaciones que se detallan en la Tabla 8. El sensor de turbidez que se ve en la Figura 14 detecta la calidad del agua midiendo los niveles de transparencia. El modelo SKU SEN0189 ofrece dos modos de salida. , analógicos y digitales. Su diagrama de conexión se muestra en la Figura 15 y su funcionamiento se basa en el uso de la luz para detectar partículas suspendidas en el agua midiendo la transmitancia de la luz y la tasa de dispersión.
La Tabla 9 detalla las especificaciones contenidas en el sensor de turbidez utilizado en este estudio. En la Tabla 10 se detallan las especificaciones contenidas en el sensor analógico de referencia de conductividad eléctrica SKU DFR0300, y en la Figura 17 se muestra su respectivo diagrama de conexión. La Tabla 11 describe las especificaciones del Medidor TDS por Gravedad Analógico SKU SEN0244, su diagrama de conexión se presenta en la Figura 19.
COMPUTACIÓN EN LA NUBE (CLOUD COMPUTING)
ANÁLISIS DE DATOS PARA GESTIÓN DE LA INFRAESTRUCTURA
- Análisis Descriptivo
- Preprocesamiento y calidad de datos
El análisis de datos es el proceso de obtener información a partir de los datos y crear valor como información fáctica. Una vez implementada la plataforma, se utilizan diversos modelos o estrategias de visualización de datos para resumir el estado de los datos y generar información que permita la toma de decisiones. En la transición de big data a datos inteligentes, el preprocesamiento de datos se considera una herramienta muy importante para convertir los datos almacenados (materia prima) en datos de alta calidad.
Hay muchos tipos de datos faltantes y muchas razones por las que se pierden (Molenberghs et al., 2015). Minería de datos y detección de anomalías en el campo del Knowledge Discovery from Data (KDD). La Figura 22 muestra una metodología utilizada para localizar valores atípicos en una base de datos nominal (conjunto de datos) (Sutradhar, 2013).
La agregación de datos es el proceso de recopilar datos y presentarlos en forma resumida. Los datos se pueden recopilar de múltiples fuentes de datos con la intención de combinar estas fuentes de datos en un resumen para el análisis de datos. Este es un paso crucial, ya que la precisión de los conocimientos del análisis de datos depende en gran medida de la cantidad y calidad de los datos utilizados.
POWER BI
Las fases que se muestran en la Figura 6 (Little & Rubin, 2019; Sutradhar, 2013): (a) Usando el método estadístico chi-cuadrado que define un peso W o ponderación, (b) la siguiente fase usa el algoritmo de agrupamiento llamado KNN Global Anomaly (KNN) para calcular puntuaciones de valores atípicos y (c) finalmente, el algoritmo K-Means utilizado para separar los valores atípicos de los valores falsos positivos. Agregación: Es la recopilación de información de bases de datos con la intención de preparar conjuntos de datos o conjuntos de datos para su procesamiento. Es importante recopilar datos precisos, de alta calidad y en una cantidad suficientemente grande para generar resultados relevantes (James, 2016).
Para cada origen de datos, las actualizaciones se exportan periódicamente a un área de preparación en Azure Blob Storage. Data Factory carga de forma incremental datos de Blob Storage en tablas de almacenamiento temporales en Azure Synapse Analytics. El modelo tabular de Analysis Services se actualiza después de cargar un nuevo lote de datos en el almacén.
Los analistas utilizan Microsoft Power BI para analizar los datos del almacén mediante el modelo semántico de Analytics Services.
PUBNUB
METODOLOGÍA
- INTRODUCCIÓN
- ALCANCE DE LA INVESTIGACIÓN
- HIPÓTESIS
- DISEÑO
- POBLACIÓN Y MUESTRA
- VARIABLES
- ANÁLISIS DE DATOS
- MATERIALES Y EQUIPO DE INVESTIGACIÓN
En este sentido, el proceso de desarrollo de este proyecto se centra en el uso de la metodología SCRUM, que es un enfoque simple y directo para gestionar el proceso de desarrollo de software basado en el supuesto de que el entorno (es decir, las personas) y las tecnologías (es decir, las variables técnicas) ) es probable que cambie durante el proceso (Schwaber, 2004). Fase de Documentación y Difusión: esta fase se desarrolló a través de la generación de productos derivados del proceso de investigación y la presentación de resultados. En la siguiente tabla se presenta el diseño utilizado como estrategia diseñada para lograr la información solicitada para dar respuesta al problema científico planteado.
Unidad de análisis Medición de la calidad del agua en Acueductos Ámbito geográfico Subregión Costa del Departamento de Córdoba. Se cuenta con un investigador y un asistente apoyando el proceso de recolección de datos en las subregiones costeras de Córdoba (San Antero, San Bernardo del Viento, Moñitos, Los Córdobas, Canalete, Puerto Escondido). Wh = Parte del área del área de acueducto realizada por el plan hídrico departamental de Córdoba.
