< Return to Video

PERC CAP01 2025 VA01 INTRODUCAO A IOT

  • 0:08 - 0:11
    IoT, também conhecido como internet das coisas.
  • 0:12 - 0:17
    Esse é o tema do estudo que envolve dispositivos físicos, tendo
  • 0:17 - 0:21
    sensores, para coletar essas informações e transmitir para o meio
  • 0:21 - 0:21
    digital.
  • 0:23 - 0:25
    Meu nome é Icaro Gonçalves, eu sou pesquisador e eu vou mostrar para
  • 0:25 - 0:30
    vocês como que funciona, quais são todas as camadas essenciais para
  • 0:30 - 0:32
    um projeto que implemente a IoT.
  • 0:32 - 0:36
    Então, a IoT, nós temos cinco camadas essenciais.
  • 0:36 - 0:38
    Então, a primeira camada de percepção.
  • 0:38 - 0:42
    Camada de percepção seriam todos os sensores, atuadores, aquilo que
  • 0:42 - 0:44
    possa interagir com o nosso meio físico.
  • 0:44 - 0:47
    Então, quando eu falo de sensores, podemos estar falando de sensores
  • 0:47 - 0:52
    de temperatura, luminosidade, acelerômetro, diversos sensores que
  • 0:52 - 0:56
    possam coletar informações do nosso meio físico.
  • 0:56 - 1:00
    Então, dessa forma, esses dados precisam ser transmitidos para alguma
  • 1:00 - 1:02
    informação, para algum local.
  • 1:03 - 1:06
    Dessa forma, chegamos à segunda camada, que é a camada de conexão.
  • 1:06 - 1:10
    Então, temos esses sensores, temos essas informações, esses dados
  • 1:10 - 1:15
    coletados pelos sensores, e eles são transmitidos via Wi-Fi, via
  • 1:15 - 1:17
    LoRa, via ZigBee.
  • 1:17 - 1:21
    Tem diversos protocolos de comunicação wireless que conseguem fazer
  • 1:21 - 1:23
    essa transmissão desses dados para um gator.
  • 1:24 - 1:25
    Camada Midway.
  • 1:25 - 1:29
    Seria essa camada que mostra o potencial de poder armazenar essas
  • 1:29 - 1:30
    informações.
  • 1:31 - 1:35
    Então, esses dados que foram transmitidos por um sensor, eles podem
  • 1:35 - 1:41
    ser armazenados na nuvem, eles podem ser armazenados no gator, ou sem
  • 1:41 - 1:44
    nem transmitir as informações, e armazenar esses dados no próprio,
  • 1:45 - 1:46
    próximo do dispositivo do sensor.
  • 1:47 - 1:49
    Nesse caso, chegamos à camada de aplicação.
  • 1:49 - 1:54
    A camada de aplicação seria conseguir visualizar esses dados,
  • 1:54 - 1:59
    desenvolver dashboards, informações gráficas que possam transmitir
  • 1:59 - 2:04
    tudo aquilo que aqueles dados representam de uma forma gráfica que
  • 2:04 - 2:08
    possa facilitar a interpretação desses dados.
  • 2:08 - 2:12
    E, por fim, temos a camada de negócio, que seria a camada de tomada
  • 2:12 - 2:12
    de decisão.
  • 2:13 - 2:17
    Então, temos uma grande quantidade de dados, uma grande quantidade de
  • 2:17 - 2:21
    informação, realizamos um treinamento, pode ser via inteligência
  • 2:21 - 2:23
    artificial, machine learning, deep learning, e, a partir disso,
  • 2:24 - 2:27
    podemos tomar decisões para poder otimizar o nosso processo.
  • 2:28 - 2:30
    Então, essas são as cinco camadas de IoT.
  • 2:30 - 2:32
    Nós temos três camadas de processamento.
  • 2:33 - 2:35
    Então, a primeira delas seria o cloud computing.
