Arduino reclamebord

Voor de module basiskennis statistiek, databases en netwerkmodellering moesten we, alleen of in groep, een dataproject maken. Het dataproject moest een businessvraag oplossen. Aangezien ik tevreden was van mijn Arduino project van het eerste semester, besloot ik om hiermee verder te werken. Ik deed dit niet alleen, maar samen met Bryan Tekieli en Charles Staelens.

Businessvraag

Wij wouden een oplossing bieden aan ondernemingen om gepaste advertenties te laten displayen op basis van temperatuur en aantal voorbijgangers. Onze Arduino bevat een temperatuurmeter en een sensor die meet hoeveel mensen er langs de advertentie lopen. Zo willen we, naargelang de temperatuur en drukte, bepalen welke advertentie het best geschikt is, en of de advertentie wel op een goede locatie zichtbaar is.

Oplossing

Onze Arduino is gebouwd in een houten doosje, met daarboven een thermometer en drie lichtjes die zullen branden naargelang de temperatuur. Het blauwe lichtje brandt als het onder 10 graden is. Het gele lichtje brandt tussen de 10 en de 20 graden. Tenslotte is er het rode lichtje, die brandt boven de 20 graden. Met deze info kan de adverteerder zijn advertentie gaan aanpassen, die wordt getoond op de lichtkrant.

Boven de lichtkrant zit ook een sensor, deze meet het aantal voorbijgangers. Met het aantal voorbijgangers weet de adverteerder hoeveel mensen zijn of haar advertentie lezen. Natuurlijk is dit niet exact, niet iedereen die voorbij de Arduino loopt, leest ook effectief de reclame. Het is wel nog steeds een goede inschatting die gemaakt kan worden. Als de adverteerder vaststelt dat er niet veel mensen voorbij de advertentie lopen, kan het gunstig zijn om die van locatie te veranderen.

Data analyse in Knime

Als we de Arduino data laten meten in Coolterm, kunnen we de data importeren in Excel als een CSV bestand. Hier zijn we natuurlijk nog niks mee, we kunnen hier namelijk nog geen data analyse mee doen.

Voordat we de data gaan analyseren in Knime, gaan we eerst nog zorgen dat dit csv bestand mooi wordt opgedeeld in 4 tabellen in Excel. Dit is zeer makkelijk te doen en zorgt ervoor dat het proces in Knime ook een stuk makkelijker zal verlopen.

Nu we de data gestructureerd hebben in Excel, kunnen we deze gaan importeren in Knime om die te analyseren. Ik zal voor dit blogbericht niet het hele Knime project uitleggen, als je geïnteresseerd bent in de uitleg rond de nodes en de uitkomst van de data analyse, dan kan je op deze link klikken waar ik in een video alles uitleg. Het resultaat in Knime zorgt ervoor dat de bezitter van het reclamebord kan beslissen of hij tevreden is met het aantal passanten, op welk tijdstip er het meest volk passeert, …

Data analyse in PowerBI

Aangezien de data in Knime naar onze smaak niet aantrekkelijk werd vertoond, besloten we om als afsluiter dit nog eens te importeren in PowerBI. Dit is ook een handige tool omdat je op gelijk welk punt kan staan en zo de waarden van zowel temperatuur, luchtvochtigheid en aantal voorbijgangers op gelijk welk tijdstip kan zien.

Feedback van medestudenten

De feedback van medestudenten (op deze video) was grotendeels positief. Ik moet werken op mijn intonatie, het lijkt namelijk dat ik niet trots ben op het project, wat ik zeker wel ben. Het is de feedback die ik wel verwacht had, ik ben hier wel tevreden mee.

Het was zeer leuk om verder te werken met de Arduino. Ik heb ook veel bijgeleerd van Excel, Knime en PowerBI. Deze tools zijn echt handig om te gebruiken, ook al was ik hier eerst niet van overtuigd als het om Knime ging. Ik ben ook blij dat de Arduino volledig werkt, ik had niet gedacht dat het me zou lukken.