Resumen de Análisis de la Escena en la Cocina por Medio de Sensores IoT Diseñados Basados en el Microcontrolador Node MCU ESP8266 y Conectados al Servidor ThingSpeak

Yeny Y. Muñoz, Omar D. Castrillón Gómez, Luis F. Castillo, Carlos López Botero

• español

  Este articulo presenta el diseño de diferentes sensores para la cocina usando como base el microcontrolador Node MCU ESP8266, y su comunicación con el servidor ThingSpeak, en primera medida se realizó la prueba de cada sensor para analizar su funcionamiento, luego se llevó a cabo el diseño de las PCB por medio del programa PROTEUS, después se efectuó el montaje electrónico, y por último se implementó la comunicación con el servidor ThingSpeak vía wifi, la cual permitió ver diferentes gráficas de los estados de los sensores en intervalos de 10 segundos, y realizar el análisis de la escena en la cocina. Se concluye que el sistema tiene un porcentaje del 100% de eficiencia cuando se usa el sensor de magnético de puerta, el sensor de corriente y el sensor de flujo de agua, y tiene una efectividad del 86,2% respecto al sensor de movimiento, y el análisis realizado por medio gráficas adquiridas en el servidor ThingSpeak fue óptimo dado que se pudo establecer la cantidad de datos adquiridos, un intervalo de tiempo aproximado de duración de la adquisición de datos, y una fecha exacta donde los sensores cambiaron de estado.

• English

  This article presents the design of several sensors used in a kitchen environment, using a MCU ESP8266 node microcontroller as a base, which communicates with the ThingSpeak server. Firstly, each sensor was tested to analyze its functioning, then PCBs were designed using PROTEUS; afterwards, electronic circuit was designed and mounted and finally, communication with the server was implemented via Wi-Fi. This allowed to determine different states of the sensor by 10 seconds intervals and to analyze the kitchen scene setting. It is concluded that the system is 100,0% efficient when magnetic door, current and water flow sensors are used; and displays an 86,2% efficiency with the movement sensor and the analysis via acquired graphics in the ThingSpeak server showed optimal results because the amount and time interval of data acquisition and date of sensors state change, were established accordingly.