  • 2:36 - 2:41
    O cloud computing é quando você tem dispositivos que armazenam dados
  • 2:41 - 2:43
    e transmitem diretamente as informações para a nuvem.
  • 2:44 - 2:48
    Nesse caso, todas as informações, tudo o que foi coletado pelo
  • 2:48 - 2:51
    microcontrolador, fica armazenado na nuvem e pode ser acessado
  • 2:51 - 2:53
    remotamente por qualquer pessoa.
  • 2:54 - 2:59
    A segunda camada de processamento seria ter um pré-processamento no
  • 2:59 - 2:59
    Gator.
  • 3:00 - 3:05
    Então, temos diversos sensores, sensores de temperatura, umidade.
  • 3:05 - 3:06
    Vamos citar um exemplo.
  • 3:07 - 3:11
    E aí, nesse caso, esses sensores transmitem as informações para um
  • 3:11 - 3:13
    Gator, e, nesse Gator, ele tem uma inteligência nele.
  • 3:14 - 3:17
    Nesse caso, esse Gator só vai transmitir aquilo que de fato for
  • 3:17 - 3:21
    relevante para não poder gastar muita banda de internet.
  • 3:21 - 3:25
    Agora, o melhor caso mesmo é quando se tem inteligência embarcada no
  • 3:25 - 3:29
    microcontrolador próximo do sensor, que é o conceito de edge
  • 3:29 - 3:29
    computing.
  • 3:30 - 3:33
    Então, edge computing é quando realizamos um treinamento, temos uma
  • 3:33 - 3:37
    inteligência, embarcamos no microcontrolador, e, nesse caso, ele só
  • 3:37 - 3:41
    transmite aquilo que de fato for interessante, for necessário.
  • 3:42 - 3:43
    E por que isso é importante?
  • 3:44 - 3:48
    Quando falamos de solução de IoT, muitas vezes, não temos uma
  • 3:48 - 3:51
    infraestrutura ou energia alimentando o nosso dispositivo.
  • 3:51 - 3:55
    Então, temos que ter um dispositivo que seja eficiente em termos
  • 3:55 - 3:56
    energéticos.
  • 3:57 - 4:01
    Quando falamos em gasto energético, o maior gás que tem não é na
  • 4:01 - 4:06
    coleta dos dados dos sensores, não é também no processamento, e sim
  • 4:06 - 4:08
    na transmissão de dados.
  • 4:08 - 4:11
    Então, por isso que quando tem uma inteligência embarcada no
  • 4:11 - 4:15
    microcontrolador, é essencial para poder elevar a vida útil desse
  • 4:15 - 4:16
    dispositivo.
  • 4:16 - 4:20
    Vamos falar agora na prática como que funciona uma solução de IoT.
  • 4:20 - 4:24
    Então, aqui é um problema clássico que temos no nosso dia a dia, que
  • 4:24 - 4:29
    sabemos que há um acúmulo muito grande de irregularidades, de buracos
  • 4:29 - 4:31
    nas nossas vias pavimentadas.
  • 4:31 - 4:35
    Então, essa é uma solução que automatiza a identificação desses
  • 4:35 - 4:36
    buracos.
  • 4:36 - 4:40
    Então, nesse caso, esse dispositivo foi desenvolvido, um hardware com
  • 4:40 - 4:45
    sensores, com acelerômetro, no caso, e ele foi embarcado na bandeja
  • 4:45 - 4:46
    de suspensão do veículo.
  • 4:46 - 4:50
    Sempre que o veículo passava pelo buraco, ele gera um padrão
  • 4:50 - 4:52
    característico de sinal de vibração.
  • 4:52 - 4:56
    Bom, então agora eu vou falar quais são as fases desse projeto de
  • 4:56 - 4:56
    IoT.
  • 4:56 - 4:59
    O que tem de essencial para um projeto de IoT?
  • 5:00 - 5:02
    Então, nesse caso, começa pelo planejamento do hardware.
