En la presente entrada vamos a mostrar la utilidad de un buen análisis de datos de ruido mediante un ejemplo. Hemos colocado un Kunak Noise KN-10 en una calle, de tal forma que registra los datos de ruido en tiempo real y los almacena en la plataforma Kunak Cloud.

Veréis todas las conclusiones que se pueden sacar y la potencialidad de éstas si se aplicaran en otros tipos de entornos como el industrial, en el que se puede llegar a correlacionar datos de ruido con datos de producción, condiciones meteorológicas, etc.

Vamos a ello. Describiremos el proceso por pasos.

1.- Colocación del Kunak Noise KN-10. El dispositivo incluye un tejado para intemperie y un enganche de fácil colocación para postes y elementos en altura. Después de la colocación, lo alimentamos a una toma cercana de 220v. En caso de no disponer, podríamos utilizar el panel solar para que se alimentara a través del mismo.

knoise

2.- Configuración: se realiza a través de la plataforma web Kunak Cloud. Entramos con nuestro usuario y contraseña y establecemos que:

  • Promedie datos de ruido cada 10 segundos.
  • Envíe estos datos cada hora a la nube.

cloud

 

Por lo tanto, obtendremos un dato de ruido por cada 10 segundos, que se actualizará cada hora en la plataforma. Ambas opciones son re-configurables en cualquier momento. Llegados a este punto tenemos que decir que los datos de ruido obtenidos corresponden al parámetro LAeq, estándar para este tipo de casos. La precisión de la estación es Tipo 2, por lo que además de obtener gran cantidad de información para el análisis, los datos son de calidad, como vemos en la siguiente correlación con una estación oficial Tipo 1. La correlación es de 0,97.


correlacion

3.- Ahora ya podemos entrar en cualquier momento a la plataforma y ver un análisis básico de los datos: gráfica de evolución temporal y posibilidad de descarga en csv de los mismos, además de poder reconfigurar en cualquier momento el Kunak Noise.

cloud2

Sabemos que en muchos casos los datos proporcionados por la plataforma pueden ser suficientes. No obstante, en otras ocasiones se puede requerir un mayor análisis. ¿Cuál es el Ld, Le, Ln? ¿Qué horas son más ruidosas? ¿Cual es el promedio por hora? ¿Cuáles son los momentos más ruidosos o silenciosos? Tengo otro tipo de datos que quiero comparar con los del ruido, ¿influyen mis datos en el ruido generado?

Para contestar todas esta preguntas, realizamos un análisis personalizado para cada caso. En nuestro ejemplo, continuamos como sigue.

4.- Descarga de datos (Desde el 5 de enero de 2017 al 15 de abril de 2017). Hemos desarrollado un sistema que permite la descarga y análisis preliminar de los datos que aporta el dispositivo. Nos aporta los siguientes datos:

  • Resumen. El número total de datos transferidos es de 529557 desde 2017-01-05 00:00:04 hasta 2017-04-15 23:59:54.
  • El promedio (energético) del total del periodo de medida: 60.7 dBA.
  • El promedio (energético) del total del periodo día, (Ld): 62.3 dBA.
  • El promedio (energético) del total del periodo tarde, (Le): 61.2 dBA.
  • El promedio (energético) del total del periodo noche, (Ln): 54.8 dBA.
  • Desviación estándar del total del periodo de medida: 5.7 dBA.
  • Desviación estándar del total del periodo día, (Ld): 4.8 dBA.
  • Desviación estándar del total del periodo tarde, (Le): 5 dBA.
  • Desviación estándar del total del periodo noche, (Ln): 4.8 dBA.
  • La hora más ruidosa fue el día 10 de enero de 10 horas a 11 horas, con un valor promedio (energético) de 78.3 dBA.
  • El día más ruidoso fue el 24 de marzo , con un valor promedio (energético) de 67.4 dBA
  • Número de días que se ha sobrepasado el límite (55 dBA) durante el día (Ld): 95 días. 100 % del total.
  • Número de días que se ha sobrepasado el límite (45 dBA) durante la noche (Ln): 94 días. 99 % del total.

Sabemos que los datos se comprenden mejor en gráficas. Por ello, representamos los datos visualmente mediante la librería interactiva Plotly, según qué queramos analizar.

Promediados horarios, con máximos y mínimos. En la parte central se observa una línea recta e indica el periodo en el cual desconectamos el dispositivo por motivos comerciales. Aquí se muestran imágenes estáticas por imposibilidad de colgar las gráficas interactivas y que nos permiten ampliar, moverse, etc.

hour

Promediados diarios, con máximos y mínimos.

day

Hasta aquí se han realizado unas representaciones básicas. Veamos como podemos responder mejor a la pregunta: ¿cómo se distribuye el ruido por horas?

heatmap

Este mapa de calor nos indica de color azul valores bajos y de rojo valores altos de ruido. El eje X representa la fecha y el eje Y la hora del día. De ésta forma la parte superior de la gráfica, mayoritariamente de azul, representa las primeras horas del día (la madrugada, desde las 00:00 horas hasta las 06 horas, aproximadamente). Las franjas rojas indican un mayor nivel de ruido, coincidente con las horas en las que comienza la jornada laboral. El dispositivo se encuentra cerca de un bloque de oficinas y se ve muy influenciado por la actividad en éstas.

De la misma forma, vemos que en el periodo de 10 a 13 horas el nivel de ruido desciende, para volver a incrementarse a partir de esa hora hasta las 20h. A continuación vuelve a descender. Se pueden apreciar también los sábados y domingos, en los cuales el tono azul se extiende sobretodo a las mañanas, en contraste con el rojo de los días laborables.

También se ven 3 horas especialmente ruidosas, de color rojo intenso, repartidas en 3 semanas distintas. Asimismo, una franja vertical azul oscuro indica el periodo en el cual se trasladó el dispositivo a una zona interior del edificio durante unas horas.

Gráfica calendario por periodos diarios

calendarioLdcalendarioLecalendarioLn

Las gráficas calendario son útiles para, de un vistazo, ver los valores e identificar patrones. Además, al tenerlas desagregadas por periodo horario, podemos ver la evolución del nivel según si es por el día, por la tarde o por la noche. Así, vemos que el 12 y 13 de febrero fue especialmente ruidoso por la noche, con 61 y 66 dBA de valor promedio respectivamente.

5.- Cuando realmente se aprovecha la potencialidad del análisis es en la comparación, ya sea porque se disponen varios Kunak Noise o porque se poseen datos propios de producción y/o meteorológicos, con los que comparar valores , ver correlaciones y sacar conclusiones.

Esta parte la veremos en el siguiente post: Correlación y predicción de datos de ruido.