Review Report for Smart IoT-Based Water Monitoring System ( Le Truong Duy )

GSF Forums Capstone Review Report for Smart IoT-Based Water Monitoring System ( Le Truong Duy )

  • This topic is empty.
Viewing 1 post (of 1 total)
  • Author
    Posts
  • #2689
    Do Kyong Kim
    Keymaster

    Research Summary

    Project Title: SMART WATER MONITORING AND OPTIMIZATION SYSTEM IN HOUSEHOLDS BASED ON IOT AND AI
    Student: Lê Trường Duy
    Affiliation: Faculty of Electrical and Electronics Engineering, Ton Duc Thang University (TDTU)
    Technical Advisor: Kim Do Kyong (GSF-based APE Expert)

    This project aims to build an intelligent IoT-based system to monitor household water usage and electricity consumption in real time using the ESP32 microcontroller and a suite of sensors. Data is transmitted via the MQTT protocol to a virtual Ubuntu server running key platforms such as Home Assistant, Node-RED, InfluxDB, and Grafana. The system supports automation and visual analytics. The midterm results include successful sensor integration, hardware circuit implementation, MQTT communication, and initial stages of data visualization.


    Technical Review – by Kim Do Kyong

    1. Clarify System Architecture

    While the report clearly lists the hardware and software components, it is recommended to supplement this with a visualized overall system architecture diagram. This will improve communication and serve as a reference for future collaborations and presentations.
    Suggestion: Illustrate the data/control flow among ESP32 → MQTT → Node-RED → InfluxDB → Grafana/Home Assistant for clarity.


    2. Refine Objectives and Long-Term Direction

    The current focus is on real-time monitoring and control. However, the student should consider expanding the objective to include water and energy optimization, and AI-assisted predictive maintenance.
    Example Enhancements: Efficiency diagnostics of water pumps, predictive filter replacement, and fault alert features.


    3. Emphasize Water + Energy Integrated Management

    The use of the ACS712 current sensor enables the system to monitor not only water flow but also electrical energy consumption.
    Suggestion: Consider calculating the energy consumed per liter of water and comparing pump efficiency over time. This transforms the project into a Water-Energy Nexus model.


    4. Enhance Big Data Collection and Structuring

    While InfluxDB and Grafana are effectively used, long-term scalability requires structured sensor data tagging and modular queries.
    Recommendation: Organize the data by sensor ID, timestamp, usage type (flow/current), and configure Grafana filters for daily/weekly/monthly analysis.


    5. Prepare for AI Application with Proper Dataset Design

    AI is not yet implemented, but this stage is crucial for building a reliable dataset.
    Key Tasks:

    • Collect labeled data distinguishing normal vs. abnormal usage

    • Map filter replacement records to actual sensor readings

    • Track electrical current anomalies before pump failure

    These steps are essential to train AI models for predictive diagnostics.


    6. Expand Sensor Integration for System Improvement

    The current system uses flow, current, and IR sensors effectively. Future upgrades could consider:

    • Water quality sensors (e.g., pH, TDS, turbidity) → for health/safety diagnostics

    • Leak detection sensors → for emergency alerts and maintenance

    • Temperature/humidity sensors → for environment-based operation optimization


    📌 Overall Evaluation

    Le Truong Duy’s project demonstrates strong technical capability in integrating hardware, communication protocols, and server-side software. The real-time monitoring system is functional and well-documented. With further development of data-driven AI functionalities and expanded system features, this solution has high potential for real-world application as a smart household water and energy management platform.

    Attachment: BÁO CÁO GIỮA KÌ_Lê Trường Duy

    Tóm Tắt Nghiên Cứu

    Tên đề tài: HỆ THỐNG GIÁM SÁT VÀ TỐI ƯU HÓA NƯỚC THÔNG MINH CHO HỘ GIA ĐÌNH DỰA TRÊN IOT VÀ AI
    Sinh viên thực hiện: Lê Trường Duy
    Khoa: Kỹ thuật Điện – Điện tử, Trường Đại học Tôn Đức Thắng (TDTU)
    Cố vấn kỹ thuật: Kim Do Kyong (Chuyên gia APE thuộc GSF)

    Dự án nhằm xây dựng một hệ thống giám sát thông minh sử dụng ESP32 kết hợp với các cảm biến để theo dõi lưu lượng nước và điện năng tiêu thụ tại hộ gia đình. Dữ liệu được truyền thông qua giao thức MQTT đến máy chủ ảo Ubuntu chạy các nền tảng chính như Home Assistant, Node-RED, InfluxDB và Grafana. Kết quả giữa kỳ cho thấy sinh viên đã triển khai thành công mạch điện, cảm biến, truyền dữ liệu MQTT, và sơ bộ giao diện trực quan hóa.


