Differences

This shows you the differences between two versions of the page.

--- iot [2026/01/22 21:53] – [2. Internet Rzeczy (IoT - Internet of Things)] admin
+++ iot [2026/01/22 21:57] (current) – [Wyzwanie: Jakość Danych (Data Quality)] admin
@@ Line 18: / Line 18: @@
 Aby uzupełnić luki w danych z BMS, stosuje się nakładkowe systemy IoT.
-  * **Zastosowanie w projekcie:**
+  * **Zastosowanie:**
     * **Monitoring środowiska:** Bezprzewodowe czujniki temperatury i CO2 w każdym pokoju (BMS mierzy zazwyczaj tylko na wyciągu z całego piętra).
     * **Retrofitting:** Opomiarowanie starych liczników wody nakładkami radiowymi.
     * **Occupancy:** Czujniki obecności pod biurkami (niezależne od systemu oświetlenia).
-===== 3. Protokoły Komunikacyjne (Jak przesyłamy dane?) =====
+===== 3. Protokoły Komunikacyjne =====
-Aby algorytm w Pythonie mógł "zrozumieć" budynek, dane muszą zostać sprowadzone do wspólnego standardu. W projekcie analizowano następujące protokoły:
+Dane muszą zostać sprowadzone do wspólnego standardu. Przykładowe protokoły:
   * **BACnet/IP:** Światowy standard w budownictwie. Pozwala na komunikację urządzeń różnych producentów (np. sterownik Siemens rozmawia z pompą Grundfos).
@@ Line 30: / Line 30: @@
   * **MQTT:** Protokół typowy dla IoT. Bardzo lekki, idealny do wysyłania danych do chmury lub serwera (np. DigitalOcean) przy słabym łączu internetowym.
-===== 4. Architektura Przepływu Danych (Data Pipeline) =====
+===== 4. Architektura Przepływu Danych =====
-W ramach niniejszego projektu przyjęto następujący model przetwarzania danych:
+Przykładowy model przetwarzania danych:
   - **Warstwa 1 (Edge):** Czujniki i sterowniki zbierają dane surowe (np. napięcie 0-10V).
@@ Line 38: / Line 38: @@
   - **Warstwa 4 (Analytics):** Skrypty Python (Jupyter Notebook) pobierają dane z bazy, czyszczą je i trenują modele ML.
-===== Wyzwanie: Jakość Danych (Data Quality) =====
+===== Wyzwanie: Jakość Danych =====
 W ML obowiązuje zasada //"Garbage In, Garbage Out"//. Jeśli dane wejściowe są błędne, model będzie bezużyteczny.
 Typowe problemy napotkane podczas analizy danych budynkowych:
-  * **Brakujące próbki (Missing Values):** Awaria Wi-Fi spowodowała dziurę w danych z 3 godzin.
+  * **Brakujące próbki :** Awaria Wi-Fi spowodowała dziurę w danych z 3 godzin.
-  * **Szum (Noise):** Czujnik temperatury przy oknie nagrzewa się od słońca, fałszując odczyt dla całego pokoju.
+  * **Szum:** Czujnik temperatury przy oknie nagrzewa się od słońca, fałszując odczyt dla całego pokoju.
-  * **Outliery (Wartości odstające):** Błąd transmisji zapisał zużycie energii jako "999999 kWh".
+  * **Wartości odstające:** Błąd transmisji zapisał zużycie energii jako "999999 kWh".
-> Przed uruchomieniem jakiegokolwiek algorytmu, dane muszą przejść proces **czyszczenia (Data Preprocessing)**, co zostało pokazane w sekcji [[analiza|Analiza Danych i Symulacje]].