Η παρούσα πτυχιακή εργασία παρουσιάζει τη σχεδίαση, υλοποίηση και αξιολόγηση του AetherLogic - ενός ολοκληρωμένου συστήματος IoT χαμηλού κόστους για τη συνεχή παρακολούθηση ποιότητας εσωτερικού αέρα και θορύβου σε βιομηχανικό περιβάλλον. Το σύστημα αναπτύχθηκε για τις εγκαταστάσεις ηλεκτροστατικής βαφής αλουμινίου (powder coating) της ELVIAL Α.Ε. στο Κιλκίς. Στο πλαίσιο της διεξαχθείσας βιβλιογραφικής ανασκόπησης, δεν εντοπίστηκε αντίστοιχη υλοποίηση δικτύου αισθητήρων IoT ειδικά σχεδιασμένου για αυτό το βιομηχανικό περιβάλλον.

Η αρχιτεκτονική περιλαμβάνει πέντε αυτόνομους κόμβους αισθητήρων βασισμένους σε μικροελεγκτή ESP32-C3, εξοπλισμένους με αισθητήρες θερμοκρασίας/υγρασίας/VOC (BME680), CO₂ (SCD40), αιωρούμενων σωματιδίων PM2.5/PM10 (ZH03B) και θορύβου (αναλογικό μικρόφωνο MEMS). Οι κόμβοι επικοινωνούν μέσω LoRa (SX1276, SF10) με κεντρική πύλη ESP32-S3, η οποία προωθεί τα δεδομένα μέσω MQTT/TLS σε backend υποδομή TIG stack (Telegraf, InfluxDB, Grafana) που εκτελείται σε Docker containers. Ο σχεδιασμός περιλαμβάνει εξατομικευμένες πλακέτες τυπωμένου κυκλώματος (PCB), τρισδιάστατα εκτυπωμένα περιβλήματα με μαγνήτες νεοδυμίου για ταχεία ανάρτηση, και στρατηγική βαθέος ύπνου (deep sleep) για ενεργειακή αυτονομία 10–11 ημερών με διπλές μπαταρίες 18650 Li-ion.

Η αξιολόγηση βασίστηκε σε δεδομένα επτά εβδομάδων πιλοτικής λειτουργίας (Φεβρουάριος– Απρίλιος 2026). Τα κύρια ευρήματα περιλαμβάνουν: ποιοτική σύγκλιση μετρήσεων θορύβου (απόκλιση 0,0–1,6 dB) και αιωρούμενων σωματιδίων με ανεξάρτητες πιστοποιημένες μετρήσεις, ξεκάθαρη συσχέτιση όλων των περιβαλλοντικών παραμέτρων με τον κύκλο παραγωγής, εντοπισμό σφάλματος βαθμονόμησης στον αισθητήρα CO₂ λόγω ασυμβατότητας αυτόματη βαθμονόμηση (ASC) με deep sleep, και τεκμηρίωση φαινομένου κόπωσης ειδοποιήσεων (alert fatigue) με 5.677 emails σε 64 ημέρες. Η καθυστέρηση end-to-end ανέρχεται σε 10–15 δευτερόλεπτα και το κόστος ανά κόμβο σε 72,7 €.

Ο πλήρης κώδικας, τα σχηματικά κυκλωμάτων, τα αρχεία PCB, τα τρισδιάστατα μοντέλα και οι ρυθμίσεις Grafana δημοσιεύονται σε δημόσιο αποθετήριο GitHub υπό ελεύθερη άδεια.

This thesis presents the design, implementation, and evaluation of AetherLogic - a low-cost IoT sensor network for continuous indoor air quality and noise monitoring in an industrial environment. The system was developed for the aluminum powder coating facilities of ELVIAL S.A. in Kilkis. In the context of the literature review conducted, no corresponding IoT sensor network application specifically designed for this industrial environment was identified.

The architecture comprises five autonomous sensor nodes based on the ESP32-C3 microcontroller, equipped with temperature/humidity/VOC (BME680), CO₂ (SCD40), particulate matter PM2.5/PM10 (ZH03B), and noise (analog MEMS microphone) sensors. The nodes communicate via LoRa (SX1276, SF10) with a central ESP32-S3 gateway, which forwards data through MQTT/TLS to a TIG stack backend (Telegraf, InfluxDB, Grafana) running in Docker containers. The design includes custom PCBs, 3D-printed enclosures with neodymium magnets for rapid mounting, and a deep sleep strategy providing 10–11 days of battery autonomy with dual 18650 Li-ion cells.

Evaluation was based on seven weeks of pilot operation data (February–April 2026). Key findings include qualitative convergence of noise measurements (0.0–1.6 dB deviation) and particulate matter readings with independent certified measurements, clear correlation of all environmental parameters with the production cycle, identification of a CO₂ sensor calibration offset due to automatic self-calibration incompatibility with deep sleep, and documentation of alert fatigue with 5,677 emails over 64 days. End-to-end latency was measured at 10–15 seconds and per-node cost at €72.7.

The complete source code, circuit schematics, PCB files, 3D models, and Grafana configurations are published in a public GitHub repository under an open-source license.

Keywords