    Ý Kiến Đánh Giá – bởi Kim Do Kyong

    1. Bổ sung sơ đồ tổng quan hệ thống

    Báo cáo liệt kê rõ các thành phần phần cứng và phần mềm, tuy nhiên nên bổ sung sơ đồ khối hệ thống tổng thể để minh họa trực quan cho luồng dữ liệu và điều khiển.
    Gợi ý: Sơ đồ thể hiện luồng dữ liệu từ ESP32 → MQTT → Node-RED → InfluxDB → Grafana/Home Assistant sẽ giúp dễ hiểu và dễ bảo trì hệ thống.


    2. Nâng cao mục tiêu và định hướng nghiên cứu

    Hiện tại dự án tập trung vào giám sát và điều khiển thời gian thực, tuy nhiên nên mở rộng mục tiêu thành hệ thống tối ưu hóa sử dụng tài nguyên nước – điện và bảo trì dự đoán.
    Ví dụ đề xuất: Phân tích hiệu suất máy bơm, cảnh báo thay lõi lọc, phát hiện sự cố từ dòng điện.


    3. Nhấn mạnh mô hình quản lý kết hợp nước và năng lượng

    Việc sử dụng cảm biến dòng điện ACS712 là điểm mạnh, cho phép đánh giá hiệu suất điện năng theo từng lần sử dụng nước.
    Đề xuất: Tính toán mức tiêu thụ điện trên mỗi lít nước, so sánh hiệu suất bơm theo thời gian → hướng đến mô hình quản lý tích hợp Nước – Năng lượng (Water-Energy Nexus).


    4. Cấu trúc hóa dữ liệu lớn cho phân tích dài hạn

    Dữ liệu thời gian thực cần được cấu trúc theo tag và định dạng rõ ràng để phục vụ phân tích sâu.
    Gợi ý: Tổ chức dữ liệu theo mã cảm biến, loại dữ liệu, thời gian – kèm theo bộ lọc nâng cao trong Grafana cho phân tích theo giờ/ngày/tuần.


    5. Chuẩn bị bộ dữ liệu huấn luyện AI

    AI chưa được triển khai, tuy nhiên đây là giai đoạn thích hợp để xây dựng bộ dữ liệu nhãn (label) phục vụ mô hình học máy.
    Cần chuẩn bị:

    • Phân biệt mẫu dữ liệu sử dụng bình thường và bất thường

    • Liên kết giữa dữ liệu cảm biến và thời điểm thay lõi lọc thực tế

    • Theo dõi mẫu dòng điện khi thiết bị sắp hỏng → tạo dữ liệu đầu vào cho mô hình dự đoán bảo trì


    6. Mở rộng hệ thống qua tích hợp cảm biến bổ sung

    Ngoài các cảm biến đã dùng, có thể nâng cấp hệ thống qua:

    • Cảm biến chất lượng nước (pH, TDS, độ đục) để theo dõi an toàn sức khỏe

    • Cảm biến rò rỉ nước để cảnh báo kịp thời

    • Cảm biến nhiệt độ – độ ẩm để điều chỉnh hoạt động theo môi trường


    📌 Đánh Giá Tổng Quan

    Dự án của sinh viên Lê Trường Duy cho thấy khả năng tích hợp phần cứng – phần mềm rất tốt, nắm vững luồng dữ liệu IoT và hệ thống giám sát thời gian thực. Nếu tiếp tục phát triển theo hướng AI + mở rộng chức năng cảnh báo thông minh, đề tài có tiềm năng trở thành giải pháp thực tế cho quản lý nước và năng lượng thông minh tại hộ gia đình.

