Treffer: Vizualizace monitorování provozně technických funkcí v Inteligentní budově v rámci IoT ; Visualization of Operational and Technical Functions in Inteligent Building

Title:
Vizualizace monitorování provozně technických funkcí v Inteligentní budově v rámci IoT ; Visualization of Operational and Technical Functions in Inteligent Building
Authors:
Contributors:
Vaňuš, Jan, Kafna, Ondřej
Publisher Information:
Vysoká škola báňská – Technická univerzita Ostrava
Publication Year:
2021
Collection:
DSpace VŠB-TUO (Vysoká škola báňská - Technická univerzita Ostrava / Technical University of Ostrava)
Document Type:
Dissertation thesis
File Description:
4363118 bytes; application/pdf
Language:
Czech
Relation:
OSD002; http://hdl.handle.net/10084/143880; S2724; FAJ0038_FEI_N0714A150001_2021
Rights:
openAccess
Accession Number:
edsbas.D205C453
Database:
BASE

Weitere Informationen

Cílem této diplomové práce je zajištění výpočtu predikce koncentrace oxidu uhličitého z dat PI System. Prvním krokem je prozkoumání možností, které nabízí v rámci analýzy dat a strojového učení cloudové platformy IBM Cloud a Microsoft Azure. Poznatky, získané při práci s cloudovými nástroji, jsou sepsány do vlastní kapitoly. V další části práce jsou vypracovány experimenty. Jejich výsledky vedou ke zvolení vhodné predikční metody a jejího nastavení pro potřeby této práce. Prostřednictvím PI Web API je vytvořena konektivita pro čtení a zápis dat z PI Server. V jazyce Python je sepsán kód, který slouží jak pro dlouhodobý výpočet predikce CO2, tak pro komunikaci s PI Web API. Dále je v rámci streamování dat v reálném čase popsána práce s nástrojem PI Integrator for Business Analytics a návaznost na Apache Kafka. Na závěr je vytvořena vizualizace provozně technických funkcí dvou bytů v nástroji PI Vision. Vizualizace obsahuje i data predikovaných hodnot CO2. ; The aim of this dissertation is to ensure the calculation of the prediction of carbon dioxide concentration from PI System data. The first step is to explore the possibilities that IBM Cloud and Microsoft Azure offer in data analysis and machine learning. The knowledge gained when working with cloud tools is written up in a separate chapter. In the next part of the paper, experiments are developed. Their results lead to the selection of a suitable prediction method and its setting for the needs of this work. Connectivity for reading and writing data from the PI Server is created via the PI Web API Code that is used both for the long-term calculation of CO2 prediction and for communication with PI Web API is written in Python. Furthermore, the work with the PI Integrator for the Business Analytics tool and the connection to Apache Kafka are described within real-time data streaming. Finally, a visualization of the operational and technical functions of the two bytes in the PI Vision tool is created. The visualization also contains data of predicted CO2 values. ...