Baixe Sistema Inteligente de Medição de Água em Campus Universitário: Abordagem IoT e outras Teses (TCC) em PDF para Análise de Redes Elétricas, somente na Docsity!
Instituto Federal de Educação, Ciência e Tecnologia da Paraíba
Campus João Pessoa
Programa de Pós-Graduação em Tecnologia da Informação
Nível Mestrado Profissional
ÁTILA DE SOUZA MEDEIROS
MONITORAMENTO E MEDIÇÃO DE ÁGUA EM UM
CAMPUS INTELIGENTE COM PLATAFORMAS DE IOT
DISSERTAÇÃO DE MESTRADO
JOÃO PESSOA
Átila de Souza Medeiros
Monitoramento e medição de água em um campus inteligente
com plataformas de IoT
Dissertação apresentada como requisito parcial
para obtenção do título de Mestre em Tecno-
logia da Informação, pelo Programa de Pós-
Graduação em Tecnologia da Informação do
Instituto Federal de Educação, Ciência e Tec-
nologia da Paraíba – IFPB.
Orientador: Profº. D.Sc. Ruan Delgado Gomes.
Coorientador: Profº. D.Sc. Anderson Fabiano
Batista Ferreira da Costa.
João Pessoa
MINISTÉRIO DA EDUCAÇÃO
SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DA PARAÍBA
PROGRAMA DE PÓS-GRADUAÇÃO STRICTO SENSU
MESTRADO PROFISSIONAL EM TECNOLOGIA DA INFORMAÇÃO
ÁTILA DE SOUZA MEDEIROS
MONITORAMENTO E MEDIÇÃO DE ÁGUA EM UM CAMPUS INTELIGENTE COM PLATAFORMAS
DE IOT
Dissertação apresentada como requisito para obtenção do
título de Mestre em Tecnologia da Informação, pelo Programa
de Pós- Graduação em Tecnologia da Informação do Instituto
Federal de Educação, Ciência e Tecnologia da Paraíba –
IFPB - Campus João Pessoa.
Aprovado em 15 de fevereiro de 2023
Membros da Banca Examinadora:
Dr. Ruan Delgado Gomes
IFPB - PPGTI
Dr. Anderson Fabiano Batista Ferreira da Costa
IFPB - PPGTI
Dra. Luciana Pereira Oliveira
IFPB - PPGTI
Dr. José Antônio Cândido Borges da Silva
IFPB - Campus Campina Grande
Dr. Abel Cavalcante Lima Filho
UFPB
João Pessoa/ 2023
Código Verificador: Código de Autenticação: Documento assinado eletronicamente por: R Ruuaann DDeellggaaddoo GGoommeess, PPRROOFFEESSSSOORR EENNSS BBAASSIICCOO TTEECCNN TTEECCNNOOLLOOGGIICCOO, em 15 / 02 / 2023 17 : 00 : 19. L Luucciiaannaa PPeerreeiirraa OOlliivveeiirraa, PPRROOFFEESSSSOORR EENNSS BBAASSIICCOO TTEECCNN TTEECCNNOOLLOOGGIICCOO, em 15 / 02 / 2023 17 : 02 : 52. A Annddeerrssoonn FFaabbiiaannoo BBaattiissttaa FFeerrrreeiirraa ddaa CCoossttaa, PPRROOFFEESSSSOORR EENNSS BBAASSIICCOO TTEECCNN TTEECCNNOOLLOOGGIICCOO, em 15 / 02 / 2023 17 : 16 : 30. J Joossee AAnnttoonniioo CCaannddiiddoo BBoorrggeess ddaa SSiillvvaa, PPRROOFFEESSSSOORR EENNSS BBAASSIICCOO TTEECCNN TTEECCNNOOLLOOGGIICCOO, em 18 / 02 / 2023 12 : 41 : 02. A Abbeell CCaavvaallccaannttee LLiimmaa FFiillhhoo, PPRROOFFEESSSSOORR DDEE EENNSSIINNOO SSUUPPEERRIIOORR NNAA ÁÁRREEAA DDEE OORRIIEENNTTAAÇÇÃÃOO EEDDUUCCAACCIIOONNAALL, em 02 / 03 / 2023 15 : 35 : 55. Este documento foi emi@do pelo SUAP em 13 / 02 / 2023. Para comprovar sua auten@cidade, faça a leitura do QRCode ao lado ou acesse hBps://suap.ifpb.edu.br/auten@car- documento/ e forneça os dados abaixo: 388753 14 cb 8 bed 69
Av. Primeiro de Maio, 720 , Jaguaribe, JOÃO PESSOA / PB, CEP 58015 - 435
http://ifpb.edu.br - ( 83 ) 3612 - 1200
RESUMO
