Skip to content

Italian Description

Jump to bottom
GiZano edited this page Feb 16, 2026 · 1 revision

⚡ bE-More: Sistema di Efficienza Energetica Aziendale

Architettura IoT Fullstack & IA Locale per l'Ottimizzazione degli Spazi di Lavoro

Architettura bE-More

Java Arduino Python Ollama ThingsBoard

📖 Panoramica

bE-More è un sistema IoT avanzato e semi-autonomo progettato per ottimizzare il consumo energetico negli ambienti di lavoro aziendali. L'architettura integra hardware embedded per la telemetria in tempo reale, una Dashboard basata su Java per la gestione centralizzata e IA Generativa Locale per l'analisi predittiva dei dati.

✨ Funzionalità Principali

  • 📡 Telemetria IoT & MQTT: Comunicazione in tempo reale e a bassa latenza tra i sensori edge e l'istanza cloud centralizzata ThingsBoard.
  • ⚙️ Automazione Intelligente: Controllo ambientale basato su regole (es. spegnimento automatico dell'illuminazione quando la luce naturale ambientale supera la soglia di > 450).
  • 🔒 Intelligenza Artificiale orientata alla Privacy: Utilizza un'istanza ospitata localmente di Mistral:7b (tramite Ollama) per analizzare i trend di consumo e rilevare anomalie, garantendo che i dati aziendali sensibili non escano mai dalla rete interna.
  • 🖥️ Interfaccia Ibrida: Una robusta applicazione Java 23 che incorpora nativamente una dashboard web visiva affiancata a un assistente IA basato su console.

📐 Architettura Hardware

Il livello fisico si basa su un microcontrollore Arduino che gestisce l'acquisizione dei dati dai sensori e la trasmissione MQTT.

Schema Elettrico

Logica Edge & Attuazione

Il sistema embedded gestisce l'ambiente basandosi sulle seguenti regole deterministiche:

Sensore / Attuatore Stato Azione di Sistema
Pulsante "AUTO" (Pin 2) Premuto Attiva/Disattiva la Modalità Autonoma. Attiva il LED di stato e il Buzzer di conferma.
Pulsante "LED" (Pin 1) Premuto Override manuale per accendere/spegnere i LED principali dell'area di lavoro (Pin 5).
Fotoresistenza (A3) > 450 + Modalità Auto ON Risparmio Energetico: Spegne automaticamente i LED principali per ridurre i consumi.

🧠 Stack Software & Integrazione IA

Il progetto presenta un'architettura software multi-livello disaccoppiata:

1. Il Controller (App Desktop Java)

Sviluppata in Java 23, questa applicazione funge da hub operativo centrale:

  • Integrazione WebView: Incorpora nativamente la dashboard locale ThingsBoard (porta 8080) per la visualizzazione dei dati in tempo reale.
  • Process Bridging: Gestisce il ciclo di vita e la comunicazione con il backend IA in Python tramite flussi di console.

2. L'Intelligenza (Python + LLM Locale)

Un servizio Python che fa da middleware tra i dati IoT e l'IA Generativa:

  1. Acquisizione Dati: Recupera la telemetria storica e i cambi di stato dalle API di ThingsBoard.
  2. Prompt Engineering: Formatta i dati grezzi in serie temporali trasformandoli in prompt contestuali ottimizzati per Ollama (Mistral:7b).
  3. Inferenza: L'LLM elabora i dati localmente per identificare inefficienze, prevedere trend e restituire insight pratici per il risparmio energetico direttamente alla console Java.

🚀 Configurazione & Avvio

Prerequisiti

Guida Rapida

  1. Provisioning Hardware: Collega i componenti secondo lo schema e carica lo sketch C++ fornito su Arduino.
  2. Piattaforma IoT: Configura il profilo del Dispositivo MQTT e le dashboard all'interno della tua istanza ThingsBoard.
  3. Inizializzazione Servizio IA: Avvia il server di inferenza locale Ollama: 
    ollama serve
  4. Avvio dell'Hub: Compila ed esegui l'applicazione Java per monitorare e ottimizzare il tuo ambiente.

📚 Documentazione & Approfondimenti

Per schemi di cablaggio dettagliati, diagrammi architetturali completi e guide passo-passo, fai riferimento alla Wiki del Progetto:

Progettato e Sviluppato da GiZano

Clone this wiki locally