L'elaborato proposto illustra la progettazione e l’implementazione di un sistema di automazione domestica intelligente orientato all’efficientamento energetico, basato sull’integrazione tra Large Language Models (LLM) e protocolli IoT (Internet of Things). Sfruttando la sinergia tra il framework di costruzione di workflow n8n e l’hub domotico Home Assistant, è stato sviluppato un agente basato su Intelligenza Artificiale (AI) in grado di interagire autonomamente o tramite comandi diretti dell’utente con i dispositivi connessi, monitorarne lo stato operativo e intervenire attivamente per ottimizzare i consumi elettrici. A differenza delle automazioni tradizionali basate su regole statiche, il sistema proposto introduce capacità decisionali dinamiche, permettendo all’agente di interpretare il contesto abitativo. La validazione sperimentale del prototipo ha confermato la fattibilità tecnica dell’architettura, pur evidenziando sfide significative legate all’utilizzo di risorse in cloud gratuite. In particolare, vengono discussi i limiti imposti dal rate limiting delle API (Application Programming Interface), la necessità di stimare i consumi tramite modelli matematici in assenza di sensoristica dedicata e la gestione delle "allucinazioni" tipiche dei modelli generativi, che possono compromettere la stabilità dei flussi di lavoro. I risultati ottenuti dimostrano come l’intelligenza artificiale generativa possa rappresentare una leva strategica per la sostenibilità domestica, delineando al contempo un percorso di sviluppo futuro focalizzato sull’adozione di modelli addestrati su dataset specifici (fine-tuned), sull’integrazione di misuratori di consumi in tempo reale (power metering) e sul rafforzamento dei protocolli di sicurezza.

PROGETTAZIONE E SVILUPPO DI UN AGENTE SOFTWARE AUTONOMO PER L’OTTIMIZZAZIONE ENERGETICA IN AMBIENTI SMART HOME IOT: IL SISTEMA A.T.U.R

BERLINGERIO, MIRKO
2025/2026

Abstract

L'elaborato proposto illustra la progettazione e l’implementazione di un sistema di automazione domestica intelligente orientato all’efficientamento energetico, basato sull’integrazione tra Large Language Models (LLM) e protocolli IoT (Internet of Things). Sfruttando la sinergia tra il framework di costruzione di workflow n8n e l’hub domotico Home Assistant, è stato sviluppato un agente basato su Intelligenza Artificiale (AI) in grado di interagire autonomamente o tramite comandi diretti dell’utente con i dispositivi connessi, monitorarne lo stato operativo e intervenire attivamente per ottimizzare i consumi elettrici. A differenza delle automazioni tradizionali basate su regole statiche, il sistema proposto introduce capacità decisionali dinamiche, permettendo all’agente di interpretare il contesto abitativo. La validazione sperimentale del prototipo ha confermato la fattibilità tecnica dell’architettura, pur evidenziando sfide significative legate all’utilizzo di risorse in cloud gratuite. In particolare, vengono discussi i limiti imposti dal rate limiting delle API (Application Programming Interface), la necessità di stimare i consumi tramite modelli matematici in assenza di sensoristica dedicata e la gestione delle "allucinazioni" tipiche dei modelli generativi, che possono compromettere la stabilità dei flussi di lavoro. I risultati ottenuti dimostrano come l’intelligenza artificiale generativa possa rappresentare una leva strategica per la sostenibilità domestica, delineando al contempo un percorso di sviluppo futuro focalizzato sull’adozione di modelli addestrati su dataset specifici (fine-tuned), sull’integrazione di misuratori di consumi in tempo reale (power metering) e sul rafforzamento dei protocolli di sicurezza.
2025
DESIGN AND DEVELOPMENT OF AN AUTONOMOUS SOFTWARE AGENT FOR ENERGY OPTIMIZATION IN SMART HOME IOT ENVIRONMENTS: THE A.T.U.R SYSTEM
AI
Smart home
risparmio energetico
File in questo prodotto:
Fulltext non presente su UNITESI – Verifica la disponibilità della tesi in formato cartaceo interrogando il Catalogo di Ateneo

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/75079