  • 5:03 - 5:06
    Então, sempre é importante, quando for fazer qualquer tipo de projeto
  • 5:06 - 5:10
    de IoT, identificar o que estamos medindo, quais sensores estão sendo
  • 5:10 - 5:13
    utilizados, o que a gente precisa coletar, e com o que vamos
  • 5:13 - 5:15
    processar essas informações.
  • 5:15 - 5:19
    Então, nesse projeto específico, teve que fazer um planejamento do
  • 5:19 - 5:23
    hardware, a montagem desse hardware, desenvolvendo uma placa, fazendo
  • 5:23 - 5:24
    ensaios prévios.
  • 5:24 - 5:29
    Aqui é uma validação do sensor, a validação do GPS, e tinha o
  • 5:29 - 5:30
    hardware pronto.
  • 5:30 - 5:35
    Então, a partir disso, como vamos fazer um treinamento de
  • 5:35 - 5:37
    inteligência artificial, precisamos ter um dataset.
  • 5:37 - 5:42
    Então, nesse projeto foi realizado um dataset, foram gerados dados
  • 5:42 - 5:45
    rotulados, no caso, buracos e não buracos.
  • 5:46 - 5:50
    Realizou-se um treinamento via machine learning, com uma validação, e
  • 5:50 - 5:53
    por fim, embarcou esse modelo, essa inteligência, no
  • 5:53 - 5:53
    microcontrolador.
  • 5:54 - 5:57
    Então, dessa forma, sempre que o veículo passava pelo buraco, ele
  • 5:57 - 6:01
    transmitia as informações, tendo o conceito de IoT Compute.
  • 6:01 - 6:03
    Então, vamos falar do hardware em si.
  • 6:03 - 6:07
    Então, nesse caso, nesse projeto, foi utilizado um microcontrolador.
  • 6:07 - 6:10
    Esse microcontrolador é o S32 Realtec V2.
  • 6:10 - 6:14
    Ele tem uma vantagem, porque além de ter Wi-Fi e Bluetooth, ele
  • 6:14 - 6:17
    possui também o módulo de LoRa, que ele consegue transmitir
  • 6:17 - 6:19
    informações a longas distâncias.
  • 6:19 - 6:24
    Então, o acelerômetro que foi utilizado, e as baterias para poder ser
  • 6:24 - 6:25
    implementado na bandeja de suspensão.
  • 6:27 - 6:30
    Esse aqui é o módulo final do dispositivo, e ele foi instalado
  • 6:30 - 6:32
    exatamente na bandeja de suspensão.
  • 6:33 - 6:37
    Então, sempre que o veículo passava pelo buraco, você tinha uma
  • 6:37 - 6:41
    oscilação do módulo que o sensor está dentro dele.
  • 6:41 - 6:46
    Então, dessa forma, nós já temos a parte de coleta, a parte de
  • 6:46 - 6:50
    percepção, que é o acelerômetro, temos também o protocolo de
  • 6:50 - 6:54
    comunicação, porque ele transmite as informações via LoRa, ele
  • 6:54 - 6:58
    consegue armazenar esses dados localmente e transmitir, também com
  • 6:58 - 7:02
    uma inteligência embarcada, então temos a camada de Midware, temos
  • 7:02 - 7:06
    também a camada de visualização dos dados, porque tem depois um
  • 7:06 - 7:09
    dashboard com a geolocalização dessas informações, e por fim, a
  • 7:09 - 7:12
    camada de negócio, porque há uma inteligência embarcada nesse
  • 7:12 - 7:13
    microcontrolador.
  • 7:13 - 7:18
    Então, esses aqui são alguns exemplos de séries temporais de dados de
  • 7:18 - 7:22
    acelerômetro que foram coletados, de informações relacionadas a
  • 7:22 - 7:25
    buracos, uma classificação binária, para se identificar o que é
  • 7:25 - 7:27
    buraco, que no caso não é buraco.
