Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: https://er.chdtu.edu.ua/handle/ChSTU/10258
Назва: Кіберфізична система збору та аналізу даних у промисловому виробництві
Автори: ГРЕСЬКО, Світлана
ДУДКО, Святослав
Ключові слова: ДАНІ З ДАТЧИКІВ;PLC;IОT;ПАРАМЕТРИ ВИРОБНИЦТВА;РЕАЛЬНИЙ ЧАС;HTTP;MQTT
Дата публікації: 2026
Короткий огляд (реферат): Метою виконання даної кваліфікаційної роботи на здобуття освітнього ступеня «бакалавр» є розробка кіберфізичної системи збору та аналізу даних у промисловому виробництві, що забезпечує отримання інформації з датчиків, PLC та IoT-пристроїв у реальному часі, її обробку, виявлення критичних станів та візуалізацію результатів для підтримки управлінських рішень. Загальний обсяг роботи становить 98 сторінки. У роботі 8 рисунків. Для виконання роботи використано 25 літературних джерел. Головним завданням роботи є розробка кіберфізичної системи, яка забезпечує в реальному часі збір даних з промислового обладнання (датчиків, PLC, контролерів та IoT-пристроїв), їх передачу до цифрового середовища, подальшу обробку та аналітичну інтерпретацію для підтримки управлінських рішень. У межах реалізації передбачається створення механізму правил і процедур аналізу виробничих даних, що дозволяє автоматизувати виявлення станів та закономірностей у технологічних процесах. Додатково система повинна забезпечувати формування аналітичних звітів і інтерактивних dashboard-інтерфейсів для візуалізації стану виробництва та оцінки його ефективності. Також передбачається підтримка багатопротокольного прийому даних, зокрема через HTTP, MQTT та інші промислові протоколи обміну інформацією, що забезпечує гнучкість інтеграції з різними типами обладнання та систем. Стислий опис розділів кваліфікаційної роботи бакалавра складається з аналізу предметної області та постановки задачі; вибору технологій та інструментальних засобів; розробка системи автоматизованого керування та розгортання серверної інфраструктури та захисту системи.
URI (Уніфікований ідентифікатор ресурсу): https://er.chdtu.edu.ua/handle/ChSTU/10258
Розташовується у зібраннях:123 Комп’ютерна інженерія (Комп'ютерні системи та мережі)

Файли цього матеріалу:
Файл Опис РозмірФормат 
1_ТИТУЛКА_Дудко_Друк-merged.pdf
  Restricted Access
2.37 MBAdobe PDFПереглянути/Відкрити    Запит копії


Усі матеріали в архіві електронних ресурсів захищено авторським правом, усі права збережено.

Extracted text
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ
ЧЕРКАСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ
ФАКУЛЬТЕТ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ І СИСТЕМ
КАФЕДРА ІНФОРМАЦІЙНОЇ БЕЗПЕКИ ТА КОМП’ЮТЕРНОЇ ІНЖЕНЕРІЇ
ПОЯСНЮВАЛЬНА ЗАПИСКА
до кваліфікаційної роботи бакалавра
на тему: «Кіберфізична система збору та аналізу
даних у промисловому виробництві»
ЧДТУ.262204.004 ПЗ
Виконав: студент 4 курсу, групи КМ-2205
спеціальності 123 – «Комп’ютерна інженерія»
за освітньою програмою – «Комп’ютерні системи
та мережі»
ДУДКО Святослав Юрійович
Керівник
старший викладач
Світлана ГРЕСЬКО
Рецензент
завідувачка кафедри інформаційних,
мультимедійних технологій та дизайну
Черкаського державного бізнес-коледжу,
к.т.н., доцент
Марія ЗАХАРОВА
«ЗАХИСТ ДОЗВОЛЯЮ»
Завідувач кафедри ІБ та КІ
к.т.н., доцент _________ Артем ЛАВДАНСЬКИЙ
Черкаси 2026 року
Форма № Н-9.01
ЧЕРКАСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ
Факультет: інформаційних технологій і систем
Кафедра: інформаційної безпеки та комп’ютерної інженерії
Освітньо-кваліфікаційний рівень: Бакалавр
Спеціальність 123 – Комп’ютерна інженерія
Освітня програма Комп’ютерні системи та мережі
«ЗАТВЕРДЖУЮ»
Завідувач кафедри ІБ та КІ
к.т.н., доцент ____________ Артем ЛАВДАНСЬКИЙ
«16» березня 2026 року
ЗАВДАННЯ
на кваліфікаційну роботу бакалавра студенту
Дудку Святославу Юрійовичу
(прізвище, ім‘я, по батькові)
1. Тема роботи: Кіберфізична система збору та аналізу даних у промисловому
виробництві
Керівник роботи: старший викладач Гресько Світлана Олексіївна
(прізвище, ім’я, по батькові, науковий ступінь, вчене звання)
затверджені наказом університету від ««12» березня 2026 р. № 56/03-03
2. Строк подання студентом роботи:
3. Вихідні дані до роботи:
Дані з датчиків, PLC, IoT;параметри виробництва; реальний час; HTTP; MQTT.
4. Зміст розрахунково-пояснювальної записки (перелік питань, що їх належить розробити):
Вступ
1. Аналіз предметної області та постановка задачі
2. Вибір технологій та інструментальних засобів
3. Розробка системи збору та аналізу даних у промисловому виробництві
4. Захист системи збору та аналізу даних у промисловому виробництві
Висновки
Додатки
Список використаних джерел
5. Перелік графічного матеріалу (з точним зазначенням обов’язкових креслень, плакатів):
Додаток А Специфікація
Додаток Б Текст програми
Додаток В Інструкція користувача
6. Консультанти розділів роботи:
Розділ Прізвище, ініціали Підпис, дата
консультанта завдання видав завдання прийняв
7. Дата видачі завдання: 16 березня 2026 року
КАЛЕНДАРНИЙ ПЛАН
Термін
№ з/п Назва етапів роботи виконання Примітка
етапів роботи
1 Збір матеріалу 16.03 – 22.03 виконано
2 Обробка матеріалу 23.03 – 30.03 виконано
3 Обґрунтування актуальності виконання
тематики розробки 31.03 - 02.04 виконано
4 Оцінка стану проблеми, виокремлення задач виконано
розробки, постановка задачі дослідження 03.04 – 11.04
5 Викладення сутності і результатів розробки 12.04 - 22.04 виконано
6 Практичне застосування результатів розробки 23.04 - 27.04 виконано
7 Оформлення результатів в пояснювальну записку 28.04 - 02.05 виконано
8 Подання роботи на відгук та рецензування 15.05 - 20.05 виконано
Студент ___________________________ Святослав ДУДКО
(підпис)
Керівник роботи ___________________________ Світлана ГРЕСЬКО
(підпис)
АНОТАЦІЯ
Метою виконання даної кваліфікаційної роботи на здобуття освітнього
ступеня «бакалавр» є розробка кіберфізичної системи збору та аналізу даних
у промисловому виробництві, що забезпечує отримання інформації з датчиків,
PLC та IoT-пристроїв у реальному часі, її обробку, виявлення критичних станів
та візуалізацію результатів для підтримки управлінських рішень.
Загальний обсяг роботи становить 98 сторінки. У роботі 8 рисунків. Для
виконання роботи використано 25 літературних джерел.
Головним завданням роботи є розробка кіберфізичної системи, яка
забезпечує в реальному часі збір даних з промислового обладнання (датчиків,
PLC, контролерів та IoT-пристроїв), їх передачу до цифрового середовища,
подальшу обробку та аналітичну інтерпретацію для підтримки управлінських
рішень. У межах реалізації передбачається створення механізму правил і
процедур аналізу виробничих даних, що дозволяє автоматизувати виявлення
станів та закономірностей у технологічних процесах.
Додатково система повинна забезпечувати формування аналітичних
звітів і інтерактивних dashboard-інтерфейсів для візуалізації стану
виробництва та оцінки його ефективності. Також передбачається підтримка
багатопротокольного прийому даних, зокрема через HTTP, MQTT та інші
промислові протоколи обміну інформацією, що забезпечує гнучкість
інтеграції з різними типами обладнання та систем.
Стислий опис розділів кваліфікаційної роботи бакалавра складається з
аналізу предметної області та постановки задачі; вибору технологій та
інструментальних засобів; розробка системи автоматизованого керування та
розгортання серверної інфраструктури та захисту системи.
Ключові слова: ДАНІ З ДАТЧИКІВ, PLC, IОT, ПАРАМЕТРИ
ВИРОБНИЦТВА, РЕАЛЬНИЙ ЧАС, HTTP, MQTT
ANOTATION
The purpose of this qualification work for the degree of Bachelor is to develop
a cyber-physical system for collecting and analyzing data in industrial production,
which provides real-time information from sensors, PLCs and IoT devices, its
processing, detection of critical states and visualization of results to support
management decisions.
The total volume of the work is 98 pages. The work contains 8 figures.
25 literary sources were used to perform the work.
The main task of the work is to develop a cyber-physical system that provides
real-time data collection from industrial equipment (sensors, PLCs, controllers and
IoT devices), their transfer to the digital environment, further processing and
analytical interpretation to support management decisions. Within the framework of
the implementation, it is planned to create a mechanism of rules and procedures for
analyzing production data, which allows you to automate the detection of states and
patterns in technological processes.
Additionally, the system should provide for the generation of analytical
reports and interactive dashboard interfaces for visualizing the state of production
and assessing its efficiency. It is also planned to support multi-protocol data
reception, in particular via HTTP, MQTT and other industrial information exchange
protocols, which provides flexibility of integration with various types of equipment
and systems.
A brief description of the sections of the bachelor's qualification work consists
of analysis of the subject area and problem statement; selection of technologies and
tools; development of an automated control system and deployment of server
infrastructure and system protection.
Key words: SENSOR DATA, PLC, IОT, PRODUCTION PARAMETERS,
REAL TIME, HTTP, MQTT
ЗМІСТ
ВСТУП……………………………………………………………………………..4
1 АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ ТА ПОСТАНОВКА ЗАДАЧІ…….…..7
1.1 Аналіз існуючих платформ………………………...………….…….....7
1.2 Постановка задачі………...………………………………………...…17
1.3 Висновки до розділу…… ………………………………….…………20
2 ВИБІР ТЕХНОЛОГІЙ ТА ІНСТРУМЕНТАЛЬНИХ ЗАСОБІВ………......22
2.1 Огляд існуючих технологій……………………………….………….22
2.2 Обґрунтування вибору…..………………………………………...….33
2.3 Висновки до розділу ……………………………………….…………39
3 РОЗРОБКА СИСТЕМИ ЗБОРУ ТА АНАЛІЗУ ДАНИХ У
ПРОМИСЛОВОМУ ВИРОБНИЦТВІ……......................................……….41
3.1 Структура системи……………...…………………...………..…........41
3.2 Опис функцій системи...……………………………………………...47
3.3 Технічні вимоги для роботи з системою……………………….........54
3.4 Оцінка ефективності………………………………………………….59
3.5 Висновки до розділу………………………………………………….62
4 ЗАХИСТ СИСТЕМИ ЗБОРУ ТА АНАЛІЗУ ДАНИХ У
ПРОМИСЛОВОМУ ВИРОБНИЦТВІ …………………………..…………64
4.1 Огляд існуючих рішень …………………..………….………………64
4.2 Реалізація захисту даних користувачів……………………….….….69
4.3 Висновки до розділу…………..…………………………….…….….74
ВИСНОВКИ……………………………………………………………………..75
ЧДТУ.262204.004 ПЗ
Змн. Арк. № докум. Підпис Дата
РозрКобив Дудко С.Ю. Кіберфізична система збору Літ. Лист Листів
Керівник Гресько С.О. та аналізу даних у 2 98
Рецеанзент Захарова М.В. промисловому виробництві Кафедра ІБ та КІ
Н.Контроль Гресько С.О.
Затвфердив Пояснювальна записка гр. КМ-2205
Лавданський А.О.
е
д
р
а
К
К
-
0
6
ДОДАТКИ:
А – 482.ЧДТУ.62204-01 Кіберфізична система збору та аналізу даних у
промисловому виробництві
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ……………………………...……….97
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 3
ВСТУП
Актуальність теми. Сучасне промислове виробництво
характеризується високим рівнем динамічності технологічних процесів,
зростанням обсягів даних та ускладненням взаємозв’язків між обладнанням і
керуючими системами. У таких умовах традиційні підходи до моніторингу та
аналізу виробничої інформації не забезпечують необхідної оперативності та
точності прийняття рішень.
Розвиток концепцій кіберфізичних систем, IoT та розподілених
аналітичних платформ формує новий клас рішень, орієнтованих на
безперервне отримання даних із фізичних об’єктів, їх цифрову трансформацію
та аналітичну обробку в реальному часі. Це дозволяє перейти від реактивного
управління виробництвом до проактивного та прогнозного підходу.
Особливого значення набуває інтеграція різнорідних джерел даних
(датчики, PLC, IoT-пристрої) через сучасні протоколи обміну інформацією,
такі як HTTP та MQTT, що забезпечує гнучкість і масштабованість системи.
Одночасно актуальною є задача побудови єдиного аналітичного середовища
з правилами обробки даних, механізмами виявлення аномалій та засобами
візуалізації у вигляді дашбордів і звітів.
Розробка кіберфізичної системи збору та аналізу виробничих даних є
науково та практично обґрунтованою задачею, спрямованою на підвищення
ефективності управління виробництвом, зменшення ризиків аварійних
ситуацій та оптимізацію виробничих ресурсів.
