Manufacturing MCP

製造設備のデータを探索し、故障リスクを分析するMCP（Model Context Protocol）ベースのAIエージェントプロジェクトです。

データセット

このプロジェクトは AI4I 2020 Predictive Maintenance Dataset を使用します。実際の産業現場の予知保全データを模擬して生成された合成データセットであり、合計10,000件の設備運転観測値と14個の列で構成されています。欠損値はありません。

各観測値には 製品等級、空気・プロセス温度、回転速度、トルク、工具摩耗時間 とともに、設備故障の有無 および 故障タイプ が記録されています。そのため、以下のような予知保全シナリオに活用できます。

• 設備状態の照会（Monitoring）

• 故障リスクの分類（Classification）

• 異常条件の探索（Anomaly Detection）

主要カラム

各カラムの意味と単位は データセットのカラムドキュメント で確認できます。

データサンプル

以下は、元のCSVの最初の3件の観測値です。

Related MCP server: Sparkplug MCP Server

開発環境の構成

このプロジェクトはPython 3.12以上を使用します。WSL Ubuntu 24.04のプロジェクトルートで仮想環境を有効化し、開発依存パッケージをインストールします。

source mcp/bin/activate
python -m pip install --upgrade pip
python -m pip install -e ".[dev]"

.env.example を参照して、ローカルの .env ファイルを作成します。実際のAPIキーが含まれる .env はGitに含まれません。

cp -n .env.example .env
chmod 600 .env

コード変更後、テスト、lint、フォーマットチェックを実行します。

pytest
ruff check .
ruff format --check .

現在、Pythonパッケージは src/manufacturing_mcp に、テストは tests に配置されています。アプリケーション設定は src/manufacturing_mcp/config.py で環境変数と .env ファイルから読み込みます。

PostgreSQLの実行

PostgreSQL コンテナをDocker Composeでバックグラウンド実行します。

docker compose up -d postgres
docker compose ps

postgres サービスの状態が healthy であれば正常です。PostgreSQLに直接接続するには、次のコマンドを使用します。

docker compose exec postgres sh -c 'psql -U "$POSTGRES_USER" -d "$POSTGRES_DB"'

接続を終了するには \q を入力します。コンテナを停止する場合は、次のコマンドを使用します。

docker compose down

PostgreSQLデータは postgres_data Dockerボリュームに保存されるため、コンテナを停止したり再作成したりしても保持されます。

出典および著作権

• プロジェクトコード: Copyright © 2026 Johyeongseob. MIT Repositoryに基づいて配布されます。

• データセット: AI4I 2020 Predictive Maintenance Dataset (2020), UCI Machine Learning Repository, https://doi.org/10.24432/C5HS5C

• 関連論文: Stephan Matzka, “Explainable Artificial Intelligence for Predictive Maintenance Applications,” 2020 Third International Conference on Artificial Intelligence for Industries (AI4I), pp. 69–74, https://doi.org/10.1109/AI4I49448.2020.00023

• データセットライセンス: Creative Commons Attribution 4.0 International (CC BY 4.0)。データセットの共有・改変は許可されており、使用時に原著作者と出典を適切に表示する必要があります。