सभी पर शासन करने वाला एक संवेदक

न्यूरियो स्मार्ट सेंसर परियोजना, जो कि किकस्टार्टर अभियान के अंत से दो सप्ताह पहले ही $ 40,000 की योजना को पार कर चुकी है, स्मार्ट घर के प्रबंधन के लिए एक असामान्य दृष्टिकोण पर आधारित है। न्यूरियो बहुत सटीक और विस्तृत ऊर्जा विश्लेषण पर आधारित है। एक स्मार्ट मीटर एक पारंपरिक इलेक्ट्रॉनिक बिजली मीटर के समान है, लेकिन यह बहुत अधिक मापदंडों को कैप्चर करता है, और यह सामान्य से अधिक सटीक और अधिक बार करता है। ये डेटा क्लाउड में भेजे जाते हैं और वहां उनका विश्लेषण आर्टिफिशियल इंटेलिजेंस एल्गोरिदम द्वारा किया जाता है जो आत्मविश्वास से बिजली के व्यक्तिगत उपभोक्ताओं को उनकी विशेषता "लिखावट" द्वारा पहचानते हैं।



यह संभव है क्योंकि न्यूरियो सेंसर न केवल सक्रिय शक्ति को मापता है, बल्कि दो स्वतंत्र दो-तरफा चैनलों में प्रतिक्रियाशील शक्ति, पावर फैक्टर, वोल्टेज, करंट और फ्रिक्वेंसी को भी मापता है। डेटा प्रति सेकंड एक बार अपडेट किया जाता है और वाईफाई के माध्यम से होम नेटवर्क पर प्रेषित किया जाता है। संचार के नुकसान के मामले में, एक आंतरिक मेमोरी है जो एक वर्ष तक लगातार रिकॉर्डिंग के लिए रहता है।

क्लाउड में, होम नेटवर्क की विद्युत विशेषताओं के बारे में जानकारी का प्रवाह मान्यता प्राप्त घटनाओं के बारे में संदेशों की एक धारा में परिवर्तित हो जाता है, जैसे कि एक निश्चित विद्युत उपकरण को चालू या बंद करना, उच्च-स्तरीय, संयुक्त घटनाएँ - उदाहरण के लिए, यदि गेराज दरवाजा ड्राइव चालू होता है और फिर घर में प्रकाश आता है, तो सिस्टम कर सकता है। निष्कर्ष यह है कि उपयोगकर्ता काम से घर लौट आया। प्रत्येक घटना की प्रतिक्रिया उपयोगकर्ता द्वारा निर्धारित की जाती है - यह एक एसएमएस अधिसूचना हो सकती है, किसी भी विद्युत उपकरण को चालू या बंद कर सकती है - न्यूरियो पहले से ही IFTTT और SmartThings के साथ एकीकृत है। किसी भी उपयोगकर्ता उपकरण और स्क्रिप्ट को कनेक्ट करना भी संभव है - न्यूरियो एपीआई खुला है।

न्यूरियो सेंसर और क्लाउड सेवा के साथ वाट्सन एप्लिकेशन शामिल है, जो ऊर्जा की खपत के इतिहास का विश्लेषण करता है और आपको सबसे अधिक सतर्क उपभोक्ताओं की पहचान करने और खपत का अनुकूलन करने की अनुमति देता है। लकवाग्रस्त लोगों के लिए अपने स्वयं के सर्वर पर एक व्यक्तिगत न्यूरियो क्लाउड को तैनात करने का अवसर होगा, हालांकि सच्चाई सबसे अधिक संभावना है कि उन्हें कम मान्यता सटीकता का भुगतान करना होगा क्योंकि सामान्य क्लाउड उपयोगकर्ता डेटा के आधार पर लगातार आत्म-शिक्षा है।