TermNSI/Soc/TP_Station_Meteo_IoT.md

# TP : Station Météo IoT - Simulation d'un système embarqué

## Contexte

Vous travaillez pour une startup spécialisée dans les objets connectés. Votre mission est de développer le logiciel embarqué d'une **station météo connectée** basée sur un SoC (System on Chip).

Cette station doit :
- Collecter des données de capteurs (température, humidité, pression)
- Traiter ces données localement (calculs de moyennes, détection d'anomalies)
- Simuler l'envoi vers le cloud
- Optimiser la consommation énergétique

L'objectif est de comprendre comment fonctionne un système embarqué sur SoC et les contraintes associées.

---

## Objectifs pédagogiques

- Comprendre le fonctionnement d'un système embarqué
- Manipuler des données de capteurs simulés
- Implémenter des algorithmes de traitement de données
- Appréhender les contraintes de ressources limitées
- Découvrir les concepts de l'IoT

---

## Partie 1 : Simulation des capteurs

### 1.1. Classe Capteur

Un capteur embarqué a des caractéristiques spécifiques :
- Un nom (température, humidité, etc.)
- Une unité de mesure
- Une plage de valeurs valides
- Une précision (nombre de décimales)

Créer la classe `Capteur` :

```python
import random
import time

class Capteur:
    """Simule un capteur embarqué sur SoC."""

    def __init__(self, nom, unite, val_min, val_max, precision=1):
        """
        Initialise un capteur.

        :param nom: (str) Nom du capteur
        :param unite: (str) Unité de mesure
        :param val_min: (float) Valeur minimale possible
        :param val_max: (float) Valeur maximale possible
        :param precision: (int) Nombre de décimales
        """
        self.nom = nom
        self.unite = unite
        self.val_min = val_min
        self.val_max = val_max
        self.precision = precision
        self._derniere_valeur = None

    def lire(self):
        """
        Simule une lecture du capteur.
        Retourne une valeur réaliste (proche de la précédente).

        :return: (float) Valeur mesurée
        """
        # À compléter
        pass

    def __repr__(self):
        return f"Capteur({self.nom}, {self.unite})"
```

**Consignes pour la méthode `lire()` :**
- Si c'est la première lecture, générer une valeur aléatoire dans la plage
- Sinon, générer une valeur proche de la précédente (±10% de la plage)
- Arrondir selon la précision
- S'assurer que la valeur reste dans les limites

### 1.2. Création des capteurs de la station

Créer trois capteurs pour notre station :

```python
# Capteur de température : -20°C à 50°C, précision 0.1°C
capteur_temp = Capteur("Température", "°C", -20, 50, precision=1)

# Capteur d'humidité : 0% à 100%, précision 1%
capteur_hum = Capteur("Humidité", "%", 0, 100, precision=0)

# Capteur de pression : 950 hPa à 1050 hPa, précision 0.1 hPa
capteur_pres = Capteur("Pression", "hPa", 950, 1050, precision=1)
```

**Test :**
```python
>>> for _ in range(5):
...     print(f"T={capteur_temp.lire()}°C, H={capteur_hum.lire()}%, P={capteur_pres.lire()}hPa")
T=22.3°C, H=65%, P=1013.2hPa
T=23.1°C, H=67%, P=1012.8hPa
T=22.8°C, H=66%, P=1013.5hPa
...
```

---

## Partie 2 : Gestionnaire de données

### 2.1. Buffer circulaire

Les systèmes embarqués ont une mémoire limitée. On utilise un **buffer circulaire** pour stocker les N dernières mesures sans allouer de mémoire dynamiquement.

```python
class BufferCirculaire:
    """
    Buffer circulaire pour stocker les dernières mesures.
    Mémoire fixe, adapté aux systèmes embarqués.
    """

    def __init__(self, taille):
        """
        Initialise le buffer.

        :param taille: (int) Nombre maximum d'éléments
        """
        self.taille = taille
        self.donnees = [None] * taille  # Pré-allocation
        self.index = 0
        self.compte = 0

    def ajouter(self, valeur):
        """
        Ajoute une valeur au buffer.
        Écrase la plus ancienne si plein.

        :param valeur: La valeur à ajouter
        """
        # À compléter
        pass

    def moyenne(self):
        """
        Calcule la moyenne des valeurs stockées.

        :return: (float) Moyenne ou None si vide
        """
        # À compléter
        pass

    def min_max(self):
        """
        Retourne le minimum et le maximum.

        :return: (tuple) (min, max) ou (None, None) si vide
        """
        # À compléter
        pass

    def est_plein(self):
        """Vérifie si le buffer est plein."""
        return self.compte >= self.taille

    def __len__(self):
        return self.compte
```

