Projekt Auswertung

Daten

Die gesammelten Daten reichten nicht für die gezielte Auswertung aus. Da uns die Zeit fehlte um die Probleme von dem Webserver Datenbank Problem zu lösen (siehe: Zu kleine Datenbank).

Es ist nur der Tägliche Druchschnittswert eines jedem Gerätes zu erkennen, es ist aber nicht ab zu lesen wie lange Licht auf dem Gerät schien oder wie Intensiv, da auch die verwendete Hardware zu ungenau ist (siehe: Raspberry Pi mit Sensor)

Was mit mehr Zeit umgesetzt wäre

Server Umzug

Da die Gratis Instanz von heroku.com eine zu kleine Datenbank enthielt ist eine Bezahlpflichtige Heroku Postgres unausweichlich oder der Umzug auf dem HTW Berlin Studie Server bzw. auf das Kostenloses Kontingent für AWS doch beide Möglichkeiten würden einen erhöhten Zeitaufwand erzeugen.

Datenverarbeitung auf Server ausweiten

Die empfangenden Daten von den Klienten stüdlich automatisch auswerten und dadurch die Datenlast minimieren.

Ausführlichere Grafische Auswertung

Auf einer Open Street Map mit dem Leaflet Bibliothek [1] grafisch die Wolkendichte anzeigen und die Bar Charts eine Stündliche Anzeige integrieren mit der warscheinlichen Wolkendichte.

Client Log funtion integrieren

Fehler und Status log inteiren um schneller Fehler in Hard & Software aufspüren zu können.

Anpassung der Hardware

Mit einem Kondensator der mehr Kapazität besitzt, würden die Messergebnisse bei starker Helligkeit (in dem von uns beobachteten Zeitraum von 11:00 bis 14:00 an sonnigen Tagen) genauer werden, da eine längere Zeit von Nöten wäre um ihn aufzuladen.

Über den oben beschriebenen Zeitraum hatten wir Messwerte von „0“ was „sehr hell“ entspricht. Auf Grund dessen sind unsere Statistiken teils nicht aussagekräftig.

Auch orientieren sich unsere Messwerte an keiner physikalischen Größe, sodass man diese nicht für andere Zwecke weiterverwenden könnte.