En este proyecto realizado junto a la empresa MTP, desarrollaremos un gemelo digital para un sensor de mediciones medioambientales que captura datos de temperatura, humedad, presión y luminosidad. A través de un sensor físico, recolectaremos datos reales para alimentar y comparar con nuestro gemelo digital. Analizaremos y aplicaremos modelos de machine learning y deep learning para predecir futuras condiciones medioambientales basándonos en los datos históricos obtenidos. Además, crearemos una aplicación de software que dará funcionalidad a nuestro gemelo digital, incluyendo distintas características y herramientas para la interacción del usuario. Para integrar los datos del sensor real con nuestro sistema digital, estableceremos una infraestructura que recopile, almacene y haga accesibles los datos en una base de datos, la cual estará conectada directamente con el gemelo digital. Esta infraestructura permitirá una interacción fluida a través de una interfaz de usuario, facilitando el acceso a la información y la gestión de las mediciones ambientales.
Abstract:
In this project carried out together with the company MTP, we will develop a digital twin for an environmental measurement sensor that captures data on temperature, humidity, pressure, and luminosity. Through a physical sensor, we will collect real data to feed and compare with our digital twin. We will analyseand apply machine learning and deep learning models to predict future environmental conditions based on the historical data obtained. Additionally, we will create a software application that will provide functionality to our digital twin, including various features and tools for user interaction. To integrate the data from the real sensor with our digital system, we will establish an infrastructure that collects, stores, and makes the data accessible in a database, which will be directly connected to the digital twin. This infrastructure will allow for smooth interaction through a user interface, facilitating access to information and management of environmental measurements.
En este proyecto realizado junto a la empresa MTP, desarrollaremos un gemelo digital para un sensor de mediciones medioambientales que captura datos de temperatura, humedad, presión y luminosidad. A través de un sensor físico, recolectaremos datos reales para alimentar y comparar con nuestro gemelo digital. Analizaremos y aplicaremos modelos de machine learning y deep learning para predecir futuras condiciones medioambientales basándonos en los datos históricos obtenidos. Además, crearemos una aplicación de software que dará funcionalidad a nuestro gemelo digital, incluyendo distintas características y herramientas para la interacción del usuario. Para integrar los datos del sensor real con nuestro sistema digital, estableceremos una infraestructura que recopile, almacene y haga accesibles los datos en una base de datos, la cual estará conectada directamente con el gemelo digital. Esta infraestructura permitirá una interacción fluida a través de una interfaz de usuario, facilitando el acceso a la información y la gestión de las mediciones ambientales.
Abstract:
In this project carried out together with the company MTP, we will develop a digital twin for an environmental measurement sensor that captures data on temperature, humidity, pressure, and luminosity. Through a physical sensor, we will collect real data to feed and compare with our digital twin. We will analyseand apply machine learning and deep learning models to predict future environmental conditions based on the historical data obtained. Additionally, we will create a software application that will provide functionality to our digital twin, including various features and tools for user interaction. To integrate the data from the real sensor with our digital system, we will establish an infrastructure that collects, stores, and makes the data accessible in a database, which will be directly connected to the digital twin. This infrastructure will allow for smooth interaction through a user interface, facilitating access to information and management of environmental measurements. Read More
Related posts:
A Novel Cross-Attention-Based Pedestrian Visual–Inertial Odometry With Analyses Demonstrating Challenges in Dense Optical Flow
Por qué los datos industriales son claves para el crecimiento sostenible
Convolutional Autoencoders for Signal Reconstruction and their Application to Damage Signature Extraction
Industria 4.0 en Latinoamérica: un camino hacia la transformación digital
Building digital trust with ISACA’s framework
Improved Forest Signal Detection for Space-Borne Photon-Counting LiDAR Using Automatic Machine Learning