**Principe du buffer circulaire :**
```
Taille = 5, après ajout de 1, 2, 3, 4, 5, 6, 7 :

Étape 1-5 : [1, 2, 3, 4, 5]  (remplissage normal)
Étape 6   : [6, 2, 3, 4, 5]  (6 écrase 1)
Étape 7   : [6, 7, 3, 4, 5]  (7 écrase 2)

L'index "tourne" : index = (index + 1) % taille
```

---

## Partie 3 : Station météo complète

### 3.1. Classe StationMeteo

Assembler les composants pour créer la station :

```python
class StationMeteo:
    """
    Station météo IoT simulant un système sur SoC.
    """

    def __init__(self, nom, taille_buffer=10):
        """
        Initialise la station.

        :param nom: (str) Identifiant de la station
        :param taille_buffer: (int) Taille des buffers de données
        """
        self.nom = nom

        # Capteurs
        self.capteurs = {
            'temperature': Capteur("Température", "°C", -20, 50, 1),
            'humidite': Capteur("Humidité", "%", 0, 100, 0),
            'pression': Capteur("Pression", "hPa", 950, 1050, 1)
        }

        # Buffers pour chaque capteur
        self.buffers = {
            nom: BufferCirculaire(taille_buffer)
            for nom in self.capteurs
        }

        # Compteur de mesures
        self.nb_mesures = 0

        # Mode économie d'énergie
        self.mode_eco = False

    def mesurer(self):
        """
        Effectue une mesure sur tous les capteurs.

        :return: (dict) Dictionnaire des mesures
        """
        # À compléter
        pass

    def statistiques(self):
        """
        Calcule les statistiques sur les données collectées.

        :return: (dict) Statistiques par capteur
        """
        # À compléter
        pass

    def detecter_anomalies(self):
        """
        Détecte les valeurs anormales.
        Une anomalie est une valeur qui s'écarte de plus de 2 écarts-types
        de la moyenne.

        :return: (list) Liste des anomalies détectées
        """
        # À compléter (bonus)
        pass

    def rapport(self):
        """
        Génère un rapport formaté.

        :return: (str) Rapport textuel
        """
        # À compléter
        pass
```

### 3.2. Simulation d'envoi cloud

Dans un vrai système IoT, les données sont envoyées vers le cloud. Simuler cette fonctionnalité :

```python
def envoyer_cloud(self, donnees):
    """
    Simule l'envoi de données vers le cloud.
    En mode éco, regroupe les envois.

    :param donnees: (dict) Données à envoyer
    :return: (bool) Succès de l'envoi
    """
    # Simuler une latence réseau
    import time
    time.sleep(0.1)  # 100ms de latence simulée

    # Simuler un échec occasionnel (5% de chance)
    if random.random() < 0.05:
        print(f"[{self.nom}] Échec d'envoi - Nouvelle tentative...")
        return False

    # Afficher les données "envoyées"
    timestamp = time.strftime("%Y-%m-%d %H:%M:%S")
    print(f"[{self.nom}] Envoi cloud @ {timestamp}")
    for cle, valeur in donnees.items():
        print(f"  {cle}: {valeur}")

    return True
```

---

## Partie 4 : Gestion de l'énergie

### 4.1. Mode économie d'énergie

Les systèmes embarqués doivent économiser l'énergie. Implémenter un mode économie :

```python
def activer_mode_eco(self):
    """
    Active le mode économie d'énergie.
    - Réduit la fréquence des mesures
    - Regroupe les envois cloud
    """
    self.mode_eco = True
    print(f"[{self.nom}] Mode économie activé")

def desactiver_mode_eco(self):
    """Désactive le mode économie d'énergie."""
    self.mode_eco = False
    print(f"[{self.nom}] Mode économie désactivé")
```