Метою кваліфікаційної роботи є розробка кіберфізичної системи
збору та аналізу даних у промисловому виробництві, що забезпечує отримання
інформації з датчиків, PLC та IoT-пристроїв у реальному часі, її обробку,
виявлення критичних станів та візуалізацію результатів для підтримки
управлінських рішень.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 4
Для досягнення сформульованої мети необхідно вирішити такі задачі:
1. розглянути предметну область кіберфізичних систем у промисловості;
2. проаналізувати сучасні підходи до збору та обробки виробничих даних;
3. дослідити протоколи передачі даних (HTTP, MQTT та інші);
4. розробити архітектуру системи збору та аналізу даних;
5. реалізувати прийом даних із датчиків, PLC та IoT-пристроїв;
6. створити модуль обробки та аналізу даних;
7. реалізувати виявлення критичних станів обладнання;
8. розробити dashboard для візуалізації та моніторингу в реальному часі.
Книга “Industrial Internet of Things: Cybermanufacturing Systems” авторів
Ismail Butun та ін. є одним із базових джерел у сфері промислових
кіберфізичних систем. Вона описує принципи побудови Industrial IoT-
архітектур, методи збору даних з промислового обладнання (датчики, PLC,
вбудовані системи), а також способи їх передачі через протоколи MQTT,
HTTP та OPC UA. Окрему увагу приділено обробці потокових даних у
реальному часі, побудові аналітичних платформ, виявленню аномалій у
виробничих процесах і використанню dashboard-систем для моніторингу стану
обладнання та підтримки прийняття рішень.
Одержані в кваліфікаційній роботі результати мають практичне
значення, оскільки дозволяють створити систему для автоматизованого збору
та аналізу виробничих даних у реальному часі, що може бути впроваджена на
промислових підприємствах для підвищення ефективності моніторингу,
своєчасного виявлення критичних станів обладнання та підтримки
управлінських рішень.
Кваліфікаційна робота складається з 4-х розділів, яких подається
інформація про:
– обрану предметну область дослідження та про постановку задачі
проєктування;
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 5
– огляд існуючих технологій за допомогою яких можна реалізувати
подібну систему та обґрунтування вибору тієї чи іншої технології;
– реалізацію системи: відображення структури, опис функцій кожної
частини, технічні вимоги, а також практична оцінка ефективності
роботи;
– розробку систему захисту інформації для розробленої системи.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 6
1 АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ ТА ПОСТАНОВКА ЗАДАЧІ
1.1 Аналіз існуючих платформ
Кіберфізична система (Cyber-Physical System, CPS) у промисловому
виробництві — це багаторівнева інтегрована система, яка забезпечує тісну
взаємодію між фізичними виробничими процесами та їх цифровим
представленням через безперервний обмін даними, аналітичну обробку та
автоматизоване або напівавтоматизоване керування. В основі CPS лежить
принцип замкненого циклу “сприйняття – передача – аналіз – дія”, де фізичні
об’єкти постійно генерують дані, які перетворюються на керуючі рішення.
З технічної точки зору CPS складається з кількох взаємопов’язаних
рівнів. Перший рівень — фізичний, який включає виробниче обладнання,
датчики, виконавчі механізми, програмовані логічні контролери (PLC),
роботизовані системи та інші елементи технологічної інфраструктури. Саме
цей рівень генерує первинні дані про стан процесів: температуру, тиск,
вібрації, швидкість обертання, навантаження, енергоспоживання та інші
параметри.
Другий рівень — комунікаційний, який відповідає за передачу даних
між пристроями та центральними системами. Тут використовуються як
промислові протоколи (Modbus, OPC UA, Profinet), так і сучасні IoT-
протоколи (MQTT, HTTP/REST). Завдання цього рівня — забезпечити
надійну, масштабовану та безпечну передачу даних у режимі реального часу
навіть у гетерогенних середовищах, де обладнання різних виробників має різні
стандарти взаємодії.
Третій рівень — обчислювальний або аналітичний. На цьому рівні
відбувається обробка потокових даних, їх фільтрація, агрегація, зберігання в
базах даних та застосування аналітичних алгоритмів. Сюди входять методи
статистичного аналізу, машинного навчання, правила виявлення аномалій та
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 7
системи прийняття рішень. Саме тут формується інтелектуальна складова
CPS, яка дозволяє не лише фіксувати стан системи, але й прогнозувати її
поведінку.
У промисловому виробництві CPS використовується як основа цифрової
трансформації підприємств у рамках концепції Industry 4.0. Практично це
проявляється у створенні розумних виробничих ліній, де обладнання здатне
самостійно повідомляти про свій стан, регулювати параметри роботи та
взаємодіяти з іншими елементами системи без постійного втручання
оператора [1]. Наприклад, у разі підвищеної вібрації двигуна система може
автоматично зафіксувати відхилення, передати дані в аналітичний модуль,
визначити ризик поломки та ініціювати попереджувальне повідомлення або
зниження навантаження.
Окремим важливим напрямом застосування CPS є предиктивне
обслуговування (predictive maintenance), де аналіз історичних і поточних
даних дозволяє прогнозувати момент можливого виходу обладнання з ладу.
Це суттєво зменшує незаплановані простої та знижує витрати на ремонт.
Крім того, CPS активно використовується для оптимізації виробничих
процесів у реальному часі, включаючи балансування навантаження між
лініями, контроль якості продукції, управління енергоспоживанням та
забезпечення промислової безпеки. Важливою складовою є також інтеграція
з хмарними платформами та системами візуалізації (dashboard), що дозволяє
керівництву отримувати цілісну картину стану виробництва та приймати
обґрунтовані управлінські рішення.
Таким чином, кіберфізичні системи в промисловості є не просто засобом
автоматизації, а фундаментальною технологічною основою переходу до
автономних, саморегульованих і дано-орієнтованих виробничих середовищ.
Industry 4.0 — це концепція четвертої промислової революції, яка передбачає
глибоку цифрову трансформацію виробництва шляхом інтеграції
кіберфізичних систем, промислового Інтернету речей (IIoT), великих даних,
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 8
хмарних обчислень та штучного інтелекту. Головні характеристики та
технології 4.0 зображені на рисунку 1.1.
Рисунок 1.1 – Головні характеристики та технології 4.0
Її ключова ідея полягає у створенні “розумних” виробничих середовищ,
у яких обладнання, програмні системи та виробничі процеси взаємодіють між
собою в режимі реального часу без постійного ручного втручання. У межах
Industry 4.0 виробництво стає адаптивним, гнучким і здатним до саморегуляції
на основі аналізу даних.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 9
Smart Factory (розумне виробництво) — це практична реалізація
принципів Industry 4.0 на рівні підприємства. Воно являє собою виробничу
систему, в якій усі елементи — машини, лінії, сенсори, логістика та
інформаційні системи — об’єднані в єдину цифрову екосистему [2]. Така
фабрика здатна автономно збирати дані про виробничі процеси, аналізувати
їх і приймати рішення щодо оптимізації роботи в реальному часі. Основними
характеристиками Smart Factory є високий рівень автоматизації,
самоналаштування процесів, предиктивне обслуговування обладнання та
мінімізація людського фактору.
Industrial Internet of Things (IIoT) — це технологічна парадигма, що
описує мережу взаємопов’язаних промислових пристроїв, датчиків,
контролерів і програмних систем, які збирають, передають і обробляють дані
через інтернет або локальні мережі. IIoT є технічною основою Industry 4.0,
оскільки забезпечує безперервний потік даних з фізичного рівня виробництва
до аналітичних платформ [3]. Завдяки IIoT стає можливим моніторинг стану
обладнання в реальному часі, віддалене керування процесами, оптимізація
ресурсів та інтеграція з хмарними сервісами для глибокої аналітики.
У сукупності ці три концепції формують єдину екосистему сучасного
цифрового виробництва, де дані є ключовим ресурсом, а прийняття рішень
базується на їх безперервному аналізі.
У сучасному промисловому виробництві функціонування технологічних
процесів супроводжується безперервним генеруванням великої кількості
параметричних даних, які характеризують стан обладнання, навантаження на
виробничі лінії, ефективність роботи систем та стабільність технологічного
середовища. Збір таких даних є основою для побудови кіберфізичних систем
моніторингу та аналітики, оскільки саме вони формують цифрове
представлення виробничого процесу.
Однією з найважливіших категорій є температурні дані. Температура
контролюється практично на всіх типах виробництв, оскільки її відхилення
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 10
від нормативних значень може свідчити про порушення технологічного
режиму, перегрів обладнання або несправність окремих вузлів. Температурні
сенсори використовуються для моніторингу двигунів, підшипників,
електричних шаф, систем охолодження, трубопроводів та виробничих камер.
Аналіз температурних показників дозволяє своєчасно виявляти потенційно
аварійні ситуації та запобігати пошкодженню обладнання.
Іншим критично важливим параметром є тиск. У промислових системах
тиск контролюється у пневматичних, гідравлічних та технологічних контурах.
Нестабільність тиску може свідчити про витоки, засмічення магістралей,
перевантаження насосів або порушення роботи компресорних систем. Дані
про тиск використовуються не лише для забезпечення безпечної експлуатації
обладнання, але й для підтримки стабільності виробничих процесів.
Важливу роль у системах промислового моніторингу відіграють дані
про вібрацію. Вібраційний аналіз є одним із найбільш ефективних методів
діагностики механічного стану обладнання. Підвищена або нерівномірна
вібрація може бути ознакою зношення підшипників, дисбалансу валів,
ослаблення кріплень або деформації механізмів. Безперервний контроль
вібраційних параметрів дозволяє реалізувати предиктивне обслуговування та
прогнозувати можливі відмови ще до виникнення аварійної ситуації.
Окремою групою є дані про навантаження обладнання, які
характеризують інтенсивність роботи виробничих систем. До таких
параметрів належать споживання електроенергії, рівень завантаження
двигунів, швидкість обертання, продуктивність ліній та кількість виконаних
операцій. Аналіз навантаження дозволяє оптимізувати використання ресурсів,
виявляти перевантажені або недостатньо ефективні ділянки виробництва та
підвищувати енергоефективність підприємства.
Значну аналітичну цінність мають також дані про простої обладнання.
Фіксація часу зупинок, причин аварійних відключень, технічного
обслуговування та тривалості простоїв дозволяє оцінювати ефективність
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 11
виробничих процесів і визначати фактори, що негативно впливають на
продуктивність. Аналіз простоїв використовується для розрахунку показників
ефективності обладнання, зокрема OEE (Overall Equipment Effectiveness), та
формування стратегій оптимізації виробництва [4].
Крім зазначених параметрів, сучасні промислові системи також
збирають дані про вологість, рівень шуму, витрати сировини, якість продукції,
стан мережевого обладнання, енергоспоживання та інші показники, що
характеризують виробниче середовище. Сукупність цих даних формує основу
для побудови цифрових моделей виробництва, проведення аналітики в
реальному часі та прийняття обґрунтованих управлінських рішень.
Автоматизація збору даних у промисловому виробництві є необхідною
умовою ефективного функціонування сучасних технологічних систем,
оскільки традиційні методи ручного контролю не здатні забезпечити
необхідну швидкість, точність та безперервність моніторингу виробничих
процесів. Зі збільшенням складності виробничої інфраструктури, кількості
обладнання та обсягів інформації потреба в автоматизованих системах збору
й обробки даних стає критично важливою для стабільної роботи підприємства.
Ручний контроль передбачає участь оператора у фіксації показників
обладнання, веденні журналів спостережень та аналізі стану виробничих
процесів. Такий підхід має низку суттєвих обмежень. Насамперед це висока
ймовірність людських помилок, пов’язаних із неточним зчитуванням
параметрів, затримками у внесенні даних або пропуском критичних подій.
Навіть незначні похибки в ручному моніторингу можуть призвести до
неправильних управлінських рішень, аварійних ситуацій або зниження якості
продукції.
Ще однією проблемою ручного контролю є дискретний характер збору
інформації. Оператор здатний перевіряти стан обладнання лише через певні
проміжки часу, тоді як у промислових системах параметри можуть
змінюватися за секунди або навіть мілісекунди. У результаті короткочасні
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 12
перевантаження, критичні температурні стрибки або аномальні вібрації
можуть залишитися непоміченими. Автоматизований збір даних забезпечує
безперервний моніторинг у режимі реального часу, що дозволяє миттєво
фіксувати будь-які відхилення від нормальних режимів роботи.
Автоматизація також суттєво підвищує точність вимірювань та
стабільність отримуваних даних. Сучасні датчики та цифрові системи збору
інформації здатні працювати з високою частотою опитування та мінімальним
рівнем похибки [5]. Це створює основу для побудови достовірної аналітики,
прогнозування технічного стану обладнання та оцінки ефективності
виробничих процесів.
Важливою перевагою автоматизованих систем є можливість
централізованого накопичення та обробки великих обсягів даних. На відміну
від ручного контролю, де інформація часто зберігається у вигляді окремих
записів або паперової документації, цифрові системи дозволяють формувати
структуровані бази даних, проводити історичний аналіз, будувати тренди та
застосовувати алгоритми машинного навчання для виявлення прихованих
закономірностей.
Автоматизований збір даних також створює передумови для реалізації
концепцій predictive maintenance та smart manufacturing. Система здатна не
лише фіксувати поточний стан обладнання, але й аналізувати тенденції зміни
параметрів для прогнозування можливих відмов. Наприклад, поступове
зростання температури двигуна або зміна спектра вібрацій може бути
автоматично визначена як ознака майбутньої несправності ще до фактичної
поломки.
З економічної точки зору автоматизація збору даних дозволяє зменшити
витрати на обслуговування обладнання, скоротити кількість аварійних
зупинок та підвищити загальну продуктивність виробництва. Оперативне
отримання достовірної інформації дає можливість швидше реагувати на зміни
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 13
виробничого середовища, оптимізувати використання ресурсів та
мінімізувати простої.
