Detección de anomalías de tensión en los dispositivos IoT domésticos

Resumen

Los expertos predicen que en el 2020 habrá más de 20.000 millones de dispositivos IoT en el mundo, y un gran porcentaje de ellos estará ubicado en nuestros propios hogares. Esta sección de desarrollador le proporcionará una ventaja inicial sobre el desarrollo de dispositivos conectados en el hogar. Usted utilizará Node-RED y APIs de Watson IoT para descubrir cómo desarrollar una aplicación IoT cognitiva que detecte irregularidades en la tensión de los dispositivos que tiene conectados en su hogar.

Descripción

La Internet de las Cosas ya es una realidad y, según una rápida búsqueda en Google, los expertos predicen que en 2020 habrá conectados al menos 20.000 millones de dispositivos. Sin tener en cuenta el tipo de desarrollo que usted realice, ya sea para sistemas empresariales o para juegos móviles, usted tendrá que saber cómo conectar un dispositivo, cualquier dispositivo, al amplio ecosistema de IoT.

Además de añadir al gran número de dispositivos conectados, los desarrolladores de IoT también tendrán que entender la computación cognitiva. ¿Su aplicación puede tomar los datos que se le dan y aprender de ellos?

Así que, ¿por dónde empezar? Aquí mismo. Este Code Patterns le guía a través del proceso de construir una aplicación IoT cognitiva. Su aplicación aprenderá en el límite de su red; es decir, usted guiará la computación de la nube o del centro de datos hacia los sensores que reciben los datos. Los cálculos se realizan en el gateway, cerca de los sensores y los actores (y se pueden realizar incluso más cerca del límite, en un microcontrolador que esté entre el gateway y los sensores y actores).

En este Code Patterns usted utilizará la nube para detectar anomalías en un dispositivo que todos conocemos, la lavadora. Es posible que usted piense que supervisar la lavadora no es algo emocionante, pero imagine lo que ocurre cuando lava en agua caliente por error. Va a sentir algo de emoción cuando lave sus toallas rojas y convierta todo su guardarropa en rosa. O peor, ¿y si la lavadora está funcionando demasiado rápido? Realmente se va a poner nervioso si tiene que reemplazar un motor quemado. También será un poco más pobre.

Asumamos que usted tiene una lavadora que tiene tres sensores:

  • Temperatura del fluido
  • Dureza del H2O
  • Velocidad del motor

Usted puede construir rápidamente una aplicación que se comunique con esos sensores. Cuando un sensor capta una inestabilidad, su aplicación envía un comando para desactivarla. Además, usted será capaz de guardar y almacenar los datos para realizar análisis de lotes de la noche a la mañana. Un algoritmo de aprendizaje profundo del gateway del perímetro puede optimizar los resultados y avisar proactivamente de que la temperatura está aumentando rápidamente, por ejemplo. A continuación, podrá desactivar la máquina y enviar una notificación de servicio antes de que ocurra una gran catástrofe.

Es posible ver hacia dónde vamos. Cualquier desarrollador que pueda escribir un código para lograr que los propietarios realmente ahorren dinero será muy demandado. Complete este Code Patterns, aprenda cómo crear valiosas aplicaciones IoT cognitivas y mantenga actualizadas sus habilidades.

Flujo

Diagrama de las etapas para crear la aplicación

  1. Los tres sensores de la lavadora son: 1) temperatura de fluidos 2) dureza del agua 3) velocidad del motor.
  2. El simulador de dispositivos Node-RED Edge simula los datos del dispositivo; en este caso se trata de Raspberry Pi. Raspberry Pi está anexado a la lavadora, con datos que fluyen continuamente de los sensores hacia el mismo. Raspberry Pi simulado (es decir, el dispositivo Node-RED Edge) está conectado a Internet a través de Ethernet, y trasmite datos a Watson IoT Platform.
  3. Watson IoT Platform utiliza MQTT Message Broker y actúa como union asíncrono entre todos los componentes del modelo operacional de IoT. Envía datos al dispositivo Node-RED Edge (en un caso real, si detectase una anomalía enviaría un mensaje a la máquina para desactivar su motor). Watson IoT Platform también transmite datos a la nube de Node-RED, que después los enviará al almacenamiento.
  4. Node-RED Cloud subscribe los datos que recibe de Watson IoT Platform. Se utiliza para transmitir los datos del sensor de IoT al almacenamiento de nube (Cloudant) para que después se puedan realizar análisis de lotes.
  5. Edge Model está compuesto por un algoritmo de detección de anomalías en tiempo real llamado moving z-score, que detecta patrones de comportamientos inusuales en series temporales de los sensores.
  6. El repositorio Cloudant se utiliza para procesar análisis de lotes para identificar tendencias.

Instrucciones

Encuentre los datos detallados para este patrón en README.

Aviso

El contenido aquí presentado fue traducido de la página IBM Developer US. Puede revisar el contenido original en este link.