  • 7:28 - 7:31
    Então, na imagem acima, temos a aplicação da solução, depois que
  • 7:31 - 7:37
    teve, de fato, um treinamento desses dados coletados e embarcados no
  • 7:37 - 7:38
    microcontrolador.
  • 7:39 - 7:44
    Então, sempre que o veículo passa pelo buraco, tem um LED vermelho
  • 7:44 - 7:48
    que ajuda nós, ou até o operador, a poder identificar que o
  • 7:48 - 7:49
    dispositivo está funcionando.
  • 7:49 - 7:53
    Então, dessa forma, tem um processamento em tempo real, passou pelo
  • 7:53 - 7:58
    buraco, ele detecta que tem um buraco, como tem um GPS, ele consegue
  • 7:58 - 8:01
    coletar as informações de latitude e longitude e transmitir esses
  • 8:01 - 8:03
    dados para uma plataforma de IoT.
  • 8:03 - 8:06
    Essa plataforma de IoT é onde a gente consegue visualizar esses dados
  • 8:06 - 8:07
    em tempo real.
  • 8:08 - 8:11
    Então, novamente, temos a parte de sensores, a parte de percepção,
  • 8:11 - 8:15
    temos a camada de Midware, porque eles estão sendo armazenados e
  • 8:15 - 8:20
    processados localmente, temos a camada de comunicação, que ele
  • 8:20 - 8:24
    transmite os dados via LoRa, temos a camada também de visualização
  • 8:24 - 8:29
    dos dados, que é a geolocalização dessa informação, e, por fim, a
  • 8:29 - 8:31
    camada de negócio, que é a inteligência embarcada nele, que, a partir
  • 8:31 - 8:34
    disso, ele consegue fazer a tomada de decisão.
  • 8:34 - 8:37
    Vamos agora para um segundo projeto, um projeto de deslizamento de
  • 8:37 - 8:37
    terra.
  • 8:38 - 8:42
    A ideia desse projeto seria utilizar sensores acelerômetros,
  • 8:42 - 8:48
    enterrados em profundidades distintas, e, dessa forma, a ideia é
  • 8:48 - 8:50
    predizer quando tem deslizamento de terras.
  • 8:50 - 8:54
    Então, para ter esse deslizamento de terras, no caso, precisa ter uma
  • 8:54 - 8:55
    chuva constante.
  • 8:55 - 9:03
    Essa chuva constante, a terra acaba absorvendo essa água, e, a partir
  • 9:03 - 9:07
    disso, ela acaba descolando, ela acaba perdendo essa ancoragem e
  • 9:07 - 9:08
    acontece o deslizamento de terras.
  • 9:09 - 9:12
    Então, tendo um dispositivo desse com uma inteligência embarcada, é
  • 9:12 - 9:16
    possível predizer quando tem possíveis deslizamentos de terra.
  • 9:16 - 9:20
    Então, nesse projeto prático, os sensores coletavam as informações,
  • 9:21 - 9:24
    transmitiam esses dados, nesse caso, transmitiam todos os dados,
  • 9:24 - 9:28
    todas as informações para um concentrador, e aqui a gente tinha o
  • 9:28 - 9:33
    conceito de fog computing, porque nesse concentrador, nesse gate, ele
  • 9:33 - 9:35
    só transmitia aquilo que, de fato, era relevante.
  • 9:35 - 9:39
    Vamos agora no terceiro projeto, que é um projeto prático, utilizado
  • 9:39 - 9:42
    para poder medir o fluxo de água em um banheiro.
  • 9:43 - 9:47
    Nesse caso, a ideia era identificar o fluxo de água em mictórios e
  • 9:47 - 9:49
    também nas pias.
  • 9:50 - 9:53
    E, utilizando um sensor de roda d'água, que basicamente é um sensor
  • 9:53 - 10:01
    que, quando a água flui por esse sensor, ele gira uma hélice.