Перехід промислових підприємств від традиційних SCADA-систем до
комплексних рішень на основі IoT, хмарних технологій та аналітичних
платформ обумовлений зростанням вимог до масштабованості, гнучкості,
швидкості обробки даних та можливостей інтелектуального аналізу
виробничих процесів. Класичні SCADA-системи тривалий час залишалися
основним інструментом диспетчеризації та моніторингу обладнання, однак
сучасні умови цифрової трансформації виробництва виявили низку їхніх
архітектурних і функціональних обмежень [6].
Традиційні SCADA-системи орієнтовані переважно на локальний
контроль технологічних процесів у межах окремого підприємства або
виробничої лінії, приклад зображено на рисунку 1.2.
Рисунок 1.2 – Приклад SCADA-системи
Вони ефективно виконують функції візуалізації, збору телеметрії та
базового керування обладнанням, однак їхня архітектура здебільшого
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 14
побудована на централізованих локальних серверах, що ускладнює
масштабування та інтеграцію з сучасними цифровими сервісами. Крім того,
SCADA-системи часто мають обмежені можливості щодо роботи з великими
потоками даних та проведення складної аналітики.
Використання Industrial IoT дозволяє суттєво розширити
функціональність традиційного промислового моніторингу. IoT-підхід
забезпечує підключення великої кількості датчиків, PLC, контролерів та інших
пристроїв у єдину мережеву інфраструктуру, де дані передаються в режимі
реального часу через сучасні протоколи, такі як MQTT або HTTP. Це дозволяє
збирати інформацію не лише з окремих ділянок виробництва, а з усієї
виробничої екосистеми підприємства.
Важливу роль у цьому переході відіграють хмарні технології (Cloud
Computing). На відміну від локальних серверних рішень SCADA, хмарна
інфраструктура забезпечує практично необмежені можливості масштабування
обчислювальних ресурсів і сховищ даних [7]. Підприємства отримують
можливість централізовано зберігати великі обсяги історичної інформації,
забезпечувати віддалений доступ до системи та інтегрувати виробничі дані
між різними філіями або об’єктами. Хмарні платформи також спрощують
резервування, оновлення та адміністрування інфраструктури.
Ще однією ключовою причиною переходу є розвиток аналітичних
технологій (Analytics). Сучасні виробничі системи генерують великі масиви
даних, які мають цінність лише за умови їх глибокого аналізу. На відміну від
класичних SCADA-рішень, IoT- та cloud-платформи підтримують інтеграцію
з алгоритмами машинного навчання, системами виявлення аномалій,
прогнозною аналітикою та цифровими моделями виробництва. Це дозволяє
реалізувати predictive maintenance, прогнозування навантажень, автоматичне
виявлення відхилень і оптимізацію виробничих процесів у реальному часі.
Суттєвою перевагою сучасних IoT-рішень є також їхня гнучкість та
відкритість. SCADA-системи часто залежать від конкретного виробника
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 15
обладнання або програмного забезпечення, що ускладнює модернізацію та
інтеграцію нових компонентів. IoT-підхід базується на використанні
відкритих стандартів та API, що спрощує інтеграцію різнорідних пристроїв і
сервісів.
Окрім технічних аспектів, перехід до IoT + Cloud + Analytics має й
економічне обґрунтування [8]. Використання хмарної інфраструктури
дозволяє зменшити витрати на локальні сервери та обслуговування апаратного
забезпечення, а автоматизована аналітика знижує втрати, пов’язані з аваріями,
простоями та неефективним використанням ресурсів.
Кіберфізичні системи у промисловому виробництві забезпечують
суттєве підвищення ефективності управління технологічними процесами
завдяки інтеграції фізичного обладнання з цифровими засобами моніторингу,
аналізу та автоматизованого прийняття рішень. Їх впровадження дозволяє
підприємствам перейти до безперервного контролю виробничого середовища
та використання даних як основного ресурсу для оптимізації роботи.
Однією з ключових переваг кіберфізичних систем є зменшення кількості
аварійних ситуацій. Безперервний моніторинг параметрів обладнання у
реальному часі дозволяє оперативно виявляти критичні відхилення, такі як
перегрів, надмірна вібрація, нестабільність тиску або перевантаження
механізмів. Система здатна автоматично формувати попередження або
ініціювати захисні дії ще до виникнення аварії, що значно підвищує рівень
промислової безпеки.
Важливою перевагою є можливість прогнозування поломок обладнання.
Завдяки накопиченню та аналізу історичних даних кіберфізичні системи
дозволяють реалізувати підхід predictive maintenance — прогнозного
технічного обслуговування. Аналіз змін робочих параметрів дає змогу
виявляти ранні ознаки зношення компонентів або нестабільної роботи
механізмів. Це дозволяє проводити технічне обслуговування до моменту
фактичної відмови обладнання та уникати незапланованих простоїв.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 16
Ще однією суттєвою перевагою є підвищення продуктивності
виробництва. Автоматизований збір та аналіз даних забезпечує постійний
контроль ефективності технологічних процесів, завантаження виробничих
ліній та використання ресурсів. На основі отриманої інформації система може
допомагати оптимізувати режими роботи обладнання, зменшувати час
простоїв і підвищувати стабільність виробничого циклу. Це сприяє
збільшенню обсягів виробництва без необхідності значного розширення
фізичної інфраструктури.
Системи також дозволяють суттєво зменшити експлуатаційні витрати
підприємства. Автоматизація моніторингу та аналітики скорочує потребу в
ручному контролі та знижує витрати на обслуговування обладнання.
Прогнозування несправностей дозволяє уникати дорогих аварійних ремонтів,
а оптимізація енергоспоживання та виробничих процесів сприяє
раціональному використанню ресурсів. Крім того, скорочення простоїв та
втрат продукції позитивно впливає на загальну економічну ефективність
виробництва.
Кіберфізичні системи формують основу сучасного інтелектуального
виробництва, забезпечуючи підвищення надійності, ефективності та
економічної стійкості промислових підприємств.
1.2 Постановка задачі
У межах кваліфікаційної роботи необхідно розробити програмно-
апаратну систему збору, передачі, обробки та аналізу виробничих даних,
призначену для моніторингу технологічних процесів у промисловому
середовищі. Система повинна забезпечувати інтеграцію з промисловими
джерелами інформації, включаючи датчики, програмовані логічні контролери,
виконавчі механізми та IoT-пристрої, з метою формування єдиного
інформаційного простору підприємства.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 17
Розроблювана система має підтримувати безперервне отримання
телеметричних даних у режимі реального часу, виконувати їх централізоване
накопичення та забезпечувати подальшу аналітичну обробку. Особливу увагу
необхідно приділити механізмам обробки потокових даних, які дозволяють
оперативно виявляти відхилення технологічних параметрів від допустимих
значень та визначати потенційно небезпечні стани обладнання.
Одним із основних завдань системи є створення гнучкого механізму
аналізу виробничої інформації на основі правил, порогових значень та
логічних умов, що дозволить адаптувати систему до різних типів виробничих
процесів. Крім цього, система повинна забезпечувати формування
аналітичних звітів, статистичних показників та інтерактивних засобів
візуалізації для оцінки стану виробництва.
У процесі проєктування необхідно врахувати вимоги до
масштабованості, надійності та підтримки різних протоколів передачі даних,
що забезпечить можливість інтеграції системи з існуючою промисловою
інфраструктурою та подальшого розширення її функціональності.
Система повинна реалізовувати механізми автоматизованого отримання
виробничих даних із різних типів джерел інформації, включаючи промислові
датчики, програмовані логічні контролери (PLC), мікроконтролери, вбудовані
системи керування та IoT-пристрої. Процес збору даних має виконуватися без
постійного ручного втручання оператора, що забезпечить безперервність
моніторингу та мінімізує вплив людського фактору на точність отримуваної
інформації.
Отримання даних повинно здійснюватися у режимі реального часу або
з мінімальною затримкою через підтримку сучасних протоколів обміну
даними, зокрема MQTT, HTTP, Modbus, OPC UA та інших технологій
промислової комунікації. Це дозволить інтегрувати в систему обладнання
різних виробників та забезпечити сумісність із наявною виробничою
інфраструктурою підприємства.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 18
Система має підтримувати збір різних типів параметрів технологічного
процесу, серед яких температура, тиск, рівень вібрації, навантаження
обладнання, енергоспоживання, швидкість обертання механізмів, час простоїв
та інші виробничі показники. Зібрані дані повинні проходити первинну
обробку, синхронізацію та передачу до серверної частини для подальшого
аналізу та збереження.
Автоматизований механізм отримання даних дозволить забезпечити
оперативне оновлення інформації про стан виробничого обладнання,
підвищити точність контролю технологічних процесів та створити основу для
реалізації функцій аналітики, прогнозування несправностей і виявлення
аномальних ситуацій.
Система повинна забезпечувати надійну та безперервну передачу
зібраних виробничих даних до серверної частини, де здійснюється їх
централізоване збереження та подальша аналітична обробка. Передача
інформації має відбуватися у стандартизованому структурованому форматі
(наприклад, JSON або інші машинозчитувані формати), що забезпечує
уніфікацію даних, отриманих із різних джерел — датчиків, PLC та IoT-
пристроїв.
Механізм передачі даних повинен базуватися на використанні
мережевих протоколів, орієнтованих на промислові та IoT-сценарії, таких як
MQTT або HTTP/REST, що дозволяє забезпечити як низьку затримку доставки
повідомлень, так і високу масштабованість системи. Особлива увага
приділяється надійності доставки, включаючи механізми повторної передачі
у випадку втрати з’єднання, підтвердження отримання повідомлень та
буферизацію даних на стороні пристроїв.
Серверна частина системи виконує роль централізованого вузла, який
приймає потоки даних, здійснює їх валідацію, фільтрацію та структуризацію
перед записом у базу даних. Збереження інформації організовується таким
чином, щоб забезпечити як оперативний доступ до поточних значень
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 19
параметрів, так і можливість історичного аналізу для виявлення тенденцій та
побудови аналітичних моделей.
Передбачається реалізація автоматизованого аналізу виробничих даних
для визначення відхилень від нормальних режимів роботи обладнання. Оцінка
стану виконується на основі порогових значень, логічних правил та методів
виявлення аномалій у потоках даних. Обробка інформації здійснюється майже
в реальному часі, що дозволяє фіксувати небезпечні зміни параметрів
(температура, тиск, вібрація, навантаження тощо) та класифікувати їх за
рівнем критичності для подальшого реагування.
Передбачено створення візуальної панелі для відображення поточного
стану виробничих процесів. Вона має забезпечувати представлення ключових
метрик у графічному та числовому вигляді, включаючи часові графіки,
індикатори стану обладнання та узагальнені показники ефективності. Такий
підхід дозволяє швидко оцінювати ситуацію на виробництві та відстежувати
зміни без аналізу сирих даних.
Реалізується механізм автоматичного інформування у випадках виходу
параметрів за встановлені межі або фіксації аномальних режимів роботи
обладнання. Формування повідомлень здійснюється на основі заданих правил
або результатів аналітичної обробки. Інформування може здійснюватися через
веб-інтерфейс, електронну пошту або інші канали зв’язку, що забезпечує
швидке реагування на критичні події та зниження ризику простоїв і аварій.
1.3 Висновки до розділу
У розділі проведено аналіз кіберфізичних систем у промисловості та
сучасних підходів до організації цифрового виробництва в межах Industry 4.0,
Smart Factory та Industrial IoT. Розглянуто принципи побудови CPS та їх рівні
взаємодії, а також основні типи виробничих даних, що використовуються для
моніторингу стану обладнання.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 20
Обґрунтовано необхідність автоматизації збору та обробки даних як
ключового фактору підвищення точності контролю та оперативності
реагування. Проаналізовано сучасні обмеження SCADA-систем і переваги IoT
та хмарних рішень для роботи з великими обсягами інформації.
Сформульовано задачу розробки системи збору, передачі та аналізу
виробничих даних із підтримкою різних джерел, протоколів, механізмів
виявлення критичних станів, а також засобів візуалізації та сповіщення.
Отримані результати підтверджують актуальність створення такої
системи для підвищення ефективності та безпеки промислового виробництва.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 21
2 ВИБІР ТЕХНОЛОГІЇ ТА ІНСТРУМЕНТАЛЬНИХ ЗАСОБІВ
2.1 Огляд існуючих технологій
У промислових інформаційних системах існує кілька ключових класів
технологій для збору та управління виробничими даними, які відрізняються
рівнем інтеграції, швидкодією, масштабованістю та можливостями аналітики.
До них належать SCADA-системи, MES-рівень управління виробництвом та
сучасні IoT-платформи, що формують основу цифрової інфраструктури
сучасних підприємств.
SCADA-системи (Supervisory Control and Data Acquisition)
є класом програмно-апаратних рішень, орієнтованих на диспетчеризацію,
моніторинг і часткове керування технологічними процесами на рівні
виробничого обладнання. Вони забезпечують збір телеметричних даних із
нижнього рівня автоматизації, зокрема з датчиків, програмованих логічних
контролерів (PLC), релейних систем та виконавчих механізмів [9]. Основною
задачею SCADA є відображення поточного стану об’єктів у вигляді
мнемосхем, графіків і сигналів тривоги, а також архівація параметрів процесу
для подальшого аналізу.
Архітектурно SCADA-системи зазвичай базуються на клієнт-серверній
моделі, де сервер відповідає за збір і зберігання даних, а клієнтські інтерфейси
забезпечують візуалізацію. Обмін даними здійснюється через промислові
протоколи (Modbus, Profibus, OPC), що забезпечує сумісність із промисловим
обладнанням, однак часто обмежує гнучкість інтеграції з сучасними веб- і
хмарними сервісами [10]. Головним недоліком SCADA є локалізованість та
обмежені можливості масштабування, а також недостатня підтримка складної
аналітики та роботи з великими потоками даних.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 22
MES-системи (Manufacturing Execution Systems)
MES представляє собою рівень оперативного управління виробництвом, який
забезпечує зв’язок між технологічним (SCADA) та корпоративним (ERP)
рівнями. На відміну від SCADA, яка працює з фізичними параметрами
обладнання, MES оперує виробничими процесами як бізнес-операціями:
замовленнями, маршрутами виробництва, ресурсами та якістю продукції [11].
