Sisäilman laatutiedon mittaaminen ja jakaminen
Hyvärinen, Lauri (2022)
Hyvärinen, Lauri
2022
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2022092120339
https://urn.fi/URN:NBN:fi:amk-2022092120339
Tiivistelmä
Opinnäytetyön tavoitteena oli valmistaa IoT-järjestelmä, jota voidaan käyttää tietotekniikan tutkinto-ohjelman kurssien opetuksen tukena Savoniassa. Järjestelmä koostuu yhdestä fyysisestä laitteesta ja taustapalvelusta. Laite mittaa sisäilman laatuun vaikuttavia tekijöitä. Taustapalvelu tallentaa nämä tiedot tietokantaan ja muodostaa mittauksista tiedostoja Azuren Data Lake -palveluun.
Työssä perehdyttiin erilaisiin antureihin ja Azuren pilvipalveluihin. Fyysinen laitteisto koottiin Raspberry Pi:stä ja neljästä erillisestä anturista. Antureiden valinnassa piti ottaa huomioon niiden ominaisuudet ja hinnat sekä liitettävyys Raspberry Pi:hin. Azuressa taustapalvelu koostuu viidestä erillisestä pilvipalvelusta. Jokainen palvelu luotiin ja konfiguroitiin toimimaan yhdessä.
Lopputuloksena saatiin onnistunut järjestelmä: tiedonkulku antureilta Data Lake:een saakka toimii ilman virheitä. Data Lake:n hierarkisessa nimiavaruudessa voidaan seurata uusia tiedostoja reaaliajassa, mikä tarjoaa tasaisen tietovirran Big data -kurssin opetukseen. Järjestelmän tuottamia tiedostoja voidaan käyttää materiaalina Business Intelligence -kurssin opetuksessa. Rakennettua järjestelmää on myös helppo lähteä laajentamaan tulevaisuudessa.
Työssä perehdyttiin erilaisiin antureihin ja Azuren pilvipalveluihin. Fyysinen laitteisto koottiin Raspberry Pi:stä ja neljästä erillisestä anturista. Antureiden valinnassa piti ottaa huomioon niiden ominaisuudet ja hinnat sekä liitettävyys Raspberry Pi:hin. Azuressa taustapalvelu koostuu viidestä erillisestä pilvipalvelusta. Jokainen palvelu luotiin ja konfiguroitiin toimimaan yhdessä.
Lopputuloksena saatiin onnistunut järjestelmä: tiedonkulku antureilta Data Lake:een saakka toimii ilman virheitä. Data Lake:n hierarkisessa nimiavaruudessa voidaan seurata uusia tiedostoja reaaliajassa, mikä tarjoaa tasaisen tietovirran Big data -kurssin opetukseen. Järjestelmän tuottamia tiedostoja voidaan käyttää materiaalina Business Intelligence -kurssin opetuksessa. Rakennettua järjestelmää on myös helppo lähteä laajentamaan tulevaisuudessa.