  • 10:02 - 10:05
    Nesse caso, essa hélice possui um imã em uma das extremidades, então
  • 10:05 - 10:08
    ela consegue contar, ela consegue identificar quantas voltas
  • 10:08 - 10:10
    completas ela conseguiu executar.
  • 10:11 - 10:13
    Então, dessa forma, a partir de cálculos matemáticos, é possível
  • 10:13 - 10:18
    identificar qual foi a vazão de água transmitida, a vazão de água
  • 10:18 - 10:22
    passada por esse cano, passada por esse mictório ou pia.
  • 10:23 - 10:27
    Então, tendo esses dados em todas as saídas de água, então, no caso,
  • 10:27 - 10:31
    foi desenvolvido um hardware próprio para cada uma, ele coletava as
  • 10:31 - 10:35
    informações e, nesse caso, transmitia os dados via ZigBee, que é o
  • 10:35 - 10:37
    outro protocolo de comunicação via wireless.
  • 10:37 - 10:41
    Então, cada aplicação tem um protocolo específico que vai ter uma
  • 10:41 - 10:44
    eficiência adequada para aquele tipo de solução.
  • 10:45 - 10:48
    Então, nesse caso, tinha um concentrador, o ZigBee, que está na
  • 10:48 - 10:52
    imagem à direita, que coletava essas informações e enviava os dados
  • 10:52 - 10:52
    para a nuvem.
  • 10:53 - 10:57
    Vamos agora falar de um próximo projeto, que é um projeto para poder
  • 10:57 - 10:59
    identificar a saúde das árvores.
  • 10:59 - 11:04
    Foi implementado sensores, acelerômetros também, e estranguezes.
  • 11:04 - 11:08
    São sensores que conseguem medir a vibração, a movimentação da
  • 11:08 - 11:09
    árvore.
  • 11:09 - 11:14
    Então, nesse caso, quando tem uma movimentação muito forte, quando
  • 11:14 - 11:20
    tem um vento aplicado nessa árvore, ela começa a se movimentar e, a
  • 11:20 - 11:23
    partir desse padrão de movimentação, é possível identificar a saúde
  • 11:23 - 11:24
    das árvores.
  • 11:24 - 11:28
    Dessa forma, a gente coletou essas informações, transmitiu esses
  • 11:28 - 11:32
    dados via LoRa para o Lungator e, a partir disso, enviou todos esses
  • 11:32 - 11:33
    dados para a nuvem.
  • 11:33 - 11:35
    Então, aqui é a aplicação da solução.
  • 11:36 - 11:39
    Temos aqui uma árvore com os acelerômetros na parte de cima e na
  • 11:39 - 11:40
    parte de baixo.
  • 11:41 - 11:46
    E, dessa forma, precisava também, além de ter esses sensores, poder
  • 11:46 - 11:51
    também coletar qual era a velocidade do vento, por isso que foi
  • 11:51 - 11:54
    implementado um anemômetro, para poder cruzar essas informações e
  • 11:54 - 12:00
    fazer um estudo de se a saúde da árvore estava correta, se a saúde
  • 12:00 - 12:01
    da árvore estava boa.
  • 12:01 - 12:05
    Por fim, vamos falar de uma última aplicação, uma última solução de
  • 12:05 - 12:10
    IoT que foi utilizada para conseguir identificar qual é a poluição de
  • 12:10 - 12:14
    ar, que, nesse caso, foi uma experiência que utilizamos lá na cidade
  • 12:14 - 12:16
    de São Paulo, no centro de São Paulo.
  • 12:16 - 12:18
    Então, aqui já são os dados coletados.
  • 12:18 - 12:26
    Alguns dados coletados que correspondem a NO2, CO2, ozônio.
  • 12:26 - 12:30
    E esses dados eram coletados a cada minuto, tendo também um GPS.
