Tóm tắt tiến độ

Smart Home AI đã có nền tảng phần mềm, đang chuẩn bị kiểm thử phần cứng thực tế

Tài liệu này tóm tắt dự án đã làm được gì, phần nào chưa nên khẳng định hoàn tất, và thứ tự công việc nên ưu tiên trước khi viết báo cáo/bài báo khoa học.

Triển khai phần mềm Đã có

Benchmark offline Đã chạy

Chưa xác minh phần cứng PLC / MFM384

Kiến trúc tổng quan

Luồng phần mềm hiện tại

Mobile App

Gọi API

Backend API

Lưu dữ liệu

SQLite Database

Dữ liệu lịch sử

Forecast API / AI Model

Phần đã làm được

Các khối chính đã có trong dự án

App

Ứng dụng mobile

Đã có đăng nhập, quản lý nhà, thành viên, thiết bị, dữ liệu năng lượng, quota và màn hình dự báo AI.

API

Backend API

Làm lớp trung gian giữa app, database, Forecast API và phần cứng PLC dự kiến.

Cơ sở dữ liệu

Đang dùng SQLite cho giai đoạn thử nghiệm, phù hợp phát triển nhanh và kiểm thử dữ liệu ở giai đoạn hiện tại.

Benchmark dự báo offline

Kết quả canonical hiện gồm persistence, seasonal baselines, Random Forest và XGBoost; chưa dùng dữ liệu phần cứng địa phương.

Docs

Tài liệu kỹ thuật

Đã có README, tiến trình dự án, tài liệu phản biện, hướng dẫn PLC/server và bản thảo bài báo.

Git

Kho mã nguồn

Dự án có cấu trúc mã nguồn cho app, backend, website, benchmark và tài liệu; trạng thái push/deploy cần kiểm tra riêng trên dịch vụ lưu trữ.

Phần chưa có

Những điểm chưa nên khẳng định là hoàn tất

Chưa kiểm thử đầy đủ với PLC thực tế

Cần xác nhận PLC nhận lệnh từ backend, điều khiển ngõ ra và trả trạng thái thật về app.

Chưa có dữ liệu MFM384 thực tế

Cần đọc điện áp, dòng điện, công suất, điện năng qua Modbus và lưu vào endpoint /api/power/readings.

Chưa hoàn tất tủ điện và tải thật

Cần bố trí PLC, relay trung gian, contactor, terminal, đèn báo, tải giả hoặc tải thật theo hướng an toàn.

Chưa có auto retrain model

Model hiện được train offline rồi Forecast API load artifact; chưa có pipeline tự động train lại bằng dữ liệu mới.

Trợ lý website chưa phải mô hình AI vận hành

Website hiện trả lời từ bộ tri thức tĩnh; chức năng này không được tính vào kết quả benchmark dự báo.

Workflow AI

Quy trình benchmark offline hiện tại

Dữ liệu điện năng lịch sử được chuẩn bị cho huấn luyện.

research/run_forecast_benchmark.py chạy các baseline và mô hình với nhiều seed, rolling windows.

Kết quả chuẩn được ghi vào CSV/JSON trong research/results/canonical.

Website và tài liệu chỉ sử dụng tên mô hình, bảng và hình có trong kết quả canonical.

Việc nên làm tiếp

Thứ tự ưu tiên đề xuất

Tạm dừng thêm tính năng lớn trên app để tập trung viết báo cáo/bài báo.
Lập danh sách tag/Data Block PLC: command, status, feedback và power readings.
Đấu thử PLC với ít nhất một tải nhỏ, một relay/contactor và một đèn báo.
Đọc dữ liệu thật từ MFM384 và ghi vào /api/power/readings.
Kiểm tra app có đồng bộ đúng khi bật/tắt bằng nút vật lý hay không.
Thu thập dữ liệu thật, sau đó mới retrain model để dự báo sát hơn.

Dự án đã có nền tảng phần mềm và kết quả benchmark dự báo offline. Chỉ sau khi thu log MFM384, kiểm tra PLC write/feedback và lặp thí nghiệm mới có thể đánh giá hệ thống vận hành trên phần cứng thực tế.