پایش وضعیت تجهیزات با ESP32 و تشخیص ناهنجاری

چالش پروژه

تفکیک تغییرات معنادار از داده خام دما، فشار و لرزش دشوار است: آستانه‌های ثابت ممکن است هشدار کاذب ایجاد کنند یا تغییرات تدریجی را دیر نشان دهند، و نویز و تفاوت مقیاس سنسورها نیز تحلیل را دشوار می‌کند. بنابراین اپراتور به زمینه‌ای نیاز دارد که سهم هر اندازه‌گیری در هشدار را توضیح دهد.

رویکرد ما

گره ESP32 روی ماشین داده دما، فشار و لرزش را به سرور می‌فرستد. بک‌اند خروجی پنج الگوریتم PyOD، از جمله Isolation Forest و ECOD، را براساس معیارهای تعریف‌شده مقایسه می‌کند. پس از پردازش داده پرت و نرمال‌سازی، Z-Score کانال‌های دارای انحراف بیشتر را با مقدار عددی برجسته می‌کند؛ این خروجی به بررسی فنی کمک می‌کند اما به‌تنهایی علت ریشه‌ای یا خرابی فیزیکی سنسور را اثبات نمی‌کند. داده‌ها در InfluxDB ذخیره و از طریق FastAPI، PostgreSQL، Streamlit و Grafana مدیریت و نمایش داده می‌شوند.

نتیجه

سامانه الگوهای غیرعادی را در داده سنسورها آشکار می‌کند و اطلاعات متمرکزتری برای بررسی در اختیار تیم نگهداری می‌گذارد. این خروجی می‌تواند به برنامه‌ریزی نگهداری و کاهش ریسک توقف ناخواسته کمک کند؛ معماری میکروسرویس نیز برای پایش چند ماشین طراحی شده است.

نتایج پروژه

• آشکارکردن زودهنگام شرایط غیرعادی برای پشتیبانی از برنامه‌ریزی نگهداری
• نمایش کانال‌های سنسوری مؤثرتر در هشدار، همراه با مقدار انحراف عددی
• مقیاس‌پذیری روی چندین ماشین با معماری میکروسرویس