A escassez de recursos hídricos é uma realidade que assola diversos países no mundo e tende a
se agravar nos próximos anos em virtude do crescimento populacional, das mudanças climáticas
e da má gestão dos sistemas de distribuição de água, principalmente em países subdesenvolvidos,
no qual os índices de perdas de água potável nesses sistemas são alarmantes. No Brasil, dados do
Sistema Nacional de Informações sobre Saneamento (SNIS) informam que o indicador médio
de perda de água potável não contabilizada ou perdida na distribuição em 2021 chegou ao
impactante índice de 40,14%, ou seja, a cada 100 litros de água tratada, mais de 40 litros são
desperdiçados ao longo do sistema de distribuição de água. Uma saída para melhorar a gestão
dos recursos hídricos e reduzir indicadores de perdas em sistemas de distribuição de água está
em soluções IoT (Internet of Things) de sistemas de monitoramento e “medição inteligente de
água” (Smart Water Metering), no qual medidores inteligentes de água (Smart Water Meters)
permitem o monitoramento e a medição em tempo real de diversos parâmetros do sistema, como
por exemplo: pressão, vazão e qualidade da água, como também possibilitam o acionamento
de válvulas e bombas hidráulicas de forma remota e automática. Com isso, o uso de soluções
IoT vem ganhando cada vez mais destaque e popularidade tanto no âmbito comercial quanto no
âmbito acadêmico, no qual as universidades desempenham um papel fundamental na busca por
novas soluções e desenvolvimento de aplicações inteligentes baseadas em tecnologias de IoT, em
um processo que interconecta pessoas, serviços, processos e coisas, tornando as universidades
em Campi Inteligentes. Nesse contexto, o presente trabalho apresenta os resultados de uma
solução de medição inteligente de água, baseada em tecnologias de IoT de baixo custo, que foi
implantada no Campus Campina Grande do IFPB, como um projeto piloto e uma iniciativa para
torna-lo um campus inteligente (Smart Campus). O artefato desenvolvido se destaca pelo uso
da tecnologia LoRa® e do middleware Dojot na camada de aplicação, em vez de soluções na
nuvem, com uma comunicação bidirecional através do LoRa® gateway Dragino LG02. Ademais,
foram realizadas adaptações de metodologias metrológicas estabelecidas em normas brasileiras
vigentes para calibração do sensor de vazão do medidor inteligente de água desenvolvido, o
cálculo do índice de desempenho do medidor e da incerteza da medição. Os resultados obtidos
com a solução desenvolvida demonstram um índice de desempenho da medição de 97,83% e
uma margem de erro de indicação menor do que ± 2 % para as faixas de vazão calibradas para
o sensor de vazão (FS400A) utilizado. A comunicação LoRa® se mostrou estável com índice
médio de indicador de intensidade do sinal recebido (RSSI) no gateway de -89 dBm e uma
taxa de perda de pacote de 0,35%. O Dojot, embora seja uma solução relativamente nova no
mercado, se comportou de forma satisfatória, dando indícios de que pode ser utilizada como
uma ferramenta de produção em um futuro próximo, sendo uma opção viável para um campus
inteligente.
Palavras-chaves: Medição Inteligente de Água; LoRa®; Dojot; IoT.