Los resultados obtenidos de la ecuación 1 corresponden a una zona poblada de 5,9 km2, para ello se optó por tomar la muestra en un punto, este corresponde a la zona costera del departamento de Córdoba (equivalente al 10% de la territorio cordobés). En Colombia solo se tienen en cuenta parámetros fisicoquímicos y microbiológicos para determinar la calidad del agua potable (Melendez Gelvez et al., 2015). Estas herramientas permitieron la construcción e implementación de la interfaz para capturar, visualizar y administrar datos históricos y en tiempo real enviados a la nube.
RESULTADOS DE LA INVESTIGACIÓN
DESARROLLO DEL PROTOTIPO PARA MONITOREO DE CALIDAD DEL
La arquitectura de comunicación del sistema consiste en un “oyente” o servicio instalado en el sistema operativo configurado en el SBC Raspberry PI 4 (Poza Luján, 2012; Torres Pardo, 2017). La información también se envía en streaming al servicio en la nube PubNub, que utiliza un modelo de Publicación/Suscripción para la transferencia de datos en tiempo real. El funcionamiento general del algoritmo se puede observar en la Figura 31, correspondiente al diagrama de flujo.
El prototipo de IoT construido considerando la arquitectura de hardware presentada anteriormente se puede ver en la Figura 32. Para poder ver los datos tomados por el dispositivo desde la aplicación Web híbrida, es necesario iniciar esta aplicación utilizando el formulario de acceso o inicio de sesión que se muestra en Figura 33. Mediciones: Muestra las mediciones en tiempo real, permitiendo seleccionar el dispositivo o medidor respectivo como se ve en la figura 35.
En la figura anterior se puede observar, resaltado en verde, un pH fuera de su valor permisible en agua para consumo humano. Informe: Permite resumir y exportar a Excel, el informe correspondiente a los datos de cada parámetro por rangos de fechas, en la Figura 38 aparece la interfaz de Informes de Medición. Con los datos obtenidos se crea un análisis descriptivo que corresponde al valor máximo, mínimo, medio y promedio de cada parámetro. Esta información se muestra a través de un informe en PowerBi que permite navegar por cada parámetro, brindando opciones de consulta por año, mes. y los días. , como se muestra en la Figura 41.
Considerando lo anterior, en la Tabla 14 se enumeran los equipos certificados utilizados por el Plan Hídrico Departamental para el proceso de monitoreo. En la Tabla 15 y Figura 45 se muestran los valores obtenidos con un medidor analógico y el dispositivo de este trabajo para el parámetro pH. La Figura 45 muestra el gráfico comparativo de los resultados acumulados de los datos capturados por el pHmetro para este caso.
En la Tabla 16 y Figura 46 se muestran los valores obtenidos con el medidor analógico y el dispositivo de esta parte para el parámetro turbidez. En la Tabla 17 y Figura 47 se muestran los valores obtenidos con el medidor analógico y dispositivo de esta parte para el parámetro temperatura. En la Tabla 18 y Figura 48 se muestran los valores obtenidos con el medidor y dispositivo analógico de esta parte para el parámetro Sólidos Disueltos Totales (TDS).
En la Tabla 19 y Figura 49 se muestran los valores obtenidos con el medidor analógico y el dispositivo de este trabajo para el parámetro Conductividad Eléctrica (CE). La Figura 49 muestra el gráfico que compara los resultados recopilados de los datos registrados por el medidor de CE para este caso. Las pruebas de lectura se realizaron en ambientes urbanos y rurales, como se muestra en la Figura 50. Se tomó un área para la calibración y las pruebas se realizaron en un área rural.
CONCLUSIONES
RECOMENDACIONES Y TRABAJOS FUTUROS
Sistema IoT con UAV y GPR para identificar zonas de aguas subterráneas en el Departamento de La Guajira- Colombia. Implementación de una red de sensores inalámbricos LPWAN utilizando módulos LoRa para el monitoreo de la calidad del agua en 2 ríos. Análisis comparativo de indicadores de calidad del agua del río Sinú, municipio de Montería, Córdoba.
The paradox of the availability of water of poor quality in the Colombian rural sector. Intelligent wide-area water quality monitoring and analysis system that exploits unmanned surface vehicles and ensemble learning. Online water quality measurement and reporting system using prominent rule controller based on aqua care-IOT.
Arquitectura para el sistema de monitoreo de la calidad del agua de ductos y lagos interiores del Distrito de Cartagena de Indias apoyado en tecnologías de Internet de las Cosas. Un método de predicción de la calidad del agua basado en una red de memoria bidireccional a corto plazo y a largo plazo a escala multitemporal. Sólo el usuario administrador de la base de datos puede cambiar el estado del contador mediante un Procedimiento.
Característica para capturar datos del momento en que se toma información sobre los parámetros de calidad del agua.
Medidor de EC, TDS, NaCl y Temperatura HI 2300