Основними функціями MES є планування та контроль виконання
виробничих завдань, відстеження руху матеріалів, управління персоналом у
виробничому процесі та розрахунок показників ефективності (OEE,
throughput, downtime analysis). MES-системи дозволяють отримувати більш
узагальнену картину виробництва, однак критично залежать від точності та
повноти даних, що надходять із нижчих рівнів автоматизації. У багатьох
випадках вони інтегруються зі SCADA або IoT-платформами для отримання
актуальної телеметрії.
IoT-платформи (Industrial Internet of Things Platforms)
IoT-платформи є сучасним етапом еволюції промислових інформаційних
систем і забезпечують гнучку, масштабовану інфраструктуру для підключення
великої кількості розподілених пристроїв. Вони дозволяють інтегрувати
різнорідне обладнання через універсальні протоколи передачі даних, такі як
MQTT, HTTP/REST, AMQP та OPC UA, забезпечуючи єдиний механізм збору,
нормалізації та обробки інформації [12].
Ключовою особливістю IoT-платформ є підтримка потокової обробки
даних у реальному часі, що дозволяє не лише накопичувати інформацію, але
й одразу виконувати аналітичні операції, включаючи виявлення аномалій,
побудову прогнозних моделей та тригерування подій. Такі платформи
зазвичай побудовані на основі хмарних технологій, що забезпечує практично
необмежене масштабування обчислювальних ресурсів і сховищ даних.
На відміну від SCADA і MES, IoT-платформи мають відкриту модульну
архітектуру, орієнтовану на інтеграцію з великими даними (Big Data),
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 23
машинним навчанням та системами штучного інтелекту [13]. Це дозволяє
формувати цифрові двійники виробничих процесів і реалізовувати концепцію
predictive maintenance, де стан обладнання оцінюється не лише за поточними
значеннями, а й за динамікою зміни параметрів.
SCADA, MES та IoT-платформи формують багаторівневу екосистему
промислової автоматизації, де кожен рівень виконує свою функцію — від
збору телеметрії до стратегічного управління виробництвом і глибокої
аналітики.
Хмарні платформи є ключовим елементом сучасних кіберфізичних та
IoT-орієнтованих систем, оскільки забезпечують масштабоване зберігання,
обробку та аналітику великих обсягів виробничих даних у режимі реального
часу. Їх використання дозволяє відмовитися від жорстко прив’язаних
локальних серверних рішень і перейти до гнучкої інфраструктури з
динамічним розподілом обчислювальних ресурсів, що є критично важливим
для промислових систем із високою інтенсивністю потокових даних.
Amazon Web Services є однією з найпоширеніших хмарних платформ,
яка надає широкий набір сервісів для збору, зберігання, обробки та аналізу
даних. У контексті промислових систем особливе значення мають сервіси IoT
Core, Kinesis, Lambda, S3 та DynamoDB. AWS IoT Core забезпечує
підключення великої кількості пристроїв через протокол MQTT та HTTP,
дозволяючи безпечно передавати телеметричні дані в хмару. Мождтвості
зображені на рисунку 2.1.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 24
Рисунок 2.1 – Amazon Web Services
Потокова обробка реалізується через Kinesis, що дозволяє аналізувати
дані в реальному часі, а Lambda забезпечує безсерверне виконання
аналітичних функцій [14]. Сховище S3 використовується для довготривалого
зберігання великих масивів даних, а DynamoDB — для швидкого доступу до
структурованої інформації. AWS також підтримує інтеграцію з аналітичними
сервісами машинного навчання, що дозволяє будувати моделі прогнозування
стану обладнання.
Microsoft Azure є комплексною хмарною платформою, яка активно
використовується в промисловій автоматизації завдяки глибокій інтеграції з
корпоративними системами та підтримці гібридних архітектур. Архітектуру
хмарного застосунку в Azure зображено на рисунку 2.2.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 25
Рисунок 2.2 – Архітектуру хмарного застосунку в Azure
Основними компонентами для IoT та аналітики є Azure IoT Hub, Azure
Stream Analytics, Azure Data Lake та Azure Machine Learning. IoT Hub
забезпечує двосторонній зв’язок між пристроями та хмарою, підтримуючи
масштабні промислові розгортання. Stream Analytics дозволяє виконувати
обробку потокових даних у реальному часі з використанням SQL-подібних
запитів. Data Lake використовується для зберігання великих неструктурованих
масивів даних, а Machine Learning — для побудови прогнозних моделей та
виявлення аномалій [15]. Особливістю Azure є орієнтація на інтеграцію з
виробничими системами Microsoft, що спрощує впровадження в корпоративне
середовище.
Google Cloud Platform відзначається високою продуктивністю
аналітичних сервісів та ефективною роботою з великими потоками даних.
Ключовими компонентами є Pub/Sub, BigQuery, Dataflow та Vertex AI. Pub/Sub
забезпечує масштабовану систему обміну повідомленнями між пристроями та
сервісами в реальному часі, що особливо важливо для IoT-сценаріїв.
Архітектура Google Cloud Platform зображено на рисунку 2.3.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 26
Рисунок 2.3 – Архітектура Google Cloud Platform
BigQuery використовується для аналітики великих даних і дозволяє
виконувати складні SQL-запити над масивами телеметрії без необхідності
попередньої обробки. Dataflow забезпечує потокову та пакетну обробку даних,
а Vertex AI використовується для створення та розгортання моделей
машинного навчання [16]. GCP особливо ефективна в задачах аналітики
великих обсягів даних завдяки високорівневій оптимізації обчислювальних
процесів.
AWS, Azure та Google Cloud формують основу сучасної хмарної
інфраструктури для промислових IoT-систем, забезпечуючи повний цикл
роботи з даними — від їх збору на рівні обладнання до глибокої аналітики та
прогнозування.
У промислових кіберфізичних та IoT-системах передача даних між
пристроями, контролерами та серверними платформами здійснюється через
спеціалізовані комунікаційні протоколи. Вони визначають спосіб обміну
інформацією, рівень надійності, затримки та сумісність між різними
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 27
компонентами системи. Найбільш поширеними є MQTT, Modbus, OPC UA та
REST API, кожен із яких має свою сферу застосування та технічні особливості.
MQTT є легковаговим протоколом обміну повідомленнями, який
спеціально розроблений для IoT-середовищ із обмеженими ресурсами та
нестабільними мережами. Він базується на архітектурі “publish/subscribe”, де
пристрої не обмінюються даними напряму, а публікують повідомлення у теми
(topics), які отримують підписники через брокер повідомлень. Такий підхід
забезпечує високу масштабованість системи та мінімальне навантаження на
мережу [17]. MQTT підтримує різні рівні якості доставки (QoS 0, 1, 2), що
дозволяє балансувати між швидкістю та надійністю передачі даних. У
промислових IoT-рішеннях він часто використовується для передачі
телеметрії з датчиків у хмарні платформи в режимі реального часу.
Modbus є одним із найстаріших і найпоширеніших промислових
протоколів зв’язку, який використовується для взаємодії між контролерами,
датчиками та виконавчими пристроями. Він працює за принципом
“master/slave” (або client/server у сучасних реалізаціях) і дозволяє читати та
записувати регістри пристроїв. Найбільш поширені варіанти — Modbus RTU
(послідовний зв’язок) та Modbus TCP (мережевий варіант через Ethernet). Його
основна перевага полягає у простоті реалізації, високій сумісності та широкій
підтримці промисловим обладнанням [18]. Однак Modbus має обмежену
структуру даних і не підтримує складну семантику або вбудовані механізми
безпеки, що обмежує його використання в сучасних масштабованих системах.
OPC UA є сучасним промисловим стандартом обміну даними, який
розроблений для забезпечення безпечної, уніфікованої та
платформонезалежної комунікації між пристроями різних виробників. На
відміну від Modbus, OPC UA підтримує складну ієрархічну модель даних, що
дозволяє описувати не лише значення параметрів, а й їх взаємозв’язки та
контекст. Протокол підтримує шифрування, автентифікацію та цифрові
сертифікати, що робить його придатним для використання в критично
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 28
важливих промислових системах. OPC UA також дозволяє працювати як у
режимі клієнт-сервер, так і в режимі publish/subscribe, що робить його гнучким
для інтеграції в сучасні IoT-архітектури [19].
REST API є архітектурним стилем взаємодії між системами через
HTTP-протокол, який широко використовується в веб- та хмарних
застосунках. У контексті промислових систем REST дозволяє передавати
структуровані дані (найчастіше у форматі JSON) між пристроями, серверними
сервісами та аналітичними платформами. Основними операціями є GET,
POST, PUT та DELETE, що відповідають читанню, створенню, оновленню та
видаленню ресурсів. REST API є простим у реалізації та добре інтегрується з
сучасними хмарними сервісами, однак не завжди оптимальний для
високочастотної потокової телеметрії через накладні витрати HTTP-запитів.
Ці протоколи формують багаторівневу систему комунікацій у
промислових IoT-рішеннях: Modbus та OPC UA забезпечують зв’язок із
обладнанням на рівні автоматизації, MQTT використовується для потокової
передачі даних у розподілених системах, а REST API — для інтеграції з веб-
сервісами, аналітичними платформами та користувацькими застосунками.
Серверна частина виконує центральну роль у кіберфізичній системі,
забезпечуючи прийом, первинну обробку та довготривале зберігання
виробничих даних, що надходять від промислового обладнання. Вона
виступає проміжним рівнем між фізичними пристроями (датчиками, PLC, IoT-
вузлами) та аналітичними модулями, формуючи єдине інформаційне
середовище підприємства [20].
Отримання даних здійснюється через мережеві протоколи (MQTT,
HTTP/REST, OPC UA та інші), що дозволяє підключати різнорідні джерела
інформації незалежно від виробника або типу обладнання. Після надходження
дані проходять етап валідації, під час якого перевіряється їх коректність,
повнота та відповідність очікуваній структурі. Це дозволяє відфільтровувати
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 29
некоректні або пошкоджені повідомлення ще до їх потрапляння в систему
зберігання.
Наступним етапом є первинна обробка, яка включає нормалізацію
форматів, синхронізацію часових міток, агрегацію потокових даних та, за
необхідності, їх трансформацію у єдину модель представлення. Такий підхід
забезпечує уніфікацію інформації, що надходить із різних джерел, і спрощує
подальший аналіз.
Збереження даних реалізується за допомогою баз даних, які можуть бути
реляційними (SQL) або нереляційними (NoSQL) залежно від характеру
інформації. Структуровані параметри технологічних процесів зазвичай
зберігаються у реляційних базах, тоді як високочастотні телеметричні потоки
можуть зберігатися у часових базах даних (time-series databases),
оптимізованих для роботи з великими обсягами вимірювань.
Серверна архітектура також повинна забезпечувати масштабованість і
відмовостійкість, що досягається через використання мікросервісного
підходу, черг повідомлень та балансування навантаження. Це дозволяє системі
ефективно обробляти великі потоки даних у режимі реального часу без втрати
продуктивності.
У результаті серверна частина формує ядро системи, яке забезпечує
надійне накопичення виробничої інформації та створює основу для подальшої
аналітики, прогнозування та прийняття управлінських рішень.
Реалізація серверної частини кіберфізичної системи може бути виконана
із застосуванням різних сучасних мов програмування, кожна з яких має власні
переваги з точки зору продуктивності, масштабованості та зручності
розробки.
Python широко використовується для побудови серверних рішень у
сфері обробки даних та IoT завдяки великій кількості бібліотек для роботи з
мережевими протоколами, аналітикою та машинним навчанням. Фреймворки
на кшталт FastAPI або Flask дозволяють швидко створювати REST API та
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 30
сервіси для прийому телеметрії, а інтеграція з бібліотеками аналізу даних
робить Python особливо ефективним для подальшої обробки виробничої
інформації [21].
C# (.NET) є потужною платформою для створення високопродуктивних
серверних застосунків, особливо у корпоративному середовищі.
Використання ASP.NET Core забезпечує високу швидкодію, підтримку
багатопоточності та зручну інтеграцію з базами даних і хмарними сервісами
Microsoft Azure. Це робить C# доцільним вибором для промислових рішень із
підвищеними вимогами до стабільності та безпеки.
Java традиційно застосовується у великих розподілених системах
завдяки своїй кросплатформенності та зрілій екосистемі. Фреймворки Spring
Boot та Jakarta EE дозволяють будувати масштабовані мікросервісні
архітектури, здатні обробляти великі потоки даних у реальному часі. Java
ефективно використовується у промислових рішеннях, де важлива надійність
і довготривала підтримка системи.
Node.js є середовищем виконання JavaScript на сервері, яке
відзначається високою ефективністю в задачах асинхронної обробки запитів і
роботи з потоковими даними. Завдяки неблокуючій моделі вводу-виводу
Node.js добре підходить для IoT-систем, де необхідно одночасно обробляти
велику кількість підключень від пристроїв у реальному часіv[22]. Фреймворки
на кшталт Express або NestJS спрощують побудову API та мікросервісів.
Вибір технології для серверної частини залежить від вимог до
продуктивності, масштабованості, складності аналітики та інтеграції з іншими
компонентами системи, при цьому всі зазначені мови здатні ефективно
реалізувати функції прийому, обробки та зберігання промислових даних.
Клієнтська частина кіберфізичної системи відповідає за відображення
виробничих даних, взаємодію користувача з аналітичною інформацією та
забезпечення інтерфейсу для моніторингу стану обладнання. Для її реалізації
можуть використовуватися сучасні JavaScript-фреймворки, які дозволяють
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 31
створювати інтерактивні веб-застосунки з динамічним оновленням даних у
режимі реального часу.
Angular є повноцінним фреймворком для побудови масштабних веб-
додатків. Він забезпечує структуровану архітектуру, вбудовані механізми
роботи з HTTP-запитами, маршрутизацією та формами. Завдяки
використанню TypeScript та суворій організації коду Angular добре підходить
для великих промислових систем, де важлива стабільність, підтримуваність
та чітка модульна структура. Він часто застосовується для створення складних
dashboard-систем із великою кількістю взаємопов’язаних компонентів.
Vue.js є більш легким і гнучким фреймворком, який орієнтований на
швидку розробку інтерфейсів. Він має простішу криву навчання та дозволяє
поступово інтегрувати функціональність у вже існуючі проєкти. Vue добре
підходить для створення інтерактивних панелей моніторингу, де необхідна
висока швидкість розробки та адаптивність інтерфейсу до змін структури
даних.
React є бібліотекою для побудови користувацьких інтерфейсів, яка
базується на компонентному підході та віртуальному DOM. Вона забезпечує
високу продуктивність при оновленні даних, що особливо важливо для систем
реального часу, де значення сенсорів постійно змінюються. React часто
використовується для створення дашбордів, аналітичних панелей та веб-
застосунків, що потребують швидкого рендерингу великої кількості
динамічних елементів.
Технології дозволяють реалізувати сучасний веб-інтерфейс для
кіберфізичної системи, забезпечуючи візуалізацію даних, зручну взаємодію
користувача з системою та відображення інформації у режимі реального часу.
Вибір конкретного рішення залежить від складності проєкту, вимог до
масштабованості та досвіду розробника.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 32
2.2 Обґрунтування вибору
Під час розробки кіберфізичної системи збору та аналізу даних у
промисловому виробництві ключову роль відіграє правильний вибір
технологій, оскільки від цього залежить стабільність роботи системи,
можливість інтеграції з виробничим обладнанням, швидкість обробки
інформації та подальше масштабування програмного комплексу. Система
повинна працювати в умовах постійного потоку даних від різних джерел,
забезпечувати безперервну передачу інформації, підтримувати декілька
промислових протоколів та надавати інструменти для аналізу й візуалізації
виробничих процесів. Саме тому для розробки обираються технології, які вже
активно використовуються в промисловій автоматизації, хмарних
обчисленнях та сучасних системах аналітики.
Проєктована система повинна виконувати функції проміжного
цифрового середовища між виробничим обладнанням і користувачем. З
одного боку система отримує дані від SCADA-систем, MES-рішень,
промислових контролерів, датчиків та IoT-пристроїв, а з іншого - забезпечує
централізований аналіз, формування звітності, побудову інформаційних
панелей та підтримку прийняття управлінських рішень. Така архітектура
потребує використання технологій, здатних працювати в режимі реального
часу та забезпечувати високу надійність передачі інформації.
Для реалізації серверної частини системи обрано платформу .NET та
мову програмування C#. Основною причиною вибору є висока продуктивність
платформи, підтримка багатопотокової обробки даних, наявність великої
кількості бібліотек для роботи з промисловими протоколами та можливість
інтеграції з хмарними сервісами AWS. Платформа .NET дозволяє створювати
масштабовані серверні застосунки, які можуть працювати як у локальному
середовищі підприємства, так і у хмарній інфраструктурі.
Мова C# є однією з найбільш поширених мов для створення
корпоративних систем та серверних рішень. Вона забезпечує зручну роботу з
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 33
асинхронними процесами, що є критично важливим для систем, які одночасно
приймають дані від великої кількості пристроїв. Використання механізмів
async/await дозволяє обробляти тисячі запитів без суттєвого навантаження на
серверні ресурси. Крім того, платформа .NET підтримує контейнеризацію та
мікросервісну архітектуру, що дозволяє в майбутньому розширювати систему
без повної зміни її структури.
Ще однією перевагою використання C# є наявність бібліотек для роботи
з MQTT, Modbus та OPC UA. Це дозволяє реалізувати взаємодію з
промисловим обладнанням без необхідності створення власних
низькорівневих драйверів. Для MQTT можуть використовуватися бібліотеки
MQTTnet, для OPC UA - OPC Foundation .NET Standard Library, а для Modbus
- NModbus або аналогічні рішення. Наявність готових інструментів значно
пришвидшує процес розробки та зменшує ризик виникнення помилок під час
передачі даних.
Для побудови клієнтської частини системи обрано фреймворк Vue.js.
Даний фреймворк використовується для створення сучасних вебінтерфейсів
та дозволяє реалізовувати динамічні інформаційні панелі, таблиці, графіки та
системи моніторингу в реальному часі. Оскільки система орієнтована на аналіз
виробничих процесів, інтерфейс користувача повинен швидко оновлювати
інформацію, відображати великі обсяги даних та забезпечувати зручну
навігацію між різними модулями системи.
Vue.js характеризується невисоким споживанням ресурсів та гнучкою
структурою компонентів. Це дозволяє створювати окремі незалежні модулі
інтерфейсу, наприклад панель моніторингу обладнання, модуль аналітики,
систему формування звітів або вікна налаштування підключення до пристроїв.
Компонентний підхід значно спрощує подальший супровід системи та дає
можливість поступово розширювати функціональність без зміни вже
реалізованих частин інтерфейсу.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 34
Важливою перевагою Vue.js є підтримка реактивності. Це означає, що
при зміні даних на сервері інтерфейс автоматично оновлюється без
необхідності перезавантаження сторінки. Для промислових систем
моніторингу це має особливе значення, оскільки оператор або керівник
виробництва повинен бачити актуальний стан обладнання в режимі реального
часу. Наприклад, при зміні температури обладнання, швидкості роботи
конвеєра або показників енергоспоживання інформація миттєво
відображатиметься на інформаційній панелі.
Для організації взаємодії між серверною та клієнтською частинами
планується використання REST API. Даний підхід дозволяє реалізувати
стандартизований механізм передачі даних між компонентами системи. REST
API широко використовується у веброзробці завдяки простоті інтеграції,
підтримці JSON-формату та незалежності від конкретної платформи.
Серверна частина системи буде надавати набір API-методів для отримання
статистики, конфігурації обладнання, історичних даних та результатів
аналітики.
Використання REST API також забезпечує можливість інтеграції
системи з іншими програмними рішеннями підприємства. Наприклад, система
може передавати дані у зовнішні ERP-системи, BI-платформи або мобільні
застосунки. Завдяки цьому розроблювана кіберфізична система не буде
ізольованим програмним продуктом, а стане частиною цифрової екосистеми
підприємства.
Для передачі даних від IoT-пристроїв та промислового обладнання
обрано протокол MQTT. Даний протокол спеціально створений для роботи з
великою кількістю пристроїв у мережах з нестабільним або обмеженим
каналом зв’язку. MQTT використовує модель publish/subscribe, у якій пристрої
публікують повідомлення у певні канали, а сервер або інші клієнти
підписуються на отримання цих повідомлень.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 35
Однією з головних причин використання MQTT є його низьке
навантаження на мережу. У виробничому середовищі може працювати велика
кількість датчиків, які регулярно передають невеликі пакети даних.
Використання HTTP у такому випадку створювало б значне навантаження
через необхідність формування окремих запитів для кожної передачі
інформації. MQTT дозволяє підтримувати постійне з’єднання та передавати
дані з мінімальними витратами мережевих ресурсів.
Протокол MQTT також підтримує різні рівні гарантії доставки
повідомлень. Це особливо важливо у виробничих системах, де втрата
інформації може призвести до помилкових управлінських рішень або
некоректної роботи аналітичних модулів. Використання QoS-рівнів дозволяє
налаштовувати баланс між швидкістю передачі та надійністю доставки даних.
Для взаємодії з промисловими контролерами та обладнанням планується
використання протоколу Modbus. Це один із найбільш поширених
промислових протоколів, який використовується для зв’язку між PLC-
контролерами, датчиками та системами автоматизації. Незважаючи на свій
вік, Modbus досі активно використовується у виробничому середовищі через
простоту реалізації та підтримку великою кількістю пристроїв.
Використання Modbus дозволяє отримувати доступ до регістрів
контролерів та зчитувати параметри обладнання без необхідності
встановлення додаткового програмного забезпечення від виробника. Це
особливо важливо для побудови універсальної системи збору даних, яка
повинна працювати з обладнанням різних виробників. Підтримка Modbus TCP
дає можливість організувати передачу даних через локальну мережу
підприємства.
Ще одним важливим протоколом у системі є OPC UA. Даний стандарт
активно використовується у промисловій автоматизації для обміну даними
між різними системами та пристроями. OPC UA забезпечує не лише передачу
даних, а й підтримує механізми безпеки, авторизації та опису структури
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 36
інформації. Це дозволяє будувати складні інтеграційні рішення між
обладнанням, SCADA-системами та серверною частиною платформи.
Перевагою OPC UA є платформонезалежність та підтримка сучасних
механізмів шифрування. На відміну від старих реалізацій OPC, новий стандарт
не залежить від технологій COM/DCOM і може працювати у
кросплатформному середовищі. Це особливо важливо при використанні
хмарної інфраструктури та контейнеризованих сервісів.
Для взаємодії з SCADA-системами використання OPC UA є одним із
найбільш доцільних рішень, оскільки більшість сучасних SCADA-платформ
підтримують цей стандарт. Завдяки цьому система може отримувати дані про
стан обладнання, аварійні події, технологічні параметри та інші виробничі
показники без необхідності прямого втручання у внутрішню архітектуру
SCADA.
Для розміщення системи обрано хмарну платформу AWS. Використання
хмарної інфраструктури дозволяє забезпечити масштабованість,
відмовостійкість та гнучке управління ресурсами. У виробничих системах
обсяги даних можуть швидко зростати, особливо при підключенні великої
кількості обладнання. AWS дозволяє динамічно збільшувати обчислювальні
ресурси залежно від навантаження.
Однією з ключових причин вибору AWS є наявність спеціалізованих
сервісів для IoT та потокової обробки даних. Наприклад, AWS IoT Core
дозволяє організувати централізоване підключення пристроїв через MQTT,
керувати політиками безпеки та маршрутизацією повідомлень. Це значно
спрощує реалізацію механізму прийому телеметрії від виробничого
обладнання.
Для обробки серверної логіки можуть використовуватися EC2-інстанси
або контейнерні сервіси ECS. Використання контейнерів дозволяє ізолювати
окремі компоненти системи та спрощує процес оновлення програмного
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 37
забезпечення. Крім того, контейнеризація забезпечує однакове середовище
виконання на різних серверах.
Для зберігання даних доцільно використовувати PostgreSQL. Дана
система керування базами даних забезпечує високу надійність, підтримку
складних SQL-запитів та хорошу продуктивність при роботі з великими
обсягами інформації. PostgreSQL добре підходить для зберігання історичних
даних виробництва, журналів подій, конфігурацій обладнання та результатів
аналітики.
Однією з причин вибору PostgreSQL є підтримка JSONB-структур. У
промислових системах структура даних може відрізнятися залежно від типу
обладнання або протоколу передачі інформації. Використання JSONB
дозволяє зберігати напівструктуровані дані без необхідності постійної зміни
структури таблиць. Це робить систему більш гнучкою та спрощує інтеграцію
нових типів пристроїв.
PostgreSQL також підтримує механізми реплікації, резервного
копіювання та горизонтального масштабування. Це є важливим для
забезпечення безперервної роботи системи у виробничому середовищі. У разі
відмови одного сервера база даних може бути швидко відновлена без втрати
критично важливої інформації.
Для побудови аналітичних панелей та графіків у клієнтській частині
можуть використовуватися бібліотеки Chart.js або Apache ECharts. Дані
інструменти дозволяють візуалізувати виробничі показники у вигляді
графіків, діаграм, гістограм та інтерактивних інформаційних панелей.
Візуалізація даних має велике значення для оперативного аналізу стану
виробництва та швидкого виявлення відхилень у роботі обладнання.
Окрему увагу під час вибору технологій необхідно приділити питанням
безпеки. Оскільки система працює з виробничими даними та може взаємодіяти
з критично важливим обладнанням, необхідно забезпечити захист каналів
передачі інформації, механізми авторизації користувачів та контроль доступу
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 38
до ресурсів системи. Для цього планується використання HTTPS-з’єднань,
JWT-аутентифікації та механізмів шифрування, які підтримуються AWS та
OPC UA.
Використання JWT дозволяє реалізувати централізовану систему
автентифікації користувачів та обмежувати доступ до окремих функцій
системи залежно від ролі користувача. Наприклад, оператор виробництва
може мати доступ лише до моніторингу обладнання, тоді як адміністратор
отримує можливість змінювати конфігурацію підключень та правила обробки
даних.
Таким чином, обраний набір технологій дозволяє створити
масштабовану та сучасну кіберфізичну систему для збору й аналізу
виробничих даних. Використання C# та .NET забезпечує стабільну серверну
логіку й підтримку промислових протоколів, Vue.js дозволяє реалізувати
інтерактивний вебінтерфейс, а AWS забезпечує надійну хмарну
інфраструктуру для розгортання системи. Підтримка MQTT, Modbus, OPC UA
та REST API робить систему універсальним інструментом інтеграції з
промисловим обладнанням, SCADA-системами та IoT-пристроями. Обрана
архітектура створює основу для подальшого розвитку системи та
впровадження додаткових механізмів аналітики, прогнозування та
автоматизації виробничих процесів.
2.3 Висновки до розділу
У даному розділі було проведено аналіз сучасних технологій та
інструментальних засобів, що використовуються для побудови кіберфізичних
систем збору та аналізу виробничих даних. Розглянуто особливості SCADA-,
MES- та IoT-платформ, їх функціональне призначення, переваги та обмеження
в умовах промислової автоматизації. Встановлено, що сучасні IoT-рішення та
хмарні технології забезпечують найвищу масштабованість, гнучкість
інтеграції та можливості аналітичної обробки даних у режимі реального часу.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 39
Також було проаналізовано сучасні хмарні платформи AWS, Microsoft
Azure та Google Cloud Platform, а також промислові протоколи MQTT, Modbus,
OPC UA та REST API. Визначено, що використання MQTT та OPC UA є
найбільш доцільним для організації надійного та масштабованого обміну
даними між виробничим обладнанням, серверною інфраструктурою та
клієнтськими застосунками.
У результаті обґрунтування вибору технологій для реалізації системи
було визначено доцільність використання платформи .NET та мови
програмування C# для серверної частини, фреймворку Vue.js для побудови
клієнтського вебінтерфейсу, PostgreSQL для зберігання виробничих даних та
хмарної платформи AWS для розгортання й масштабування системи. Обраний
набір технологій забезпечує високу продуктивність, підтримку промислових
протоколів, можливість роботи в режимі реального часу та подальше
розширення функціональності системи.
Результати проведеного аналізу підтверджують, що обрана технологічна
архітектура відповідає вимогам до сучасних кіберфізичних систем
промислового моніторингу та створює основу для реалізації ефективної
системи збору, обробки та аналізу виробничих даних.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 40
3 РОЗРОБКА СИСТЕМИ ЗБОРУ ТА АНАЛІЗУ ДАНИХ У
ПРОМИСЛОВОМУ ВИРОБНИЦТВІ
3.1 Структура системи
Розроблена кіберфізична система збору та аналізу даних у
промисловому виробництві побудована за модульним принципом. Такий
підхід дозволив розділити функціональність системи на окремі незалежні
компоненти, кожен з яких відповідає за виконання конкретного набору задач.
Модульна структура забезпечує гнучкість під час розробки, спрощує супровід
програмного забезпечення та дозволяє масштабувати систему без необхідності
зміни всієї архітектури. Структура розробленої системи зображено на
рисунку 3.1.
Розділ 3.1 – Структура розробленої системи
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 41
Крім цього, розподіл системи на окремі сервіси дозволяє ізолювати
навантаження та уникнути ситуацій, коли помилка в одному компоненті
впливає на роботу всього комплексу.
Архітектура системи побудована таким чином, щоб забезпечити
безперервний цикл роботи з виробничими даними. На першому етапі система
приймає інформацію від зовнішніх джерел, після чого виконується її
перевірка, нормалізація та обробка. Далі дані передаються до центрального
сховища, де зберігаються для подальшого аналізу. Поверх зібраної інформації
працюють аналітичні модулі, механізми побудови звітів та клієнтський
вебінтерфейс. Усі компоненти взаємодіють між собою через внутрішні API та
механізми обміну повідомленнями.
Одним із ключових компонентів системи є модуль інтеграції з
промисловим обладнанням. Саме цей модуль відповідає за отримання
інформації від зовнішніх пристроїв та виробничих систем. Його основне
завдання полягає у забезпеченні стабільного з’єднання з обладнанням
незалежно від виробника або використовуваного протоколу передачі даних.
У межах реалізованої системи модуль підтримує роботу з MQTT, Modbus,
OPC UA та REST API.
Підсистема MQTT використовується для роботи з IoT-пристроями та
датчиками, які передають телеметричні дані в режимі реального часу. Сервер
MQTT виконує роль центрального брокера повідомлень, через який
відбувається обмін інформацією між пристроями та серверною частиною
системи. Кожен пристрій публікує повідомлення у власні тематичні канали, а
система автоматично підписується на відповідні потоки даних. Такий підхід
дозволяє організувати асинхронний обмін повідомленнями та зменшити
навантаження на мережу.
Для роботи з PLC-контролерами реалізовано окремий Modbus-модуль.
Його функцією є періодичне опитування регістрів обладнання та отримання
значень технологічних параметрів. У процесі роботи модуль виконує
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 42
конвертацію сирих значень у фізичні величини, які надалі використовуються
в системі аналізу. Наприклад, числові значення регістрів можуть
перетворюватися у температуру, тиск, швидкість обертання або рівень
споживання енергії. Крім цього, модуль забезпечує контроль доступності
обладнання та фіксує помилки зв’язку у системному журналі.
Для інтеграції з SCADA-системами реалізовано OPC UA-модуль. Даний
компонент відповідає за підключення до OPC UA-серверів та отримання
інформації про технологічні процеси підприємства. Однією з особливостей
OPC UA є підтримка структурованої моделі даних, тому модуль не лише
отримує значення параметрів, але й працює з ієрархією вузлів, описами
змінних та метаданими обладнання. Завдяки цьому система може автоматично
визначати структуру підключених джерел даних без ручного налаштування
кожного параметра.
Окреме місце у структурі системи займає REST API-модуль інтеграції.
Він використовується для взаємодії з MES-системами, зовнішніми сервісами
та сторонніми інформаційними платформами. Через REST API система може
отримувати виробничі показники, інформацію про замовлення, графіки
виробництва або результати роботи окремих виробничих ділянок. Крім цього,
REST API використовується для інтеграції клієнтського вебінтерфейсу із
серверною частиною системи.
Після отримання даних інформація передається до модуля обробки
повідомлень. Даний компонент виконує роль центрального механізму
маршрутизації та первинної обробки інформації. Основним завданням модуля
є уніфікація даних, отриманих із різних джерел. Оскільки різні протоколи
можуть використовувати різні формати передачі інформації, система повинна
привести всі повідомлення до єдиної внутрішньої структури.
У процесі нормалізації модуль перевіряє типи даних, виконує
конвертацію одиниць вимірювання та формує стандартизовані записи для
подальшої обробки. Наприклад, значення температури можуть надходити у
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 43
градусах Цельсія або Фаренгейта, а часові позначки можуть використовувати
різні часові пояси. Система автоматично виконує приведення таких
параметрів до єдиного стандарту.
Крім нормалізації, модуль обробки повідомлень реалізує механізми
фільтрації помилкових даних. У промисловому середовищі можуть виникати
ситуації, коли обладнання передає некоректні значення через несправності
датчиків або проблеми зв’язку. Для запобігання потраплянню таких даних у
систему реалізовано перевірку допустимих діапазонів значень, аналіз
структури повідомлень та контроль цілісності інформації.
Після завершення первинної обробки дані передаються до модуля
збереження інформації. У системі використовується база даних PostgreSQL,
яка виконує роль централізованого сховища. Структура бази даних
побудована таким чином, щоб забезпечити ефективне зберігання як
історичних виробничих показників, так і службової інформації системи.
У базі даних зберігаються параметри обладнання, історія телеметрії,
журнали подій, конфігурації підключень, дані користувачів та результати
аналітичної обробки. Для оптимізації роботи система використовує
розділення таблиць за часовими інтервалами. Це дозволяє пришвидшити
вибірку інформації при роботі з великими обсягами історичних даних.
Важливим компонентом системи є модуль бізнес-логіки. Саме тут
реалізуються правила аналізу виробничих процесів та алгоритми обробки
інформації. Основним призначенням модуля є формування логічних висновків
на основі отриманих даних. Наприклад, система може визначати перевищення
допустимих температур, падіння продуктивності обладнання або відхилення
енергоспоживання від нормативних показників.
Модуль бізнес-логіки підтримує механізм створення правил аналізу.
Користувач може задавати власні умови, за якими система буде виконувати
перевірку виробничих показників. Правила можуть бути як простими, так і
складними. Наприклад, система може реагувати на перевищення температури
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 44
вище заданого значення або аналізувати комбінацію декількох параметрів
одночасно.
Для виконання складних сценаріїв аналізу реалізовано механізм обробки
подій. Кожне нове повідомлення проходить через набір правил, після чого
система визначає, чи потрібно створити попередження, записати подію у
журнал або передати інформацію іншому модулю. Такий підхід дозволяє
реалізувати автоматичне реагування на зміну стану виробництва.
Окремим компонентом є модуль сповіщень. Його завданням є
інформування користувачів про критичні події або аварійні ситуації. У разі
виявлення відхилень система може надсилати повідомлення через
вебінтерфейс, електронну пошту або зовнішні сервіси інтеграції. Наприклад,
при перевищенні допустимого тиску система автоматично створює подію та
повідомляє відповідального оператора.
Для зберігання та аналізу історичних подій реалізовано журналювання
системи. Усі дії користувачів, помилки обладнання, зміни конфігурацій та
результати роботи аналітичних правил фіксуються у централізованому
журналі. Це дозволяє проводити аудит роботи системи та аналізувати причини
виникнення помилок.
Важливою частиною є модуль аналітики. Даний компонент відповідає
за побудову статистики, агрегацію даних та формування виробничих
показників. Для аналізу використовуються як поточні, так і історичні дані.
Модуль може обчислювати середні значення параметрів, виявляти тенденції
зміни показників та формувати порівняльну статистику між різними
виробничими ділянками.
На основі результатів аналітики система формує звіти та інформаційні
панелі. Для цього використовується окремий модуль візуалізації даних. Він
забезпечує побудову графіків, таблиць, діаграм та інтерактивних панелей
моніторингу. Дані у вебінтерфейсі оновлюються в реальному часі, що
дозволяє користувачам оперативно реагувати на зміни виробничих процесів.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 45
Клієнтська частина системи побудована на основі Vue.js та працює у
форматі односторінкового вебзастосунку. Такий підхід дозволив реалізувати
швидкий та динамічний інтерфейс без необхідності постійного
перезавантаження сторінок. Інтерфейс системи поділений на окремі
функціональні модулі, кожен із яких відповідає за конкретний набір задач.
Модуль моніторингу обладнання відображає поточний стан
підключених пристроїв та технологічних параметрів. Користувач може
переглядати значення датчиків, стан підключення обладнання, активні аварії
та інформацію про працездатність системи. Дані оновлюються автоматично
через механізм WebSocket-з’єднання.
Модуль аналітики надає інструменти для аналізу виробничих
показників. Користувач може обирати часові діапазони, групувати дані за
обладнанням або виробничими ділянками та будувати статистичні графіки.
Для зручності роботи реалізовано систему фільтрів та механізм збереження
користувацьких шаблонів звітів.
Модуль адміністрування використовується для керування
конфігурацією системи. Через нього адміністратор може створювати нові
підключення до обладнання, налаштовувати параметри протоколів, управляти
користувачами та визначати правила доступу до функціональності системи.
Окремо реалізовано механізм ролей, який дозволяє розмежувати права
операторів, аналітиків та адміністраторів.
Для забезпечення безпеки у системі реалізовано окремий модуль
автентифікації та авторизації. Після входу користувач отримує JWT-токен,
який використовується для підтвердження доступу до API. Кожен запит до
серверної частини проходить перевірку прав доступу, що дозволяє обмежити
використання критичних функцій.
Хмарна інфраструктура AWS використовується для розгортання
серверної частини системи. Контейнери із сервісами розміщуються у
хмарному середовищі та взаємодіють між собою через внутрішню мережу.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 46
Для балансування навантаження використовуються механізми маршрутизації
запитів та автоматичного масштабування сервісів.
Важливу роль у роботі системи відіграє модуль резервування та
відновлення даних. Оскільки система працює з критично важливою
виробничою інформацією, необхідно забезпечити захист від втрати даних у
разі збою обладнання або помилок програмного забезпечення. Для цього
реалізовано автоматичне створення резервних копій бази даних та журналів
подій.
Загалом структура розробленої системи побудована таким чином, щоб
забезпечити стабільну роботу в умовах постійного потоку виробничих даних
та великої кількості підключених пристроїв. Модульний підхід дозволив
розділити функціональність системи на незалежні компоненти, кожен з яких
виконує чітко визначений набір задач. Взаємодія між модулями організована
через стандартизовані інтерфейси, що забезпечує гнучкість архітектури та
можливість подальшого розвитку системи. Завдяки використанню сучасних
технологій система здатна забезпечувати централізований моніторинг, аналіз
та управління виробничими процесами у режимі реального часу.
3.2 Опис функцій системи
Розроблена кіберфізична система збору та аналізу даних у
промисловому виробництві забезпечує користувачів набором функцій, які
дозволяють контролювати виробничі процеси, аналізувати показники роботи
обладнання, керувати джерелами даних та отримувати оперативну
інформацію про стан виробництва. Функціональність системи побудована
таким чином, щоб охопити як базові задачі моніторингу, так і більш складні
сценарії аналізу та управління інформаційними потоками.
Система орієнтована на декілька категорій користувачів. До них
належать оператори виробництва, інженери автоматизації, аналітики,
адміністратори системи та керівники виробничих підрозділів. Для кожної
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 47
категорії користувачів передбачено окремий набір можливостей та рівнів
доступу. Це дозволяє забезпечити безпечну роботу із системою та уникнути
несанкціонованих змін критичних параметрів.
Однією з базових функцій системи є авторизація та автентифікація
користувачів. Перед початком роботи користувач повинен пройти процедуру
входу до системи за допомогою логіна та пароля. Після успішної перевірки
облікових даних сервер генерує JWT-токен, який використовується для
подальшої взаємодії з API системи. Такий механізм дозволяє забезпечити
захищений доступ до функціональності платформи та контролювати дії
кожного користувача.
Під час авторизації система перевіряє права доступу користувача та
визначає перелік функцій, які будуть доступні після входу. Наприклад,
оператор виробництва має доступ лише до перегляду поточних параметрів
обладнання та журналу подій, тоді як адміністратор може змінювати
конфігурацію підключень, створювати нові правила аналізу та керувати
користувачами системи.