    연구 요약서

    프로젝트명: SMART WATER MONITORING AND OPTIMIZATION SYSTEM IN HOUSEHOLDS BASED ON IOT AND AI
    연구자: Lê Trường Duy
    지도기관: TDTU 전기전자공학부
    기술 자문: 김도경 (GSF 기반 APE 전문가)

    본 프로젝트는 ESP32 마이크로컨트롤러와 다양한 센서를 활용하여, 가정 내 물 소비량과 전력 사용량을 실시간으로 모니터링하고 분석하는 IoT 기반 스마트 물 관리 시스템을 구축하는 것을 목표로 한다. 데이터는 MQTT 프로토콜을 통해 서버에 전송되며, Ubuntu 기반 가상 서버 환경에서 Home Assistant, Node-RED, InfluxDB, Grafana 등이 연계되어 시스템 자동화 및 시각화가 이루어진다. 중간 결과로는 회로 구현, 센서 연동 테스트, MQTT 데이터 흐름 처리, 시각화 인터페이스 일부 구현 등이 보고되었다.


    검토 의견 (by 김도경)

    1. 시스템 구성 개요의 명확화

    보고서는 하드웨어와 소프트웨어 구성 요소를 상세하게 정리하고 있으나, 이를 전체적인 시스템 구성도 형식으로 시각화하거나 설명을 구조화하면 향후 타인과의 협업 및 발표 자료 작성 시 매우 효과적이다.
    → 제안: 구성도를 통해 ESP32 ↔ MQTT ↔ Node-RED ↔ InfluxDB ↔ Grafana/Home Assistant 간 데이터 흐름과 제어 명령 흐름을 한눈에 보여줄 수 있도록 도식화할 것.


    2. 연구 목적과 방향의 고도화

    현재는 실시간 모니터링 및 자동제어 구현에 초점을 맞추고 있으나, 향후 목표를 “가정 내 물과 전력 사용의 최적화” 및 “자율 유지보수 알고리즘 기반 시스템”으로 확장하면 연구의 응용성과 완성도가 더욱 높아질 수 있다.
    → 예: 전력 소비 분석을 통한 펌프 효율 평가, 수질 변화에 따른 알림 전송 기능 추가 등.


    3. 물 + 전기 에너지의 통합 관리 관점 강조

    학생은 유량 센서뿐 아니라 전류 센서(ACS712)를 활용하고 있다. 이는 단순 모니터링이 아닌 에너지 효율 분석의 기초 데이터를 제공하는 강점이 있다.
    → 제안: 펌프 가동 시간 대비 소비 전력 비교, 물 1리터당 전력 소비량 추산 등으로 확장하여 수-에너지 연계 모델로 발전시킬 것.


    4. 빅데이터 수집 및 분석 구조 정교화

    InfluxDB와 Grafana를 통해 데이터를 시각화하고 있으나, 향후 데이터 누적이 늘어나면 시간대별(시, 일, 주), 사용자 조건별 필터링이 가능한 쿼리 구성과 저장 구조를 고민해야 한다.
    → 제안: 데이터의 장기 축적을 고려한 센서별 Tagging 및 지능형 필터 구조 설계


    5. AI 활용을 위한 기초 데이터 확보 전략

    현재는 AI 알고리즘 구현 전 단계로, 정량적·주기적 센서 데이터 확보 및 Labeling 기반 기초 데이터셋 구축이 중요하다.
    → 제안:

    • 정상 vs 비정상 사용 패턴 정의

    • 필터 교체 시점과 실제 수질 변화값 매핑

    • 펌프 고장 전류 패턴 학습 등으로 예측모델 학습용 데이터셋 준비 필요


    6. 센서 확장을 통한 시스템 개선 방향 제안

    현재 사용 중인 유량, 전류, 근접센서 외에도 다음을 활용하면 향후 시스템의 신뢰성과 기능이 더욱 강화될 수 있다:

    • 수질 센서 (pH, TDS, 탁도 등) 추가 → 수질 실시간 진단

    • 누수 감지 센서 → 비정상 유출 감지 및 알림

    • 온습도 센서 → 기후 조건 기반 최적화 모델 개발


    📌 종합 평가

    Le Truong Duy 학생의 프로젝트는 IoT 기반 스마트 수처리 시스템의 핵심 구조를 잘 구현하고 있으며, 실제 회로 구현과 센서 연동, 서버 구성까지의 통합력이 매우 우수합니다. 향후 데이터 기반의 의사결정 기능(AI)과 응용 서비스 확대(모바일 알림, 수질 진단 등)를 중심으로 고도화된다면 가정용 물·에너지 통합 관리 솔루션으로서 상용화 가능성도 충분하다고 평가됩니다.

    Attachments:
    You must be logged in to view attached files.
Viewing 1 post (of 1 total)
  • You must be logged in to reply to this topic.