Kun taustajärjestelmä on kunnossa, antureiden liittäminen on helppoa – lihamittari esimerkkinä

Hyvin suunniteltu ja toteuttu pohja on vahva tukijalka myös IoT-maailmassa. Näin on myös Kpedun koulutusaloille rakennettavissa oppimisympäristötoteutuksessa, jossa perinteisiä oppimisympäristöjä laajennetaan IoT:n avulla.

Meillä on käytössä IoT‑oppimisympäristö, jonka ytimessä toimii valmiiksi rakennettu taustajärjestelmä. Se on eräänlainen “pohjaverkko”, johon voidaan liittää hyvin erilaisia IoT‑laitteita ja antureita – lämpömittareista ilmanlaatuantureihin ja liiketunnistimista energiankulutusmittareihin. Järjestelmä on suunniteltu niin, että uusien antureiden lisääminen ei vaadi raskasta ohjelmointia tai erillisiä sovelluksia: riittää, että laite osaa lähettää dataa esimerkiksi Bluetoothin, WiFin tai MQTT‑viestinnän kautta, niin se saadaan mukaan kokonaisuuteen.

Lihan valmistaminen alusta loppuun

Yksi selkeä esimerkki elintarvikealan puolella tästä on tavallinen Bluetooth‑lihamittari. Monelle se on tuttu kotikeittiöstä, mutta kun se liitetään osaksi IoT‑oppimisympäristöä, se muuttuu aidoksi opetustyökaluksi. Kun mittari pistetään valmistettavaan ruokatuotteeseen, se alkaa lähettää lämpötilatietoa suoraan taustajärjestelmään. Home Assistant vastaanottaa datan, MQTT hoitaa viestien kulun, ja pilvipalvelu tallentaa kaiken reaaliaikaisesti.

Taustajärjestelmä tekee liki kaiken automaattisesti: se tunnistaa mittarin, tulkitsee sen lähettämät lukemat ja piirtää niistä selkeitä käyriä ja diagrammeja. Opiskelijat näkevät nopeasti, miten lihamittarin data virtaa järjestelmään ja miten esimerkiksi tärkeä jäähdytysprosessi etenee minuutti minuutilta. Jos lämpötilassa tapahtuu jotain yllättävää, järjestelmä voi lähettää hälytyksen tai korostaa poikkeaman graafilla.

Parasta on, että tämä sama periaate toimii kaikille antureille. Kun taustajärjestelmä on valmiina, yhden anturin lisääminen näyttää opiskelijoille heti, miten IoT‑ratkaisut oikeasti rakennetaan:

1. lisätään laite,
2. yhdistetään se järjestelmään,
3. seurataan dataa reaaliajassa.

Lihamittari on vain yksi esimerkki – se on helppo ymmärtää ja havainnollistaa suoraan oppitunnilla. Mutta samalla se osoittaa, että sama tekninen alusta taipuu moneen muuhunkin: ilmanlaadun mittaamiseen, energiankulutuksen seurantaan, kosteusantureiden dataan tai vaikkapa liiketunnistimien lähettämään dataan.

Kun pohja on kunnossa, avautuu monia uusia mahdollisuuksia. Ja juuri tämän opiskelijat saavat nähdä käytännössä.

Miten värinän tunnistaa?

Jos lihamittari toimi elintarvikealan puolella, voidaan kone- ja tuotantotalouden puolella liittää järjestelmään tärinäanturi. Laitteiden kunnossapidon puolella on tärkeä tunnistaa, milloin laitteet ovat huollon tarpeessa ennen kuin tulee totaalinen stoppi työlle, kun laitteet hajoavat.

Energiankulutus selvityksen alla

Sähkö- ja automaatioalalla anturi voidaan vaihtaa taas paremmin alalle sopivaksi. Esimerkiksi energinakulutusmittareilla voidaan tuottaa järjestelmään dataa, joka voidaan tuoda opiskelijoille näkyville. Näin heidän tietämyksensä oppimisympäristössä laajenee, kun energiankulutusta voidaan visualisointien avulla konkretisoida.