Este repositório contém a modelagem de um banco de dados relacional para o projeto da Startup FarmTech Solutions, que visa otimizar a irrigação e a aplicação de nutrientes em plantações através do uso de sensores de umidade, pH e nutrientes. A modelagem foi realizada de acordo com os princípios de relacionamento de banco de dados, utilizando o SQLDesigner para criar o DER (Diagrama Entidade-Relacionamento).
O objetivo deste projeto é desenvolver um sistema que permita o armazenamento e a análise dos dados coletados pelos sensores, ajustando de maneira precisa a quantidade de água e nutrientes aplicados nas plantações. Isso inclui:
- Monitoramento contínuo de diferentes tipos de sensores.
- Armazenamento de leituras de umidade, pH, fósforo e potássio.
- Aplicação de água e nutrientes com base nos dados coletados.
- Capacidade de rastrear leituras e ajustes por cultura e local.
Dentre os arquivos e pastas presentes na raiz do projeto, definem-se:
data-model.xml: Arquivo XML contendo a definição do modelo de banco de dados para ser importado no SQLDesigner.data-model.sql: Script SQL para a criação das tabelas do modelo no banco de dados.diagram.png: Imagem do Diagrama Entidade-Relacionamento (DER) gerado a partir do modelo.README.md: Este arquivo de documentação explicando o projeto.
-
Pré-requisitos:
- SQLDesigner para visualização e edição do diagrama.
- Um ambiente para rodar o script SQL gerado.
-
Passo a passo:
- Faça o clone do repositório para a sua máquina local.
- Importe o arquivo
data-model.xmlno SQLDesigner para visualizar o modelo de banco de dados. - Rode o arquivo
data-model.sqlem seu banco de dados para criar as tabelas.
Representa os diferentes sensores usados nas plantações.
-
Atributos:
sensor_id: Identificador único do sensor.sensor_type: Tipo do sensor (Umidade, pH, Nutrientes).
Armazena as leituras feitas pelos sensores em momentos específicos.
- Atributos:
reading_id: Identificador único da leitura.sensor_id: Referência ao sensor que coletou a leitura.crop_id: Referência à cultura monitorada.location_id: Referência ao local da leitura.timestamp: Data e hora da leitura.moisture_value: Valor de umidade coletado (se aplicável).ph_value: Valor de pH coletado (se aplicável).phosphorus_value: Nível de fósforo (se aplicável).potassium_value: Nível de potássio (se aplicável).
Armazena os ajustes feitos na irrigação e aplicação de nutrientes.
-
Atributos:
application_id: Identificador único da aplicação.crop_id: Referência à cultura que recebeu a aplicação.timestamp: Data e hora do ajuste.water_amount: Quantidade de água aplicada.phosphorus_amount: Quantidade de fósforo aplicado.potassium_amount: Quantidade de potássio aplicado.
Armazena informações sobre as culturas plantadas.
-
Atributos:
crop_id: Identificador único da cultura.crop_name: Nome da cultura.planting_date: Data de plantio.
Armazena informações sobre as localizações da plantação onde as leituras são feitas.
-
Atributos:
location_id: Identificador único da localização.location_name: Nome da localização.coordinates: Coordenadas geográficas da localização.
- Um Sensor pode ter várias Leituras_Sensor associadas (1:N).
- Uma Cultura (Crop) pode ter várias Leituras_Sensor e Aplicações associadas (1:N).
- Uma Localização (Location) pode estar associada a várias Leituras_Sensor (1:N).
- Cada Aplicação está relacionada a uma Cultura (Crop) (N:1).
- 1.0.0 - 16/10/2024
- Primeira versão do modelo de banco de dados criado e implementado.
MODELO GIT FIAP por Fiap está licenciado sobre Attribution 4.0 International.