Detecte anomalias de voltagem em dispositivos IoT domésticos

Apresentação

Especialistas preveem a existência de mais de 20 bilhões de dispositivos IoT no mundo até 2020, sendo que grande porcentagem desses dispositivos estará em nossas casas. Esta jornada do desenvolvedor lhe deixará em posição de vantagem no desenvolvimento de dispositivos conectados em casa. Usando APIs Node-RED e Watson IoT, você aprenderá a desenvolver um aplicativo IoT cognitivo que detecte irregularidades na voltagem de dispositivos domésticos conectados.

Descrição

Hoje, a Internet das Coisas é uma realidade e, de acordo com uma procura rápida no Google, especialistas estão prevendo que pelo menos 20 bilhões de dispositivos estarão conectados até 2020. Independentemente do tipo de desenvolvimento feito, seja sistemas corporativos ou jogos para celulares, você terá que saber conectar um dispositivo — qualquer dispositivo — a um ecossistema IoT maior.

Além da inclusão de um grande número de dispositivos conectados, os desenvolvedores de IoT também deverão entender a computação cognitiva. Seu aplicativo pode capturar as entradas que recebe e aprender com os dados?

Então, por onde começar? Por aqui. Este padrão de código conduz você pelo processo de desenvolvimento de um aplicativo IoT cognitivo. Seu aplicativo terá um aprendizado de ponta em sua rede; ou seja, você afastará a computação da nuvem ou data center em direção aos sensores que estão recebendo a entrada. A computação acontece no gateway, próximo de sensores e agentes (e pode acontecer ainda mais perto da ponta em um microcontrolador entre o gateway e os sensores e agentes).

Neste padrão de código, você usará a nuvem para detectar anomalias em um dispositivo bem familiar para todos, a máquina de lavar. Você pode não achar tão interessante monitorar sua máquina de lavar, mas imagine o que acontece quando você lava com água quente por engano. Você ficará um tanto nervoso quando suas toalhas vermelhas transformarem todo o seu guarda-roupa em cor de rosa. Ou pior, e se sua máquina estiver girando muito rápido? Com certeza você ficará ainda mais nervoso se tiver que trocar um motor queimado. E também ficará um pouco mais pobre.

Vamos supor que você tenha uma máquina de lavar com três sensores:

  • Temperatura de fluidos
  • Dureza da água
  • Velocidade do motor

É possível desenvolver facilmente um aplicativo que se comunique com esses sensores. Quando um sensor capta uma instabilidade, seu aplicativo envia um comando para desativá-lo. Além disso, você poderá salvar e armazenar dados para fazer análises de um dia para o outro. Um algoritmo de aprendizado de máquina no gateway de ponta pode otimizar os resultados e observar proativamente, por exemplo, se a temperatura está aumentando com rapidez. É possível então desativar a máquina e enviar uma notificação de serviço antes que ocorra uma grande catástrofe.

É possível ver onde isso vai chegar. Qualquer desenvolvedor capaz de gravar um código que ajude donas de casa a economizar dinheiro será requisitado. Conclua este padrão de código, aprenda a criar aplicativos IoT cognitivos de valor e mantenha suas aptidões — e suas roupas — em ordem.

Fluxo

Fluxograma das etapas para criação do app

  1. Os três sensores da máquina de lavar são: 1) temperatura de fluidos 2) dureza da água 3) velocidade do motor.
  2. O simulador de dispositivo Node-RED Edge simula dados do dispositivo; nesse caso, é o Raspberry Pi simulado. O Raspberry Pi é conectado à máquina de lavar com dados fluindo continuamente dos sensores para o Raspberry Pi. O Raspberry Pi simulado (ou seja, o dispositivo Node-RED Edge) é conectado à Internet por Ethernet e transmite dados para o Watson IoT Platform.
  3. O Watson IoT Platform usa o broker de mensagem MQTT e age como uma ligação assíncrona entre todos os componentes no modelo operacional IoT. Ele publica dados de volta para o dispositivo Node-RED Edge (em um caso real, se detectasse uma anomalia, ele enviaria uma mensagem de volta para a máquina para desativar seu motor). O Watson IoT Platform também transmite dados para a nuvem Node-RED, que, subsequentemente, os envia para o armazenamento.
  4. A nuvem Node-RED assina os dados que chegam do Watson IoT Platform. Ela é usada para transmitir dados do sensor IoT para o armazenamento em nuvem (Cloudant) para que a análise em lote possa ser executada posteriormente.
  5. O Modelo de Ponta é composto por um algoritmo de detecção de anomalia em tempo real chamado moving z-score, que detecta padrões de comportamento anormal em séries temporais do sensor.
  6. O repositório Cloudant é usado para processamento de análise em lote para identificar tendências.

Instruções

Pronto para usar esse padrão de código? Detalhe completo de como começar a rodar e usar a aplicação em README.

Aviso

O conteúdo aqui presente foi traduzido da página IBM Developer US. Caso haja qualquer divergência de texto e/ou versões, consulte o conteúdo original.