Smart home automation systems have become increasingly popular due to their convenience and comfort. These systems allow users to control various parameters such as lighting, temperature, and security from a single device. However, these systems often lack the ability to learn from user data and adapt to individual preferences. This thesis proposes a user-defined smart home automation system that utilizes machine learning (ML) algorithms to provide a personalized homeowner experience. The system includes features such as lighting, humidity, gas leakage, fire alarm control for safety purposes, and the ability for users to open or close doors and windows and monitor ambient temperature, humidity, and gas levels. The system's ML algorithms learn from user data to create a customized experience. The user-defined approach ensures that the smart home automation system adapts to the user's specific needs and preferences, providing a unique and optimized experience. Additionally, the system's interface allows users to control various parameters manually and view data in real time. The system's effectiveness in terms of energy efficiency, cost savings, and user satisfaction is evaluated, showing that the proposed user-defined smart home automation system significantly enhances homeowners' quality of life while promoting energy efficiency and sustainability. This research provides insights into the development of advanced and user-friendly smart home automation systems, with a particular focus on the importance of the system's interface in providing a personalized experience.
Sistema di Automazione Domestica Definito dall'Utente con Intelligenza Artificiale. Sistemi di automazione per la casa intelligente sono diventati sempre più popolari grazie alla loro comodità e comfort. Questi sistemi permettono agli utenti di controllare vari parametri come illuminazione, temperatura e sicurezza da un singolo dispositivo. Tuttavia, spesso questi sistemi mancano della capacità di apprendere dai dati degli utenti e di adattarsi alle preferenze individuali. In questa tesi, viene proposto un sistema di automazione per la casa intelligente definito dall'utente che utilizza algoritmi di apprendimento automatico (ML) per fornire un'esperienza personalizzata per il proprietario di casa. Il sistema include funzioni come il controllo dell'illuminazione, dell'umidità, delle perdite di gas, dei sistemi di allarme antincendio per la sicurezza e la possibilità per gli utenti di aprire o chiudere porte e finestre e monitorare la temperatura, l'umidità e i livelli di gas ambientali. Gli algoritmi di ML del sistema apprendono dai dati degli utenti per creare un'esperienza personalizzata. L'approccio definito dall'utente garantisce che il sistema di automazione per la casa intelligente si adatti alle esigenze e alle preferenze specifiche dell'utente, fornendo un'esperienza unica e ottimizzata. Inoltre, l'interfaccia del sistema consente agli utenti di controllare vari parametri manualmente e visualizzare i dati in tempo reale. L'efficacia del sistema in termini di efficienza energetica, risparmio di costi e soddisfazione degli utenti viene valutata, dimostrando che il sistema di automazione per la casa intelligente proposto definito dall'utente migliora significativamente la qualità della vita dei proprietari di casa, promuovendo l'efficienza energetica e la sostenibilità. La nostra ricerca fornisce approfondimenti sullo sviluppo di sistemi di automazione per la casa intelligente avanzati e user-friendly, con particolare attenzione all'importanza dell'interfaccia del sistema nel fornire un'esperienza personalizzata.
User-Defined Smart Home Automation System with Artificial Intelligence
ARABACI, SERCAN
2022/2023
Abstract
Smart home automation systems have become increasingly popular due to their convenience and comfort. These systems allow users to control various parameters such as lighting, temperature, and security from a single device. However, these systems often lack the ability to learn from user data and adapt to individual preferences. This thesis proposes a user-defined smart home automation system that utilizes machine learning (ML) algorithms to provide a personalized homeowner experience. The system includes features such as lighting, humidity, gas leakage, fire alarm control for safety purposes, and the ability for users to open or close doors and windows and monitor ambient temperature, humidity, and gas levels. The system's ML algorithms learn from user data to create a customized experience. The user-defined approach ensures that the smart home automation system adapts to the user's specific needs and preferences, providing a unique and optimized experience. Additionally, the system's interface allows users to control various parameters manually and view data in real time. The system's effectiveness in terms of energy efficiency, cost savings, and user satisfaction is evaluated, showing that the proposed user-defined smart home automation system significantly enhances homeowners' quality of life while promoting energy efficiency and sustainability. This research provides insights into the development of advanced and user-friendly smart home automation systems, with a particular focus on the importance of the system's interface in providing a personalized experience.È consentito all'utente scaricare e condividere i documenti disponibili a testo pieno in UNITESI UNIPV nel rispetto della licenza Creative Commons del tipo CC BY NC ND.
Per maggiori informazioni e per verifiche sull'eventuale disponibilità del file scrivere a: unitesi@unipv.it.
https://hdl.handle.net/20.500.14239/16571