Описание функциональных характеристик программного обеспечения
Полное описание функциональных возможностей, характеристик и системные требования программного обеспечения cистемы предиктивной аналитики производственных параметров для заводов по производству газобетона
Документация по функциональным характеристикам
Документ содержит подробное описание всех функциональных возможностей системы SmartControl,
включая модули управления данными, контроля качества, лабораторных исследований,
предиктивной аналитики и машинного обучения.
Система предиктивной аналитики производственных параметров для заводов по производству газобетона — это комплексная платформа предиктивной аналитики для управления качеством производства газобетона.
Система обеспечивает полный контроль производственных параметров, прогнозирование дефектов с использованием машинного обучения и
оптимизацию производственных процессов.
1.1. Назначение системы
Система предназначена для:
Мониторинга производственных параметров в реальном времени
Предиктивного анализа качества продукции
Выявления потенциальных дефектов до их возникновения
Оптимизации производственных процессов
Ведения учета контроля качества и лабораторных исследований
Генерации аналитических отчетов и прогнозов
1.2. Архитектура системы
Система построена на микросервисной архитектуре с использованием Docker-контейнеров:
Frontend: React 18 + TypeScript (веб-интерфейс)
Backend: Laravel 10 + PHP 8.1 (REST API)
ML Серверы: Python 3 (4 независимых сервера для машинного обучения)
База данных: PostgreSQL 17
Веб-сервер: Nginx (reverse proxy)
2. ФУНКЦИОНАЛЬНЫЕ ХАРАКТЕРИСТИКИ
2.1. Основные модули системы
2.1.1. Модуль управления данными
Импорт данных: загрузка производственных данных из CSV/Excel файлов
Поддержка форматов: АК (автоклав), АПТ (автоклавная парообработка), ОТК (отдел технического контроля)
Автоматический парсинг и валидация данных
История загрузок с возможностью просмотра и удаления
Синхронизация данных между различными источниками
Хранение данных: централизованное хранение всех производственных данных
Структурированное хранение в PostgreSQL
Версионирование данных
Поиск и фильтрация по различным параметрам
2.1.2. Модуль контроля качества
Мониторинг параметров: отслеживание производственных параметров в реальном времени
Визуализация текущих показателей
Выявление отклонений от норм
Алерты при критических значениях
Учет записей контроля качества: ведение журнала проверок
Добавление, редактирование и удаление записей
Импорт/экспорт данных в CSV
Фильтрация и поиск по датам и параметрам
2.1.3. Модуль лабораторных исследований
Управление исследованиями: ведение базы лабораторных испытаний
Регистрация проб и образцов
Протоколы испытаний
Журнал результатов исследований
Импорт/экспорт: загрузка и выгрузка данных исследований
CSV импорт/экспорт
Интеграция с внешними системами
2.1.4. Модуль аналитики и машинного обучения
Предиктивный анализ: прогнозирование качества продукции с использованием ML-моделей
CatBoost: градиентный бустинг для классификации дефектов
LightGBM: быстрый градиентный бустинг для прогнозирования
RandomForest: ансамблевая модель для анализа параметров
Функции анализа:
Прогнозирование вероятности дефектов по 7 категориям
Определение важности параметров (feature importance)
Оптимизация производственных параметров
Генерация прогнозных линий (forecast lines)
Анализ оптимальных значений параметров
Обучение моделей: возможность обучения новых моделей на исторических данных
Автоматическое разбиение на обучающую и валидационную выборки