Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/40399Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Αναστασίου, Δημήτριος | el |
| dc.contributor.author | Anastasiou, Dimitrios | en |
| dc.date.accessioned | 2026-09-21T07:05:15Z | - |
| dc.date.available | 2026-09-21T07:05:15Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/40399 | - |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.20037 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | IoT | en |
| dc.subject | διαδίκτυο των αντικειμένων | el |
| dc.subject | αέριοι ρύποι | el |
| dc.subject | ανίχνευση και καταγραφή πρωτογενών αέριων ρύπων | el |
| dc.subject | Internet of Things | en |
| dc.subject | air pollutants | en |
| dc.subject | detection and recording of primary air pollutants | en |
| dc.title | Σύστημα ανίχνευσης και καταγραφής πρωτογενών αέριων ρύπων με τεχνολογίες του διαδικτύου των αντικειμένων. | el |
| dc.title | ΙoΤ system for detection and recording of primary air pollutants | en |
| dc.type | masterThesis | en |
| heal.type | masterThesis | el |
| heal.type.en | Master thesis | en |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| heal.classification | Διαδίκτυο των αντικειμένων | |
| heal.classification | Internet of things | |
| heal.dateAvailable | 2026-09-21T07:06:16Z | - |
| heal.language | el | el |
| heal.access | free | el |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.publicationDate | 2026-09 | - |
| heal.abstract | Η παρούσα διπλωματική εργασία επικεντρώνεται στον σχεδιασμό και την υλοποίηση ενός προηγμένου, χαμηλού κόστους συστήματος παρακολούθησης αέριων ρύπων σε βιομηχανικό περιβάλλον, χρησιμοποιώντας τεχνολογίες Βιομηχανικού Διαδικτύου των Αντικειμένων (Industrial IoT). Στόχος της μελέτης είναι η δημιουργία μιας οικονομικά προσιτής και τεχνικά αξιόπιστης λύσης που προάγει τον εκδημοκρατισμό των δεδομένων πεδίου, καταρρίπτοντας τα παραδοσιακά σιλό πληροφορίας και επιτρέποντας τη διαρκή εποπτεία της ποιότητας του αέρα για την πρόληψη εργατικών ατυχημάτων. Η προτεινόμενη διάταξη βασίζεται σε μια υβριδική συστοιχία αναλογικών αισθητήρων (σειράς MQ) και ψηφιακών αισθητήρων υψηλής ακρίβειας (SCD30 και BME680), οι οποίοι είναι συνδεδεμένοι σε έναν μικροελεγκτή Arduino Mega 2560. Λόγω των εγγενών περιορισμών του μικροελεγκτή σε πόρους και δικτυακή συνδεσιμότητα, εισάγεται μια αρχιτεκτονική Edge Computing μέσω ενός ενδιάμεσου σταθμού εργασίας (Edge Gateway) που εκτελεί κώδικα Python. Το Gateway αναλαμβάνει τη συλλογή των δεδομένων μέσω σειριακής επικοινωνίας, την εκτέλεση υβριδικών αλγορίθμων διόρθωσης και τοπικού φιλτραρίσματος (αξιοποιώντας τις ψηφιακές ενδείξεις θερμοκρασίας και υγρασίας για την αντιστάθμιση των αναλογικών στοιχείων), καθώς και την ασφαλή προώθηση των μετρήσεων σε μορφή JSON στην Cloud πλατφόρμα Thinger.io. Επιπλέον, για τη διασφάλιση της επιχειρησιακής συνέχειας, οι απαιτήσεις «υγείας» του συστήματος (System Health) ομαδοποιούνται σε δύο επίπεδα: στις απαιτήσεις υλικού (χρόνος προθέρμανσης και σταθερότητα τάσης αισθητήρων/μικροελεγκτή) και στις απαιτήσεις εφαρμογής/δικτύου (κατάσταση συνδεσιμότητας και τοπική αποθήκευση δεδομένων). Μέσω της συγκριτικής ανάλυσης με τα παραδοσιακά συστήματα SCADA και της εμβάθυνσης σε βιομηχανικά πρωτόκολλα όπως το OPC-UA και το MQTT, η εργασία αναδεικνύει τα πλεονεκτήματα των Cloud-native λύσεων όσον αφορά την επεκτασιμότητα,την ασφάλεια (κρυπτογράφηση TLS/SSL) και την προσβασιμότητα. Τα πειραματικά αποτελέσματα επιβεβαίωσαν την ικανότητα του συστήματος για έγκαιρη ανίχνευση επικίνδυνων συγκεντρώσεων αερίων (𝐶𝑂, 𝐶𝑂2, 𝑉𝑂𝐶𝑠) με βάση το ευρωπαϊκό νομοθετικό πλαίσιο, καθώς και την άμεση ενημέρωση του προσωπικού μέσω δυναμικών dashboards και αυτοματοποιημένων ειδοποιήσεων. | el |
| heal.abstract | This thesis focuses on the design and implementation of an advanced, cost-effective air pollutant monitoring system in an industrial environment, utilizing Industrial Internet of Things (IIoT) technologies. The objective of the study is to create an affordable and technically reliable solution that promotes the democratization of field data, breaking down traditional data silos and enabling continuous air quality supervision for industrial accident prevention. The proposed system consists of a hybrid array of analog sensors (MQ-series) and high-precision digital sensors (SCD30 and BME680) connected to an Arduino Mega 2560 microcontroller. Due to the microcontroller’s inherent memory constraints and lack of native networking capabilities, an Edge Computing architecture is implemented using an intermediate workstation (Edge Gateway) running a custom Python script. The Gateway handles data ingestion via serial communication, performs hybrid environmental correction and filtering algorithms (utilizing digital temperature and humidity readings to compensate for the analog elements), and securely transmits the processed data as JSON payloads to the Thinger.io Cloud platform. Furthermore, to ensure operational integrity, the system health metrics are systematically classified into hardware-level requirements (sensor warm-up time and voltage stability) and application/network-level requirements (connectivity status and local data buffering). Through a comparative analysis with traditional SCADA systems and an in-depth examination of industrial standards such as OPC-UA and MQTT, this work highlights the advantages of Cloud-native solutions in terms of scalability, security (via TLS/SSL encryption), and data accessibility. Experimental results confirmed the system's capability for early detection of hazardous gas concentrations (𝐶𝑂, 𝐶𝑂2, 𝑉𝑂𝐶𝑠) aligned with European regulatory limits, providing immediate personnel alerts through dynamic web dashboards and automated notification systems. | en |
| heal.advisorName | Δουμένης, Γρηγόριος | el |
| heal.committeeMemberName | Στύλιος, Χρυσόστομος | el |
| heal.committeeMemberName | Τσορμπατζόγλου, Ανδρέας | el |
| heal.academicPublisher | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.academicPublisherID | uoi | el |
| heal.numberOfPages | 100 | el |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΤΠΤ | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Μ.Ε. Αναστασίου Δημήτριος (2026).pdf | 3.08 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