ABSTRACT
The scarcity of water resources is a reality that affects many countries in the world and tends to
worsen in the coming years due to population growth, climate change and poor management
of water distribution systems, especially in underdeveloped countries, in which the rates of
loss of potable water in these systems are alarming. In Brazil, data from the National Sanita-
tion Information System (SNIS) report that the average indicator of unaccounted for or lost
drinking water loss in distribution in 2021 reached the impressive rate of 40.14%, that is, for
every 100 liters of treated water, more than 40 liters are wasted along the water distribution
system. A way to improve management of water resources and reduce indicators of losses in
water distribution systems is in IoT (Internet of Things) solutions for monitoring systems and
“intelligent measurement of water” (Smart Water Metering), in which smart water meters (Smart
Water Meters) allow real-time monitoring and measurement of various system parameters, such
as for example: pressure, flow and water quality, as well as enabling the activation valves and
hydraulic pumps remotely and automatically. Therefore, the use of solutions IoT is gaining more
and more prominence and popularity both in the commercial field and in the academic scope,
in which universities play a fundamental role in the search for new solutions and development
of intelligent applications based on IoT technologies, in a process that interconnects people,
services, processes and things, making universities in Smart Campi. In this context, this paper
presents the results of a smart water metering solution, based on low-cost IoT technologies,
which was implanted in the IFPB Campina Grande Campus, as a pilot project and an initiative
to makes it an intelligent campus (Smart Campus). The artifact developed stands out for its
use of LoRa® technology and Dojot middleware at the application layer, instead of solutions
at the cloud, with two-way communication through the LoRa® gateway Dragino LG02. Fur-
thermore, adaptations of metrological methodologies established in Brazilian standards were
carried out current regulations for calibrating the flow sensor of the smart water meter developed,
the calculation of meter performance index and measurement uncertainty. The obtained results
with the developed solution demonstrate a measurement performance index of 97.83% and a
margin of indication error of less than ± 2% for the calibrated flow ranges for the flow sensor
(FS400A) used. The LoRa® communication proved to be stable with an index average received
signal strength indicator (RSSI) on the gateway of -89 dBm and a 0.35% packet loss rate. Dojot,
although a relatively new solution in the market, behaved satisfactorily, giving indications that
it can be used as a a production tool in the near future, being a viable option for a campus
intelligent.
Key-words: Smart Water Metering; LoRa®; Dojot; IoT.
Figura 24 – Dashboard de visualização da base de dados no Mongo Express. Fonte: Autoria própria................................. 78 Figura 25 – Dashboard de buckets do InfluxDB. Fonte: Autoria própria.......... 79 Figura 26 – Dashboard do pgAdmin. Fonte: Autoria própria................ 79 Figura 27 – Dashboard de containers no InfluxDB. Fonte: Autoria própria........ 81 Figura 28 – Dashboard de containers no InfluxDB. Fonte: Autoria própria........ 82 Figura 29 – Dashboard de visualização de dados no MongoDB Express. Fonte: Autoria própria..................................... 82 Figura 30 – Cenário da comunicação LoRa®. Fonte: Autoria Própria........... 84 Figura 31 – Setup de configurações do LoRa® gateway Dragino LG02. Fonte: Autoria Própria..................................... 85 Figura 32 – Script MQTT do gateway Dragino LG02. Fonte: Dragino.......... 86 Figura 33 – Configurações de canais no LG02 (A) e exemplo de código para envio de pacote LoRa® (B). Fonte: Autoria Própria................... 86 Figura 34 – Característica da potência do sinal recebida no gateway Dragino LG02. Fonte: Autoria Própria................................. 87 Figura 35 – Protótipo inicial. Fonte: Autoria própria.................... 90 Figura 36 – Caracterização do perfil de consumo do campus com protótipo inicial. Fonte: Autoria própria................................. 90 Figura 37 – Caracterização do perfil de consumo do campus com protótipo final. Fonte: Autoria própria................................. 91 Figura 38 – Comparação do volume total contabilizado entro o SMMIA e o hidrometro SAGA da CAGEPA com o solenoide desenergizado. Fonte: Autoria própria. 92 Figura 39 – Caracterização da pressão no cavalete de entrada de água do campus. Fonte: Autoria própria................................. 94 Figura 40 – Caracterização da pressão no cavalete de entrada de água do campus. Fonte: Autoria própria................................. 94 Figura 41 – Diagrama de uma instalação para calibração por pesagem (método está- tico (1C), alimentação por bombeamento direto). Fonte: ABNT NBR ISO 4185:2009.................................... 95 Figura 42 – Diagrama da bancada adaptada para calibração do sensor de vazão FS400A G1"(método estático, alimentado por pressurização direta). Fonte: Autoria Própria..................................... 97 Figura 43 – Bancada adaptada ao método estático 1C da ABNT NBR ISO 4185:2009. Fonte: Autoria Própria............................. 98 Figura 44 – Fluxograma do processo de medição. Fonte: Autoria Própria......... 98 Figura 45 – Comportamento da pressão estática na bancada adaptada com pressurizador configurado em 1,0 bar. Fonte: Autoria Própria................ 99
Figura 46 – Comportamento da pressão estática na bancada adaptada com pressurizador configurado em 1,5 bar. Fonte: Autoria Própria................ 99 Figura 47 – Comportamento da pressão estática na bancada adaptada com pressurizador configurado em 2 bar. Fonte: Autoria Própria................. 100 Figura 48 – Comportamento da pressão estática na bancada adaptada. Fonte: Autoria Própria..................................... 101 Figura 49 – Imagens de medição da pressão estática no manômetro analógico. Fonte: Autoria Própria................................. 101 Figura 50 – Erro de indicação da balança. Fonte: Autoria Própria............. 102 Figura 51 – Gráfico do erro de indicação obtido no processo de calibração. Fonte: Autoria Própria..................................... 103 Figura 52 – Resumo das medições. Fonte: Autoria Própria................. 109
LISTA DE ABREVIATURAS E SIGLAS
AESBE Associação Brasileira das Empresas Estaduais de Saneamento
AMQP Advanced Message Queuing Protocol
ANA Agência Nacional das Águas
Anatel Agência Nacional de Telecomunicações
API Application Programming Interface
AWS Amazon Web Services
CoAP Constrained Application Protocol
CPqD Centro de Pesquisa e Desenvolvimentoem Telecomunicações
CR Code Rate
CSS ChirpSpread Spectrum
DC Direct Current
DDS Data Distribution Service
DE Diâmetro Externo
DS Design Science
DSR Design Science Research
EMA Erro Máximo Admissível
ESP32 Espressif 32
FSK Frequency-shift keying
GUM Guia para Avaliação da Incerteza daMedição
HTTP Hypertext Transfer Protocol
I/Os Input / Output
IDM Índice de Desempenho do Medidor
IFPB Instituto Federal de Educação, Ciência e Tecnologia da Paraíba
Inmetro Instituto Nacional de Metrologia, Qualidade e Tecnologia
IoT Internet of Things IPF Índice de Perda de Faturamento ISO International Organization for Standardization ITB Intituto Trata Brasil JWT JSON Web Token Li-Po Polímero de Lítio LoRa® Long Range MDR Ministério do Desenvolvimento Regiona MQTT Message Queuing Telemetry Transport MVP Minimum Viable Product NBR Norma Brasileira OLED Organic Light Emitting Diode ONU Organização das Nações Unidas PHY Physical Layer PWAN Low Power Wide Area Networks QoS Quality of Service RAM Random Access Memory REST Representational State Transfer RTM Regulamento Técnico Metrológico SF Spread Spectrum SI Sistema Internacional Siga Sistema de Gerenciamento de Água SMMIA Sistema de Monitoramento e Medição Inteligente de Água SNIS Sistema Nacional de Informações Sobre Saneamento SoC System on Chip SWG Smart Water Grid
LISTA DE SÍMBOLOS
ai Metade da faixa estimada de um componente da incerteza, associada com a
estimativa da entrada xi
c Combinada
ci Coeficiente de sensibilidade usado para multiplicar a incerteza na estimativa
da entrada, xi , para obter a incerteza da estimativa da saída, y
c⇤ i Coeficiente de sensibilidade relativo utilizado para multiplicar a incerteza
relativa na estimativa da entrada, xi , com o objetivo de se obter o efeito
relativo de uma mudança relativa na grandeza de entrada, na incerteza
relativa da estimativa da saída y
EP Erro ponderado
f Relação funcional entre estimativas do mensurando, y , e estimativas da
entrada, Xi , da qual y depende
h Hora
i Da i-ésima entrada
K Fator de abrangência empregado para calcular a incerteza expandida U
L Litro
m³ Metro cúbico
N Da N ésima entrada
n Da n ésima observação
Q Vazão expressa em metros cúbicos por segundo, nas condições de escoa-
mento
S( X¯) Desvio-padrão experimental da média aritmética ¯X
U Incerteza Expandida
U ⇤^ Incerteza Expandida Relativa
u(x) Incerteza Padrão
uc Incerteza Combinada
uc (y) Incerteza-padrão combinada relativa, associada com a estimativa da saída y u⇤ c (y) Incerteza-padrão combinada, associada com a estimativa da saída y u(Xi ) Incerteza-padrão associada, com a estimativa da entrada, xi u( X¯i ) Desvio-padrão da média de medições repetidas x De x x ¯ Média aritmética ou média de n observações repetidas, xm , de grandezas variando aleatoriamente, x xi Estimativa da grandeza de entrada, Xi xm m ésima observação de uma grandeza aleatória, x Dxi Incremento em xi usado para a determinação numérica do coeficiente de sensibilidade y Estimativa do mensurando,Y Dy Incremento em y encontrado na determinação numérica do coeficiente de sensibilidade mudança relativa na grandeza de entrada, na incerteza relativa da estimativa da saída y ∂ y / ∂ xi Derivada parcial com relação à grandeza de entrada xi da relação funcional f entre o mensurando e as grandezas de entrada ® Marca Registrada ™ Marca Comercial  Somatório
APÊNDICE B – MÉDIA E DESVIO-PADRÃO DOS
- rede sem fio. Tabela 1 – Comparação entre alcance de sinal e consumo energético das tecnologias de
- lhamento (SF). Tabela 2 – Características de propagação de sinal LoRa® em relação ao Fator de Espa-
- Tabela 3 – Características dos trabalhos relacionados.
- Tabela 4 – Requisitos de hardware para instalação do Dojot.
- Tabela 5 – Setup inicial da camada física LoRa®.
- Tabela 6 – Parâmetros para determinação do erro de indicação e IDM.
- Tabela 7 – Lista de ferramentas, materiais e dispositivos utilizados.
- Tabela 8 – Atributos da aplicação SMMIA configurados no dispositivo 41719c do Dojot.
- Tabela 9 – Dados de métricas de serviços do Dojot extraídos da ferramenta "docker stats".
- Tabela 10 – Faixas de vazão de ensaio.
- Tabela 11 – Consumo médio de água do campus no ano de 2022 em metros cúbicos.
- total contabilizado (m3). Tabela 12 – Acompanhamento das soluções (SAGA e SMMIA) na totalização do volume
- vazão. Tabela 13 – Exemplo dos demais parâmetros coletados durante a calibração do sensor de
- Tabela 14 – Fatores de correção (M) da calibração utilizados.
- Tabela 15 – Resultado ensaio curva de erro para vazão de 250 l/h ou 4,167 l/min.
- Tabela 16 – Resultado ensaio curva de erro de indicação para vazão de 450 l/h ou 7,5 l/min.
- Tabela 17 – Resultado ensaio curva de erro de indicação para vazão de 700 l/h ou 11,
- Tabela 18 – Resultado ensaio curva de erro de indicação para vazão de 1000 l/h ou 16,
- Tabela 19 – Resultado ensaio curva de erro de indicação para vazão de 1325 l/h ou 22,
- Tabela 20 – Exemplo do cálculo do IDM para as três primeiras medições.
- 1 INTRODUÇÃO
- 1.1 Motivação e Definição do Problema
- 1.2 Objetivos
- 1.2.1 Objetivo geral
- 1.2.2 Objetivos específicos
- 1.3 Estrutura do Documento
- 2 FUNDAMENTAÇÃO TEÓRICA
- 2.1 Metrologia
- 2.1.1 Sistema de Medição
- 2.1.2 Medição
- 2.1.3 Incerteza da Medição
- 2.1.4 Modelo de Medição ou Modelo Matemático
- 2.1.5 Calibração, Verificação e Validação
- 2.2 Redes LPWAN (Low Power Wide Area Network)
- 2.2.1 LoRa®
- 2.3 Protocolos de Camada de Aplicação IoT
- 2.3.1 MQTT (Message Queuing Telemetry Transport)
- 2.4 Middleware IoT
- 2.4.1 Dojot
- 2.5 Sistemas Embarcados
- 2.5.1 WIFI LoRa®
- 2.6 Trabalhos Relacionados
- 3 METODOLOGIA
- 3.1 Contribuições da Pesquisa
- 3.2 Aplicabilidade
- 3.3 Método
- 3.3.1 Método Design Science Research
- 3.3.2 Plano de Ação de Desenvolvimento e Implantação do Artefato
- 3.3.2.1 Instalação e configuração do middleware Dojot
- 3.3.2.2 Desenvolvimento do software embarcado
- 3.3.2.3 Testes, verificação de sensores e comunicação com o Dojot
- 3.3.2.4 Caracterização do perfil de consumo de água do campus
- 3.3.2.5 Ensaio para calibração do sensor de fluxo
- 3.3.2.6 Cálculo da incerteza da medição e índice de desempenho do medidor
- 3.3.2.7 Montagem e instalação do protótipo
- 3.3.2.8 Monitoramento do sistema de medição inteligente de água
- 3.4 Ferramentas, Dispositivos e Materiais Utilizados
- 4 RESULTADOS
- 4.1 Protótipo SMMIA
- 4.1.1 Arquitetura da Solução
- 4.1.1.1 Camada Física
- 4.1.1.2 Camada de Rede
- 4.1.1.3 Camada de Aplicação
- 4.2 Middleware Dojot
- 4.2.1 Avaliação Antes da Coleta de Dados
- 4.2.2 Avaliação Após a Coleta de Dados
- 4.3 Comunicação LoRa®
- 4.4 Caracterização do Perfil de Consumo
- 4.5 Calibração do Sensor de Vazão
- 4.6 Índice de Desempenho da Medição - IDM, e Incerteza da Mediação
- 5 CONCLUSÕES
- 5.1 Trabalhos Futuros
- REFERÊNCIAS BIBLIOGRÁFICAS
- APÊNDICES
- APÊNDICE A – TABELA COMPLETA DO CÁLCULO DO IDM
- CALIBRAÇÃO DO SENSOR FS400A PARÂMETROS AUXILIARES NO PROCESSO DE
1 INTRODUÇÃO
A água, o elemento mais precioso e essencial à vida terrestre, está em risco; é o que
aponta a organização não governamental ambientalista World Resources Institute (WRI), por
meio do seu projeto global de monitoramento e mapeamento de riscos hídricos: o Aqueduct
Water Risk Atlas^1 (WRI, 2021). Ainda de acordo com (WRI, 2021), “mais de 1 bilhão de pessoas
já vivem atualmente em regiões de escassez de água, e cerca de 3,5 bilhões podem sofrer escassez
de água até 2025”. No Brasil, segundo (ANA, 2020), “cerca de 22 milhões de pessoas foram
afetadas por secas e estiagens em 2019, no qual aproximadamente 94% das pessoas afetadas
pela seca vivem na região Nordeste”.
Neste cenário de iminente escassez dos recursos hídricos, as cidades enfrentam enormes
desafios para gerenciar seus recursos naturais vitais, forçando-as a se reinventarem e criarem
soluções tecnológicas otimizadas e sustentáveis para se tornarem “cidades inteligentes” (ou
Smart Cities) (RUSSO; RINDONE; PANUCCIO, 2014; EC, 2021). As Smart Cities podem ser
definidas como grandes centros urbanos que utilizam tecnologias inovadoras na gestão pública,
como também em suas infraestruturas, para melhorar aspectos socioeconômicos de uma região,
visando o desenvolvimento urbano sustentável e planejado em prol da qualidade de vida dos
cidadãos (VERSTAEVEL; BOES; GLEIZES, 2017; NEVES et al., 2017).
Diversas soluções desenvolvidas para as Smart Cities nascem em campi universitários,
em que de acordo com (MOTTA; LIMA; CUNHA, 2018), o “limite físico do campus não é
mais definido e são projetados edifícios com funções mistas, podendo ser utilizada tanto pela
comunidade acadêmica quanto pela população”, o que para (VERSTAEVEL; BOES; GLEIZES,
2017) os tornam verdadeiros laboratórios vivos e parceiros ideais para cidades que buscam
explorar e promover iniciativas de cidades inteligentes.
Segundo (NEVES et al., 2017), o “modelo de uma Smart City pode ser escalado e
adaptado para as universidades”, criando o conceito de “campus inteligente” ou Smart Campus",
no qual as instituições adotam tecnologias de Internet das Coisas (Internet of Things - IoT) para
criar aplicações inteligentes, servindo como verdadeiros bancos de testes (OBERASCHER et
al., 2022), voltadas ao controle e monitoramento remoto das instalações e serviços do campus
como, por exemplo, serviços de energia elétrica, iluminação, água, estacionamento, entre outros,
proporcionando o desenvolvimento sustentável, reduzindo custos e desperdícios (FACENS,
No contexto das aplicações inteligentes, a medição inteligente de água (ou Smart Water
Metering) surge como uma aplicação baseada em tecnologias IoT, que visam minimizar a
escassez hídrica dos grandes centros urbanos por meio da leitura remota e automática de pontos
1 Disponível em: ATER RISK ATLAS.. Acessado em: 25 de ja. de 2023.