Для підвищення рівня безпеки реалізовано механізм автоматичного
завершення сесії при тривалій неактивності користувача. Крім цього, система
веде журнал авторизацій, у якому зберігається інформація про час входу, IP-
адресу та виконані дії користувача. Це дозволяє проводити аудит роботи
системи та виявляти підозрілу активність.
Після успішної авторизації користувач отримує доступ до головної
інформаційної панелі системи. На головному екрані відображається загальна
інформація про стан виробництва, активність обладнання, кількість
підключених пристроїв та поточні виробничі показники. Інтерфейс
побудований у вигляді інтерактивного вебзастосунку, який оновлює
інформацію в режимі реального часу.
Однією з центральних функцій системи є моніторинг обладнання.
Користувач може переглядати список підключених пристроїв, контролерів,
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 48
датчиків та зовнішніх систем. Для кожного елемента відображається
інформація про поточний стан з’єднання, час останньої активності та набір
доступних параметрів. Головна сторінка розробленої системи зображено на
рисунку 3.2.
Розділ 3.2 – Головна сторінка розробленої системи
У режимі моніторингу система дозволяє переглядати технологічні
показники обладнання у реальному часі. До таких показників можуть
належати температура, тиск, швидкість роботи механізмів, енергоспоживання,
навантаження двигунів та інші параметри виробничого процесу. Інформація
автоматично оновлюється без перезавантаження сторінки, що дозволяє
оператору постійно контролювати стан виробництва.
Для спрощення роботи з великою кількістю обладнання реалізовано
механізм групування пристроїв. Користувач може об’єднувати обладнання за
виробничими лініями, цехами або типами пристроїв. Це дозволяє швидше
знаходити потрібні елементи системи та зменшує навантаження на інтерфейс.
Система також підтримує функцію перегляду історичних даних.
Користувач може вибрати певний часовий проміжок та переглянути значення
параметрів за обраний період. Дані відображаються у вигляді таблиць або
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 49
графіків. Це дозволяє аналізувати поведінку обладнання, виявляти аномалії та
досліджувати зміни виробничих показників у часі.
Для більш глибокого аналізу реалізовано функцію побудови графіків.
Користувач може вибирати один або декілька параметрів та відображати їх на
спільному графіку. Наприклад, можна порівнювати зміну температури
обладнання та рівня енергоспоживання протягом зміни. Система підтримує
масштабування графіків, зміну часових інтервалів та фільтрацію даних.
Окремою функцією є система подій та сповіщень. У разі виникнення
критичних ситуацій система автоматично формує повідомлення для
користувача. Причиною створення події може бути перевищення допустимих
параметрів, втрата зв’язку з обладнанням, помилка передачі даних або
аварійний стан пристрою.
Усі події відображаються у журналі подій із зазначенням часу
виникнення, типу помилки, джерела даних та рівня критичності. Користувач
може переглядати історію подій, фільтрувати записи та виконувати пошук за
ключовими параметрами. Це дозволяє швидко знаходити інформацію про
проблеми у роботі обладнання.
Система підтримує механізм кольорової індикації подій. Наприклад,
аварійні ситуації відображаються червоним кольором, попередження -
жовтим, а інформаційні повідомлення - синім або зеленим. Такий підхід
дозволяє швидко оцінювати загальний стан виробничого середовища.
Важливою функцією системи є підтримка правил аналізу даних.
Користувач може самостійно створювати логічні правила, за якими система
виконуватиме перевірку виробничих параметрів. Наприклад, можна створити
правило, яке спрацьовуватиме у випадку перевищення температури двигуна
вище допустимого значення або при падінні тиску у системі.
Під час створення правил користувач може задавати умови, логічні
оператори, часові обмеження та дії, які повинні виконуватися при
спрацюванні правила. Наприклад, система може автоматично створювати
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 50
подію, надсилати повідомлення відповідальному оператору або запускати
інший сценарій аналізу.
Для роботи з великими обсягами інформації реалізовано функцію
фільтрації та пошуку даних. Користувач може здійснювати пошук за назвою
обладнання, типом параметра, часовим проміжком або рівнем критичності
події. Це особливо важливо у виробничих середовищах, де система обробляє
десятки тисяч записів щоденно.
Однією з ключових можливостей системи є формування звітів.
Користувач може створювати звіти на основі зібраних даних та експортувати
їх у різних форматах. Система підтримує формування звітів за вибраний
часовий період, виробничу ділянку або конкретне обладнання. Функція
генерації звітів зображена на рисунку 3.3.
Розділ 3.3 – Функція генерації звітів
У звітах можуть відображатися статистичні показники, інформація про
аварії, середні значення параметрів, графіки зміни показників та результати
роботи аналітичних правил. Формування звітів дозволяє керівникам
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 51
виробництва оцінювати ефективність роботи підприємства та приймати
рішення на основі фактичних даних.
Для покращення зручності роботи реалізовано механізм збереження
шаблонів звітів. Користувач може створити власний набір параметрів, який
використовуватиметься для повторного формування звітів без необхідності
повторного налаштування.
Система також підтримує функцію побудови інформаційних панелей.
Користувач може самостійно налаштовувати склад панелі, обирати графіки,
таблиці та показники, які повинні відображатися на екрані. Це дозволяє
створювати індивідуальні робочі середовища для різних категорій
користувачів.
Наприклад, оператор може налаштувати панель для відображення
поточного стану обладнання, тоді як керівник виробництва отримує
узагальнену статистику продуктивності підприємства. Інформаційні панелі
підтримують автоматичне оновлення даних та адаптуються під різні розміри
екранів.
Для інтеграції з виробничим обладнанням реалізовано функцію
налаштування джерел даних. Користувач із відповідними правами може
створювати нові підключення до MQTT-брокерів, OPC UA-серверів, Modbus-
контролерів або REST API-сервісів.
Під час налаштування підключення користувач задає адресу сервера,
параметри авторизації, тип протоколу та перелік необхідних параметрів. Після
збереження конфігурації система автоматично перевіряє доступність джерела
даних та починає отримання інформації.
Для MQTT-підключень система підтримує налаштування тематичних
каналів, рівнів QoS та параметрів повторного підключення. Для OPC UA
реалізовано механізм перегляду структури вузлів сервера та вибору потрібних
змінних. Під час роботи з Modbus користувач може задавати адреси регістрів
та типи даних для зчитування.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 52
Система підтримує функцію тестування підключень. Перед
збереженням конфігурації користувач може перевірити коректність
параметрів та переконатися у можливості встановлення з’єднання з
обладнанням. Це дозволяє зменшити кількість помилок під час інтеграції
нових пристроїв.
Для адміністраторів реалізовано модуль керування користувачами.
Через даний модуль можна створювати нові облікові записи, змінювати ролі
користувачів, блокувати доступ або скидати паролі. Система підтримує
розмежування прав доступу на рівні функціональних модулів.
Наприклад, окремі користувачі можуть мати доступ лише до перегляду
інформації, тоді як інші отримують можливість змінювати конфігурації або
створювати правила аналізу. Такий підхід дозволяє забезпечити контроль над
критично важливими функціями системи.
Окремою функцією є журналювання дій користувачів. Система фіксує
усі операції, пов’язані зі зміною конфігурації, авторизацією, створенням
правил та роботою з обладнанням. Журнал дій дозволяє відстежувати історію
змін та проводити аудит системи.
Для забезпечення стабільної роботи реалізовано механізм контролю
стану сервісів. Користувач може переглядати інформацію про працездатність
серверних модулів, навантаження системи, стан бази даних та активність
мережевих підключень. У разі виникнення проблем система автоматично
створює повідомлення для адміністратора.
Система також підтримує функцію резервного копіювання даних.
Адміністратор може створювати резервні копії бази даних та конфігурацій
системи. Це дозволяє швидко відновити роботу у разі збою обладнання або
помилок програмного забезпечення.
Важливою особливістю системи є підтримка роботи у режимі реального
часу. Усі зміни параметрів обладнання, нові події та результати аналітики
миттєво передаються до клієнтського інтерфейсу. Для цього
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 53
використовуються WebSocket-з’єднання, які дозволяють уникнути постійного
надсилання HTTP-запитів.
Загалом функціональність розробленої системи забезпечує повний цикл
роботи з виробничими даними - від отримання інформації з обладнання до
формування аналітичних звітів та підтримки прийняття управлінських рішень.
Система дозволяє централізовано контролювати виробничі процеси, швидко
реагувати на критичні події та забезпечувати ефективний аналіз стану
підприємства. Завдяки модульній структурі та підтримці сучасних
промислових протоколів система може бути адаптована до різних типів
виробництв та інтегрована у вже існуючу цифрову інфраструктуру
підприємства.
3.3 Технічні вимоги для роботи з системою
Для забезпечення стабільної роботи кіберфізичної системи збору та
аналізу даних у промисловому виробництві необхідно дотримуватися
визначених технічних вимог до серверної інфраструктури, клієнтських
пристроїв, мережевого середовища та програмного забезпечення. Оскільки
система працює з потоковими даними у режимі реального часу та взаємодіє з
промисловим обладнанням, недостатній рівень апаратного або мережевого
забезпечення може негативно впливати на швидкість обробки інформації,
стабільність підключення та загальну продуктивність системи.
Розроблена система побудована за клієнт-серверною архітектурою та
використовує хмарну інфраструктуру AWS для розгортання серверної
частини. У зв’язку з цим основні вимоги поділяються на вимоги до серверного
середовища, вимоги до клієнтської частини та вимоги до промислового
обладнання, яке використовується для передачі даних.
Серверна частина системи повинна забезпечувати постійний прийом та
обробку даних від виробничого обладнання, SCADA-систем, MES-платформ
та IoT-пристроїв. Для коректної роботи необхідно використовувати серверне
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 54
середовище з підтримкою контейнеризації та сучасних мережевих протоколів.
Мінімальна рекомендована конфігурація серверного середовища включає
процесор із чотирма обчислювальними ядрами, не менше 8 ГБ оперативної
пам’яті та SSD-накопичувач для забезпечення швидкого доступу до бази
даних і журналів подій.
У випадку великого виробничого навантаження або значної кількості
підключених пристроїв рекомендується використовувати сервери з 16 ГБ
оперативної пам’яті та багатоядерними процесорами серверного класу. Це
особливо важливо для модулів аналітики, обробки потокових повідомлень та
формування звітності, оскільки такі операції можуть створювати значне
навантаження на систему.
Для розгортання серверної частини використовується операційна
система Linux. Найбільш доцільним є використання Ubuntu Server або Amazon
Linux, оскільки ці системи добре інтегруються з AWS та мають високу
стабільність роботи у серверному середовищі. Використання Linux також
дозволяє ефективно працювати з контейнерними технологіями та мережевими
службами.
Для виконання серверної логіки на сервері повинно бути встановлене
середовище .NET Runtime відповідної версії. Серверна частина системи
реалізована мовою C#, тому на сервері має підтримуватися виконання .NET-
застосунків та асинхронна обробка мережевих запитів. Крім цього, сервер
повинен підтримувати роботу з Docker-контейнерами, оскільки окремі модулі
системи розгортаються у контейнеризованому середовищі.
Окрему увагу необхідно приділити вимогам до бази даних. Для
зберігання виробничої інформації використовується PostgreSQL. Сервер бази
даних повинен мати достатній обсяг дискового простору для накопичення
історичних даних та журналів подій. У середньому промислові системи
можуть генерувати значний обсяг телеметрії щоденно, тому рекомендується
використовувати SSD-накопичувачі з високою швидкістю запису та читання.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 55
Для забезпечення стабільності роботи рекомендується використовувати
механізми автоматичного резервного копіювання бази даних. Резервні копії
повинні створюватися регулярно та зберігатися окремо від основного
серверного середовища. Це дозволяє швидко відновити роботу системи у разі
збою обладнання або пошкодження інформації.
Система використовує декілька мережевих протоколів для взаємодії з
обладнанням, тому важливими є вимоги до мережевої інфраструктури. Сервер
повинен мати стабільне підключення до локальної мережі підприємства та
доступ до зовнішньої мережі Інтернет для взаємодії з AWS-сервісами.
Пропускна здатність мережі повинна забезпечувати передачу телеметрії без
затримок навіть при великій кількості одночасно підключених пристроїв.
Для роботи з MQTT необхідно забезпечити доступ до відповідного
мережевого порту брокера повідомлень. У разі використання захищеного
з’єднання система підтримує MQTT через TLS. Для OPC UA та Modbus TCP
також необхідно налаштувати відповідні мережеві маршрути та дозволити
передачу даних між сервером і промисловими контролерами.
У виробничому середовищі особливе значення має стабільність
мережевого з’єднання. У разі короткочасного розриву зв’язку система
повинна автоматично відновлювати підключення до обладнання та
продовжувати прийом даних. Для цього реалізовано механізми повторного
підключення та буферизації повідомлень.
Клієнтська частина системи працює через веббраузер, тому для доступу
до функціональності платформи не потрібне встановлення окремого
програмного забезпечення. Основною вимогою є використання сучасного
браузера з підтримкою JavaScript та WebSocket-з’єднань. Система
протестована у браузерах Google Chrome, Mozilla Firefox, Microsoft Edge та
Safari.
Для стабільної роботи вебінтерфейсу рекомендується використовувати
останні версії браузерів. Старі браузери можуть не підтримувати окремі
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 56
функції клієнтської частини або некоректно відображати елементи
інтерфейсу. Також необхідно, щоб у браузері була увімкнена підтримка
JavaScript, оскільки значна частина функціональності реалізована через
динамічну взаємодію із сервером.
Мінімальні вимоги до клієнтського комп’ютера включають двоядерний
процесор, 4 ГБ оперативної пам’яті та дисплей із роздільною здатністю не
менше 1366×768 пікселів. Для комфортної роботи з аналітичними панелями
та великими обсягами графічної інформації рекомендується використовувати
монітори з більшою роздільною здатністю.
