Dissertação
Low-Power Edge Machine Learning for IoT EVALUATED
A Internet das Coisas (IoT) tem como objetivo conectar todos os dispositivos à Internet, permitindo lhes comunicar entre si e com a cloud. Esta conexão cria a oportunidade de monitorizar quase tudo e tomar decisões com base nos dados adquiridos. Como dados de vibração requerem uma alta taxa de amostragem para extrair informações destes, os dispositivo IoT precisam de estar a monitorizar constantemente as atividades para que possamos interpretar a vibração medida. Esta atividade constante requer muita energia, um problema para dispositivos IoT, que geralmente são alimentados por bateria para facilitar a instalação. Esta tese tem como objetivo o desenvolvimento de um dispositivo de baixo custo, baixo consumo, implementação não intrusiva e flexível, para a borda de um sistema IoT e que monitorize máquinas complexas. Para demonstrar isso, o dispositivo foi desenvolvido tendo em conta a aplicação final de monitorar os processos de maquinação de uma máquina de Controle Numérico Computadorizado (CNC) utilizada na indústria de maquinação de moldes e comunicar o estado do processo de maquinação como correto ou incorreto em tempo real. O dispositivo de borda desenvolvido é composto por um microcontrolador, um sensor e um módulo de comunicação. Para além da implementação final, foi também utilizado para monitorizar três máquinas diferentes: um aspirador, um ar condicionado e uma CNC. Para cada máquina, os estados de funcionamento foram identificados com precisão de 80\% ou superior. O dispositivo também foi capaz de transmitir resultados do processamento de vibração para uma plataforma IoT, permitindo monitorizar as máquinas em tempo real.
novembro 24, 2023, 10:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Luís Miguel Veiga Vaz Caldas de Oliveira
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar