Using the PI ProcessBook software tool to monitor room occupancy in Smart Home Care

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F18%3A10241540" target="_blank" >RIV/61989100:27240/18:10241540 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/8531108" target="_blank" >https://ieeexplore.ieee.org/document/8531108</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/HealthCom.2018.8531108" target="_blank" >10.1109/HealthCom.2018.8531108</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Using the PI ProcessBook software tool to monitor room occupancy in Smart Home Care

Popis výsledku v původním jazyce

To monitor and visualize the operational and technical functions in Smart Home Care (SHC), it is necessary to use a robust SW tool to provide user-friendly display of the measured quantities with the ability of well-arranged preparation of the acquired data for further processing and analysis. This article describes the use of the PI (Plant Information enterprise information system) System software tool for visualization and indirect monitoring of occupancy of SHC rooms from the measured operational and technical quantities. Within the further processing of the measured data, the method of predicting the CO2 waveform using neural networks from the measured temperature indoor Ti (oC) and the relative humidity indoor rHi (%) with the subsequent use of trend signal detection based on wavelet transform is devised. (C) 2018 IEEE.

Název v anglickém jazyce

Using the PI ProcessBook software tool to monitor room occupancy in Smart Home Care

Popis výsledku anglicky

To monitor and visualize the operational and technical functions in Smart Home Care (SHC), it is necessary to use a robust SW tool to provide user-friendly display of the measured quantities with the ability of well-arranged preparation of the acquired data for further processing and analysis. This article describes the use of the PI (Plant Information enterprise information system) System software tool for visualization and indirect monitoring of occupancy of SHC rooms from the measured operational and technical quantities. Within the further processing of the measured data, the method of predicting the CO2 waveform using neural networks from the measured temperature indoor Ti (oC) and the relative humidity indoor rHi (%) with the subsequent use of trend signal detection based on wavelet transform is devised. (C) 2018 IEEE.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/EF16_019%2F0000867" target="_blank" >EF16_019/0000867: Centrum výzkumu pokročilých mechatronických systémů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2018 IEEE 20th International Conference on e-Health Networking, Applications and Services, Healthcom 2018

ISBN

978-1-5386-4294-8

ISSN

—

e-ISSN

neuvedeno

Počet stran výsledku

6

Strana od-do

1-6

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Ostrava

Datum konání akce

17. 9. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—