Manufacturing MCP

Проект на осноте MCP(Model Context Protocol) для изучения данных проиводственного оборудования и анализа риска вознихновения неполадок.

Набор данных

В этом проекте используется набор данных AI4I 2020 Predictive Maintenance Dataset. Это синтетический набор данных, созданный по образцу данных предиктивного обслуживания реальных производственных площадок. Он содержит 10 000 наблюдений за работой оборудования и 14 столбцов. Пропущенных значений нет.

Каждое наблюдение включает класс изделия, температуру воздуха и технологического процесса, скорость вращения, крутящий момент, время износа инструмента, а также признак отказа оборудования и тип отказа. Поэтому данные можно использовать в следующих сценариях предиктивного обслуживания:

• Мониторинг состояния оборудования (Monitoring)

• Классификация риска отказа (Classification)

• Поиск аномальных условий (Anomaly Detection)

Основные столбцы

Значения и единицы измерения каждого столбца описаны в документации по столбцам набора данных.

Пример данных

Ниже приведены первые три наблюдения из исходного CSV.

Related MCP server: Sparkplug MCP Server

Настройка среды разработки

Этот проект использует Python 3.12 и выше. В корне проекта в WSL Ubuntu 24.04 активируйте виртуальное окружение и установите зависимости для разработки.

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

Создайте локальный файл .env, взяв за образец .env.example. Файл .env, содержащий реальные API-ключи, не включается в Git.

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

После изменения кода запустите тесты, линтер и проверку форматирования.

pytest
ruff check .
ruff format --check .

В настоящее время пакетов Python находится в src/manufacturing_mcp, а тесты — в tests. Параметры приложения загружаются в src/manufacturing_mcp/config.py из переменных окружения и файла .env.

Запуск PostgreSQL

Запустите контейнер PostgreSQL через Docker Compose в фоновом сент.

docker compose up -d postgres
docker compose ps

Если статус сервиса postgres — healthy, всё работает. Чтобы подключиться к PostgreSQL напрямую, используйте следующую команду.

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

Для выхода из подключения введите \q. Для остановки контейнера используйте следующую команду.

docker compose down

Данные PostgreSQL сохраняются в Docker-томе postgres_data, поэтому они сохраняются даже при остановке или пересоздании контейнера.

Источники и авторские права

• Код проекта: Copyright © 2026 Johyeongseob. Распространяется в соответствии с MIT License.

• Набор данных: AI4I 2020 Predictive Maintenance Dataset (2020), u. UCI Machine Learning Repository, https://doi.org/10.24432/C5HS5C

• Статья: 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

• Лицензия набора данных: Creative Commons Attribution 4.0 International. Совместное использование данных и их изменение разрешено, при использовании необходимо указывать оригинального автора и источник.