Аннотация 2
ВВЕДЕНИЕ 4
1 Исследование и анализ требований 6
1.1 Изучение существующей системы анализа данных 6
1.1.1 Основная информация о реализованной системе 6
1.1.2 Изучение статистического алгоритма выявления аномалий 8
1.1.3 Изучение модуля, осуществляющего чтение данных из CSV- файлов 9
1.2 Анализ протокола OPC UA 10
1.3 Анализ сборки приложения 11
2 Проектирование интеграции и интерфейса 13
2.1 Разработка бизнес-сценариев 13
2.1.1 Сценарий запуска обучения алгоритма 13
2.1.2 Сценарий запуска анализа данных 15
2.2 Описание реализации модуля OPC UA 16
2.3 Описание реализации сборки приложения 20
2.3.1 Варианты установки фреймворка Qt 21
2.3.2 Варианты установки Python и зависимостей 22
2.3.3 Рассмотрение установки библиотек Qwt и Open62541 22
2.3.4 Выбор и обоснование подходов 23
3 Реализация модулей и сборки 24
3.1 Техническая реализация модуля OPC UA 24
3.2 Реализация диалогового окна 27
3.2.1 Описание модуля 27
3.2.2 Техническая реализация 29
3.2.3 Процесс работы модуля 30
3.3 Процесс сборки приложения 36
3.3.1 Установка MSYS2 36
3.3.2 Установка зависимостей через MSYS2 37
3.3.3 Сборка и установка библиотеки Qwt 37
3.3.4 Загрузка исходного кода приложения 39
3.3.5 Настройка библиотеки Open62541 39
3.3.6 Установка Python-зависимостей 39
3.3.7 Установка дополнительных компонентов 40
3.3.8 Сборка и запуск приложения в Qt Creator 40
4 Проверка и валидация решений 41
4.1 Описание данных для тестирования 41
4.2 Основные тест-кейсы для оценки работоспособности нового
функционала 42
4.3 Чек-лист результатов тестирования 44
ЗАКЛЮЧЕНИЕ 46
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 48
ПРИЛОЖЕНИЕ А 50
В современных условиях автоматизации производства системы анализа данных играют ключевую роль в обеспечении надежности и безопасности технологических процессов. Одной из важнейших задач таких систем является своевременное обнаружение аномалий, которые могут привести к сбоям или снижению эффективности работы оборудования [1]. Однако для полноценной работы систем анализа критически важно обеспечить доступ к актуальным данным в режиме реального времени. Существующая система анализа аномалий, рассмотренная в данной работе, обладает функциональностью обнаружения локальных аномалий на основе исторических данных, поступающих исключительно из файлов в формате CSV. Такая архитектура существенно ограничивает её применение в промышленных условиях, где данные обычно хранятся и передаются через серверы OPC UA или другие централизованные источники. Отсутствие поддержки удаленных источников и оперативных данных делает систему недостаточно адаптированной к реальным производственным сценариям.
Таким образом, актуальность данной работы обусловлена необходимостью доработки существующей системы анализа аномалий за счет интеграции с протоколом OPC UA и разработки кроссплатформенной инфраструктуры сборки. Это позволит получать как исторические, так и оперативные данные непосредственно с серверов OPC UA, а также обеспечит переносимость приложения на платформы Windows и Debian, широко используемые в России. Такие улучшения повысят гибкость и практическую ценность системы.
Целью настоящей работы является доработка существующей системы анализа аномалий для работы в реальном времени через интеграцию с OPC UA и создание инструкции по сборке приложения для Windows и Debian. Для достижения поставленной цели необходимо решить следующие задачи:
• Изучить архитектуру и функциональные возможности существующей системы анализа данных.
• Разработать клиентский модуль и диалоговый интерфейс для выбора узлов OPC UA.
• Проектирование и реализацию процесса сборки с использованием MSYS2, Open62541 и Qwt.
• Провести тестирование системы и разработать тест-кейсы для поддержки жизненного цикла продукта.
Решение этих задач обеспечит повышение универсальности и надежности системы, расширив её применимость в мониторинге и управлении технологическими процессами.
В ходе выполнения выпускной квалификационной работы была решена задача доработки существующей системы анализа аномалий в технологических данных для повышения её универсальности, адаптивности и практической применимости. Основное внимание уделено устранению ключевых ограничений исходной реализации, которая поддерживала только анализ исторических данных из локальных CSV-файлов и не обеспечивала взаимодействия с удалёнными источниками в реальном времени.
В рамках работы проведена модернизация системы, включающая интеграцию протокола OPC UA и разработку соответствующей инфраструктуры. Разработан клиентский модуль с использованием библиотеки Open62541, обеспечивающий доступ к историческим и оперативным данным, а также реализован диалоговый интерфейс ServerConnectDialog, позволяющий пользователю выбирать узлы и настраивать временные диапазоны. Кроме того, создана детализированная инструкция по сборке приложения с использованием MSYS2, Open62541 и Qwt, что обеспечило кроссплатформенную совместимость с Windows и Debian.
Оценим изменения в функционале системы до и после доработки:
До модернизации: Система была ограничена анализом только исторических данных, загружаемых из CSV-файлов и не обеспечивала обработку данных в реальном времени. Отсутствие возможности выбора источников данных ограничивало её использование.
После модернизации: Система приобрела способность работать с удалёнными источниками через протокол OPC UA, включая обработку оперативных данных в режиме реального времени. Усовершенствованный интерфейс позволяет удобно выбирать узлы и настраивать параметры, что расширяет применение системы в условиях автоматизированного производства.
Модифицированная система успешно прошла тестирование на публичном сервере и локальном сервере, подтвердив надёжность динамической подгрузки узлов, анализа аномалий и работы диалогового окна. Тестирование включило как корректные, так и аномальные данные, а также проверки на ошибки подключения, что подтвердило устойчивость системы.
Таким образом, цель работы — доработка системы для работы с OPC UA и создание инструкции по сборке — была достигнута. Выполненные изменения расширили сферу применения системы, сделав её более востребованной в промышленной автоматизации, мониторинге и управлении технологическими процессами, а также улучшили точность и своевременность выявления аномалий, что критически важно для поддержания непрерывности и безопасности технологических процессов [12]. Работа заложила основу для дальнейшего развития, включая интеграцию с другими протоколами, расширение интерфейса и оптимизацию алгоритмов анализа. Особую перспективу представляет разработка автоматизированной сборки архива на базе созданной инфраструктуры, что повысит скорость и удобство поддержки жизненного цикла продукта, упростив обновления и дистрибуцию системы для пользователей.