### 4.2. Simulation de consommation

Ajouter un suivi de la consommation énergétique simulée :

```python
class StationMeteo:
    # Constantes de consommation (en mW)
    CONSO_VEILLE = 0.5
    CONSO_MESURE = 10
    CONSO_ENVOI = 50
    CONSO_CALCUL = 5

    def __init__(self, ...):
        ...
        self.energie_totale = 0  # mWh consommés

    def _consommer(self, activite, duree_ms):
        """
        Enregistre la consommation d'énergie.

        :param activite: (str) Type d'activité
        :param duree_ms: (int) Durée en millisecondes
        """
        conso = {
            'veille': self.CONSO_VEILLE,
            'mesure': self.CONSO_MESURE,
            'envoi': self.CONSO_ENVOI,
            'calcul': self.CONSO_CALCUL
        }
        # Convertir en mWh : mW * (ms / 3600000)
        self.energie_totale += conso[activite] * (duree_ms / 3600000)
```

---

## Partie 5 : Programme principal

### 5.1. Boucle de fonctionnement

Créer le programme principal qui simule le fonctionnement de la station :

```python
def main():
    """Programme principal de la station météo."""

    # Créer la station
    station = StationMeteo("STATION_01", taille_buffer=20)

    print("=" * 50)
    print("   STATION MÉTÉO IoT - Simulation SoC")
    print("=" * 50)

    # Simuler 1 heure de fonctionnement (1 mesure par minute = 60 mesures)
    nb_mesures = 60
    intervalle = 1  # Secondes entre les mesures (accéléré pour la simulation)

    try:
        for i in range(nb_mesures):
            # Effectuer une mesure
            mesure = station.mesurer()
            print(f"\nMesure {i+1}/{nb_mesures}: T={mesure['temperature']}°C, "
                  f"H={mesure['humidite']}%, P={mesure['pression']}hPa")

            # Envoyer au cloud toutes les 10 mesures
            if (i + 1) % 10 == 0:
                stats = station.statistiques()
                station.envoyer_cloud(stats)

            # Attendre avant la prochaine mesure
            time.sleep(intervalle)

    except KeyboardInterrupt:
        print("\n\nArrêt demandé par l'utilisateur.")

    # Rapport final
    print("\n" + "=" * 50)
    print("RAPPORT FINAL")
    print("=" * 50)
    print(station.rapport())
    print(f"Énergie consommée : {station.energie_totale:.4f} mWh")


if __name__ == "__main__":
    main()
```

---

## Partie 6 : Extensions (Bonus)

### 6.1. Détection d'anomalies

Implémenter la méthode `detecter_anomalies()` qui identifie les valeurs aberrantes.

### 6.2. Persistance locale

Ajouter une fonctionnalité de sauvegarde locale (fichier JSON) pour conserver les données en cas de perte de connexion :

```python
def sauvegarder_local(self, fichier="backup.json"):
    """Sauvegarde les données en local (simulation de mémoire flash)."""
    pass

def charger_local(self, fichier="backup.json"):
    """Charge les données depuis la sauvegarde locale."""
    pass
```

### 6.3. Protocole de communication

Simuler un protocole de communication simple (type MQTT) :

```python
def publier(self, topic, message):
    """Publie un message sur un topic (simulation MQTT)."""
    print(f"[MQTT] {topic} -> {message}")
```

### 6.4. Multi-stations

Créer un réseau de plusieurs stations qui communiquent entre elles et agrègent leurs données.

---

## Questions de synthèse

1. Pourquoi utilise-t-on un buffer circulaire plutôt qu'une liste dynamique sur un système embarqué ?

2. Quels sont les compromis à faire entre fréquence de mesure et consommation énergétique ?

3. Comment un vrai système IoT gère-t-il la perte de connexion réseau ?

4. Quelles sont les différences entre le code Python de simulation et le code réel sur un microcontrôleur ?

5. Comment l'architecture SoC permet-elle d'optimiser la consommation dans ce type d'application ?

---

## Barème indicatif

| Partie | Points |
|--------|--------|
| Partie 1 : Capteurs | 3 |
| Partie 2 : Buffer circulaire | 4 |
| Partie 3 : Station complète | 5 |
| Partie 4 : Gestion énergie | 3 |
| Partie 5 : Programme principal | 3 |
| Partie 6 : Bonus | 2 |
| **Total** | **20** |

---

Auteur : Florian Mathieu

Licence CC BY NC

<a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/"><img alt="Licence Creative Commons" style="border-width:0" src="https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png" /></a> <br />Ce cours est mis à disposition selon les termes de la <a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/">Licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International</a>.