Registo inteligente e remoto de dados, com processamento para equipamentos de termotecnologia da Bosch

Abstract

Para o desenvolvimento de novos esquentadores, a Bosch Termotecnologia S.A. faz testes de durabilidade aos equipamentos. Para a realização destes testes necessita de dados com informação acerca dos perfis de utilização dos aparelhos quando estão no terreno. Limitações nas formas atualmente utilizadas pela empresa para recolher dados durante os ensaios de campo têm dificultado o processo de desenvolvimento dos planos de teste necessários. Algumas dessas principais limitações são: registo de dados apenas em cartão de memória e inexistência de processamento automático de dados. Neste projeto foi desenvolvido um data logger que permite a aquisição de informação dos esquentadores durante os ensaios de campo e envio desses dados para um servidor alojado na cloud, através de uma ligação à internet. O sistema inclui também o processamento dos dados recolhidos, de forma a calcular as métricas necessárias para traçar os perfis de carga/utilização dos aparelhos, incluindo o número de arranques, a energia consumida e as distribuições de temperatura, caudal e potência. Foi construído um hardware de aquisição de dados que pode recolher informação tanto de um conjunto de sensores externos como diretamente das unidades de controlo eletrónico dos equipamentos, utilizando um microcontrolador (ESP32). Este hardware inclui uma interface local que permite a um instalador tanto configurar um dispositivo como receber feedback do mesmo. Foi utilizada uma instância na cloud, onde foi implementado um backend responsável por inserir os dados recolhidos numa base de dados (InfluxDB). Além disso, permite a agregação da informação de forma a traçar algumas métricas relevantes, nomeadamente distribuições de potência, caudal e temperaturas de entrada e saída da água, número de arranques e consumo de energia. Foram estudados alguns algoritmos de pré-processamento de séries temporais, nomeadamente o algoritmo Isolation Forest para deteção de outliers e o algoritmo KNNImputer para preencher dados em falta. Foi ainda construído um frontend com um conjunto de dashboards dinâmicas e interativas onde um utilizador poderá visualizar os dados, desde as séries temporais até aos perfis de carga de um determinado equipamento. A solução implementada teve resultados positivos em vários níveis: as séries temporais foram coerentes entre si e com a realidade, as métricas calculadas traduziram as séries temporais com precisão e o algoritmo implementado detetou outliers com eficácia. O data logger revelou ser bastante robusto, contudo ainda há pontos que podem ser melhorados em trabalho futuro.

In order to develop new water heaters, Bosch Thermotechnology S.A. does lifetime tests to the equipments. These tests require data related to the load profiles of these appliances while in the field. Limitations in the current solution used by the company to gather this data have been complicating the process of the development of the required test plans. Some of these limitations are: data is registered only in a SD card and there is no automatic data processing. In this project, it was developed a data logger that allows to acquire information from water heaters during field tests and sending that data to a cloud server, using wireless communications. The system also includes the data processing, in order to calculate the necessary metrics to define the load/operation profiles of these equipments, including the number of starts, the consumed energy and the temperature, flow rate and power distributions. It was built an hardware to acquire data from external sensors or directly from the electronic control units of the appliances, using a micro controller (ESP32). This hardware includes a local interface that allows an installer to set up and receive feedback from the device. A cloud instance was used to integrate all the tools necessary to have a backend where data is ingested into a data base (InfluxDB) and aggregate the information to calculate the relevant metrics, namely power, flow and temperature distributions, number of starts and consumed energy. It was also studied the use case of pre-processing of time series algorithms, namely Isolation Forest for outlier detection and KNNImputer for missing data imputation. It was also built a frontend with dynamic dashboards, that allow a user to visualize data, from time series to load profiles of a specified equipment or field test. The solution had positive results on multiple levels: the time series were coherent between each other and with the reality, the metrics represented the time series with precision and the algorithm detected outliers effectively. The data logger turned out to be quite robust, however there is some future work that can be done, to improve the solution.