  • 12:30 - 12:34
    Então, essas informações eram georreferenciadas e, a partir disso,
  • 12:35 - 12:39
    plotadas no mapa e, dessa forma, é possível analisar quais são os
  • 12:39 - 12:44
    pontos mais poluídos do dia que realizamos esse ensaio.
  • 12:45 - 12:48
    Então, nesse caso, é possível aqui no Parque Dom Pedro identificar
  • 12:48 - 12:52
    que há uma elevada concentração de gases poluentes, que, no caso, tem
  • 12:52 - 12:53
    um terminal de ônibus lá.
  • 12:54 - 12:59
    Então, são soluções de IoT que são aplicadas no nosso dia a dia, são
  • 12:59 - 13:02
    soluções de IoT que são aplicadas para facilitar a nossa vida.
  • 13:03 - 13:05
    Como que foi feita essa solução?
  • 13:06 - 13:09
    Foi desenvolvido um hardware, foi desenvolvido um equipamento que foi
  • 13:09 - 13:16
    instalado em algum veículo que não pudesse atrapalhar no ensaio.
  • 13:16 - 13:18
    Então, foi instalado em trolibus.
  • 13:18 - 13:23
    Então, dessa forma, o veículo passava pela sua trajetória normal e
  • 13:23 - 13:25
    iria coletando essas informações.
  • 13:27 - 13:33
    Então, aqui são alguns exemplos comparativos desses dados e percebe o
  • 13:33 - 13:37
    padrão de poluição em relação à semana que foi coletada.
  • 13:38 - 13:43
    Então, no sábado, onde tem o menor trânsito de veículos é onde tem a
  • 13:43 - 13:45
    menor concentração de gases poluentes.
  • 13:45 - 13:50
    Mas percebe que, ao longo da semana, segunda-feira, quinta-feira,
  • 13:50 - 13:54
    sexta-feira, você tem um acúmulo muito grande de gases poluentes.
  • 13:58 - 14:05
    E aqui é um perfil relacionado aos gases ao longo do dia e percebe
  • 14:05 - 14:11
    que, do período meio-dia e quarenta e sete até as duas e quarenta
  • 14:11 - 14:13
    e três é onde você tem um pico de gases poluentes.
  • 14:15 - 14:18
    Então, demonstrei diversas soluções de pesquisas que estão sendo
  • 14:18 - 14:21
    realizadas no dia-a-dia, que implementam a IoT.
  • 14:21 - 14:26
    E essas pesquisas, elas visam ajudar, elas visam melhorar a qualidade
  • 14:26 - 14:27
    de vida de todos nós.
  • 14:27 - 14:30
    Então, essa é a importância de ter a IoT no nosso dia-a-dia.
  • 14:31 - 14:34
    Então, a IoT, desde situações simples, como, por exemplo, uma casa
  • 14:34 - 14:38
    inteligente, como você tem uma Alexa, que você envia um comando para
  • 14:38 - 14:42
    a Alexa e você consegue comandar, chavear tomadas, lâmpadas, até
  • 14:42 - 14:46
    pesquisas amplas que conseguem trazer um bem-estar para a sociedade.
  • 14:47 - 14:50
    Então, essa é a importância de ter pesquisadores, essa é a
  • 14:50 - 14:53
    importância de ter estudo, essa é a importância de se desenvolver
  • 14:53 - 14:55
    nessa área de IoT, que é uma área tão ampla, que é uma área
  • 14:55 - 15:01
    que envolve tantas outras áreas, como hardware, software, protocolo
  • 15:01 - 15:06
    de comunicação, telecomunicação, inteligência artificial, enfim, é
  • 15:06 - 15:10
    uma área muito ampla, é uma área que tem um potencial muito grande
  • 15:10 - 15:11
    para o nosso dia-a-dia.
Title:
PERC CAP01 2025 VA01 INTRODUCAO A IOT
Video Language:
Portuguese, Brazilian
Duration:
15:14

Portuguese, Brazilian subtitles

Incomplete

Revisions Compare revisions