Оскільки система може використовуватися у виробничих
диспетчерських центрах, інтерфейс адаптований для роботи на
широкоформатних екранах. Це дозволяє одночасно відображати декілька
інформаційних панелей, графіків та таблиць без втрати зручності
користування.
Для мобільного доступу система підтримує адаптивний вебінтерфейс.
Користувачі можуть переглядати інформацію зі смартфонів або планшетів,
однак для повноцінної роботи з аналітикою та конфігурацією системи
рекомендується використовувати персональний комп’ютер або ноутбук.
Окремою категорією є технічні вимоги до промислового обладнання та
зовнішніх джерел даних. Система підтримує роботу з PLC-контролерами,
датчиками, SCADA-системами та MES-платформами, які використовують
MQTT, Modbus, OPC UA або REST API. Для коректної інтеграції обладнання
повинно підтримувати хоча б один із перелічених протоколів.
При використанні Modbus TCP контролери повинні бути доступними
через локальну мережу та підтримувати обмін даними через TCP/IP. Для OPC
UA необхідна наявність OPC UA-сервера або підтримка відповідного
стандарту в SCADA-системі. У випадку REST API зовнішня система повинна
підтримувати передачу даних у форматі JSON через HTTP або HTTPS.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 57
Для IoT-пристроїв важливою вимогою є стабільність передачі телеметрії
та підтримка MQTT-протоколу. Пристрої повинні коректно обробляти
повторні підключення та забезпечувати передачу повідомлень відповідно до
налаштованого рівня QoS.
Важливою складовою технічних вимог є інформаційна безпека.
Оскільки система працює з виробничими даними та взаємодіє з промисловим
обладнанням, необхідно забезпечити захист каналів передачі інформації та
контроль доступу до системи. Для цього використовується HTTPS-з’єднання,
JWT-автентифікація та механізми шифрування даних.
Серверна інфраструктура повинна підтримувати встановлення SSL-
сертифікатів для захищеного доступу до вебінтерфейсу та API. Також
рекомендується використовувати міжмережеві екрани та обмеження доступу
до серверних ресурсів із зовнішніх мереж.
Для забезпечення безпеки виробничих даних система підтримує рольову
модель доступу. Кожен користувач отримує доступ лише до тих функцій, які
відповідають його ролі. Це дозволяє уникнути випадкових або
несанкціонованих змін конфігурації системи.
Ще однією важливою вимогою є забезпечення безперервності роботи
системи. У виробничому середовищі навіть короткочасний простій може
впливати на процеси моніторингу та прийняття рішень. Саме тому серверна
частина повинна підтримувати механізми автоматичного перезапуску сервісів
та відновлення роботи після збоїв.
Для підвищення відмовостійкості рекомендується використовувати
декілька серверних екземплярів та балансування навантаження. AWS дозволяє
реалізувати таку інфраструктуру за допомогою механізмів автоматичного
масштабування та резервування ресурсів.
Система також висуває вимоги до синхронізації часу між усіма
компонентами. Сервери, контролери та клієнтські пристрої повинні
використовувати єдине джерело часу, оскільки точність часових позначок є
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 58
критично важливою для аналізу виробничих подій. Для цього рекомендується
використовувати NTP-сервери.
У процесі експлуатації системи важливо контролювати рівень
використання серверних ресурсів. Для цього реалізовано механізми
моніторингу навантаження процесора, використання пам’яті, кількості
активних підключень та стану мережевих сервісів. Це дозволяє своєчасно
виявляти проблеми продуктивності та масштабувати інфраструктуру при
необхідності.
Таким чином, технічні вимоги до роботи системи охоплюють серверну
інфраструктуру, мережеве середовище, клієнтські пристрої та промислове
обладнання. Дотримання визначених вимог дозволяє забезпечити стабільну
роботу системи, безпечну передачу даних та ефективну взаємодію між усіма
компонентами кіберфізичного середовища. Використання сучасних
технологій та хмарної інфраструктури AWS створює можливість для
подальшого масштабування системи та інтеграції нових джерел даних без
суттєвих змін архітектури програмного комплексу
3.4 Оцінка ефективності
Оцінка ефективності розробленої кіберфізичної системи збору та
аналізу даних у промисловому виробництві проводиться з урахуванням її
впливу на процес моніторингу виробничого середовища, швидкість обробки
інформації, централізацію даних та зручність прийняття управлінських
рішень. Основною метою системи є створення єдиного цифрового
середовища, у межах якого виконується збір, аналіз та візуалізація виробничих
показників у режимі реального часу. Саме тому ефективність системи
оцінюється не лише з точки зору продуктивності програмного забезпечення,
а й з позиції практичного використання у виробничих процесах.
До впровадження системи інформація про роботу обладнання могла
бути розподілена між різними SCADA-рішеннями, PLC-контролерами,
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 59
локальними IoT-платформами або навіть окремими таблицями та журналами
операторів. Такий підхід ускладнює централізований контроль виробництва
та збільшує час реагування на аварійні ситуації. Розроблена система дозволяє
об’єднати різнорідні джерела даних у межах єдиної інформаційної платформи,
що значно спрощує доступ до виробничої інформації.
Одним із ключових показників ефективності є швидкість отримання та
обробки даних. Завдяки використанню MQTT, OPC UA та Modbus TCP
система здатна приймати повідомлення у режимі реального часу та
оперативно відображати їх у вебінтерфейсі. Під час тестування було
встановлено, що затримка між надсиланням телеметрії пристроєм та її появою
у клієнтському інтерфейсі складає лише декілька секунд. Це дозволяє
операторам швидко реагувати на зміну стану обладнання та мінімізувати
ризики виникнення аварійних ситуацій.
Важливим аспектом ефективності є можливість автоматизації контролю
виробничих процесів. У традиційних підходах оператори змушені постійно
контролювати показники обладнання вручну або використовувати декілька
незалежних програмних рішень одночасно. У розробленій системі значна
частина процесів контролю автоматизована за допомогою правил аналізу та
механізмів обробки подій. Наприклад, при перевищенні допустимого
температурного значення система автоматично створює попередження та
відображає його у журналі подій. Це дозволяє скоротити час виявлення
проблем та зменшити навантаження на персонал.
Окрему роль у підвищенні ефективності відіграє централізоване
зберігання даних. Використання PostgreSQL дозволяє накопичувати історичну
інформацію про виробничі процеси та використовувати її для подальшого
аналізу. Наявність єдиного сховища даних спрощує формування звітності,
аналіз тенденцій та пошук причин відхилень у роботі обладнання.
Ефективність системи також проявляється у спрощенні процесу
інтеграції нового обладнання. Завдяки підтримці декількох промислових
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 60
протоколів система може працювати з різними типами контролерів, датчиків
та зовнішніх платформ без необхідності розробки окремих програмних рішень
для кожного виробника. Це зменшує витрати часу на впровадження системи
та дозволяє поступово розширювати цифрову інфраструктуру підприємства.
Використання вебінтерфейсу на базі Vue.js позитивно впливає на
швидкість роботи користувачів із системою. Оператори та аналітики
отримують доступ до всіх функцій через браузер без необхідності
встановлення окремого програмного забезпечення. Інтерфейс забезпечує
швидке оновлення даних, підтримує інтерактивні графіки та дозволяє
оперативно перемикатися між різними модулями системи.
Під час оцінки ефективності особлива увага приділялася
масштабованості системи. Хмарна інфраструктура AWS дозволяє збільшувати
обчислювальні ресурси залежно від навантаження без необхідності повної
перебудови архітектури. Це особливо важливо для великих виробничих
підприємств, де кількість підключених пристроїв може постійно зростати.
Завдяки використанню контейнеризованих сервісів система може
масштабуватися горизонтально шляхом додавання нових серверних
екземплярів.
Ще одним показником ефективності є підвищення надійності
моніторингу виробничих процесів. У системі реалізовано механізми
автоматичного повторного підключення до обладнання, журналювання
помилок та резервного копіювання даних. Це дозволяє зменшити ризик втрати
інформації та забезпечує стабільну роботу навіть у випадку тимчасових
проблем із мережею або окремими пристроями.
Суттєвою перевагою системи є можливість формування аналітичних
звітів та інформаційних панелей. Керівництво підприємства отримує доступ
до актуальної статистики щодо роботи обладнання, виробничих показників та
аварійних ситуацій. Це дозволяє приймати рішення на основі реальних даних,
а не суб’єктивних оцінок або неповної інформації.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 61
Порівняно з традиційними підходами до моніторингу виробництва,
використання єдиної кіберфізичної системи дозволяє значно скоротити час
пошуку інформації та підвищити прозорість виробничих процесів. Оператори
мають можливість бачити поточний стан обладнання в одному інтерфейсі, а
керівники отримують узагальнену аналітику щодо ефективності роботи
підприємства.
Важливим фактором є також зменшення людського фактору під час
контролю виробництва. Автоматичний збір та обробка даних дозволяють
уникнути помилок, які можуть виникати при ручному введенні або передачі
інформації. Система забезпечує точність отриманих даних та уніфікований
формат їх обробки.
Таким чином, розроблена кіберфізична система демонструє високу
ефективність у задачах збору, аналізу та візуалізації виробничих даних. Вона
дозволяє централізувати інформаційні потоки підприємства, підвищити
швидкість реагування на аварійні ситуації, автоматизувати контроль
технологічних процесів та покращити якість прийняття управлінських рішень.
Використання сучасних технологій та хмарної інфраструктури забезпечує
можливість подальшого масштабування системи та її адаптації до потреб
різних виробничих підприємств.
3.5 Висновки до розділу
У даному розділі було розроблено структуру кіберфізичної системи
збору та аналізу даних у промисловому виробництві, визначено її основні
функції та технічні вимоги до роботи. Реалізована система забезпечує збір,
обробку, зберігання та візуалізацію виробничих даних у режимі реального
часу, а також підтримує інтеграцію з промисловим обладнанням через MQTT,
Modbus, OPC UA та REST API.
Проведена оцінка ефективності показала, що використання системи
дозволяє централізувати контроль виробничих процесів, підвищити швидкість
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 62
реагування на аварійні ситуації та покращити якість аналізу виробничих
показників. Завдяки модульній архітектурі, використанню сучасних
вебтехнологій та хмарної інфраструктури AWS система може масштабуватися
та адаптуватися до потреб різних промислових підприємств.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 63
4 ЗАХИСТ СИСТЕМИ ЗБОРУ ТА АНАЛІЗУ ДАНИХ У
ПРОМИСЛОВОМУ ВИРОБНИЦТВІ
4.1 Огляд існуючих рішень
Захист інформації у кіберфізичних системах є критично важливою
складовою їхньої архітектури, оскільки такі системи поєднують фізичні
виробничі процеси з цифровою інфраструктурою, що робить їх потенційно
вразливими до кіберзагроз. Порушення цілісності, конфіденційності або
доступності даних у подібних системах може призвести не лише до втрати
інформації, але й до збоїв у роботі обладнання, аварійних ситуацій та значних
економічних збитків.
Одним із базових напрямів захисту є забезпечення безпечної передачі
даних між пристроями, контролерами та серверною частиною системи. Для
цього застосовуються криптографічні механізми, зокрема шифрування
каналів зв’язку (TLS/SSL), які запобігають перехопленню або модифікації
телеметричних даних під час їх передачі через мережу. Особливо це важливо
при використанні відкритих протоколів, таких як HTTP або MQTT, які без
додаткового захисту є вразливими до атак типу “man-in-the-middle” [23].
Іншим важливим аспектом є автентифікація та авторизація пристроїв і
користувачів. У кіберфізичних системах кожен компонент повинен мати
унікальний ідентифікатор та підтверджений рівень довіри. Це реалізується
через використання токенів доступу, цифрових сертифікатів або механізмів
багатофакторної автентифікації. Такий підхід дозволяє обмежити доступ до
системи лише авторизованим вузлам і запобігти підключенню сторонніх
пристроїв.
Суттєву роль відіграє також захист серверної інфраструктури, де
відбувається зберігання та обробка виробничих даних. Для цього
застосовуються сегментація мережі, використання міжмережевих екранів
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 64
(firewalls), систем виявлення та запобігання вторгненням (IDS/IPS), а також
регулярне оновлення програмного забезпечення для усунення відомих
вразливостей. Окрему увагу приділяють резервному копіюванню даних та
забезпеченню відмовостійкості системи.
Не менш важливим є захист клієнтських застосунків, через які
користувачі взаємодіють із системою. Тут застосовуються механізми
контролю доступу на основі ролей (RBAC), захист від несанкціонованих
запитів, а також перевірка цілісності даних, що надходять від серверної
частини [24]. Це дозволяє мінімізувати ризики маніпуляції інформацією та
несанкціонованого доступу до функцій управління.
Окремий рівень безпеки становить моніторинг і аудит подій у системі.
Логування всіх критичних операцій, аналіз підозрілої активності та
використання систем виявлення аномалій дозволяють своєчасно
ідентифікувати потенційні кіберінциденти та реагувати на них у режимі
реального часу.
У сукупності комплексний підхід до захисту інформації у кіберфізичних
системах охоплює мережевий, прикладний та інфраструктурний рівні, що
дозволяє забезпечити цілісність, конфіденційність і доступність даних у
складному промисловому середовищі.
Захист інформації при роботі з кіберфізичною системою базується на
механізмах контролю доступу, які забезпечують перевірку особи користувача
та визначення його прав у межах системи. Основними складовими цього рівня
безпеки є автентифікація та авторизація, що разом формують багаторівневий
захист від несанкціонованого доступу до даних і функціональних
можливостей платформи.
Автентифікація є процесом підтвердження ідентичності користувача
або програмного компонента, який здійснює запит до системи. У сучасних
промислових інформаційних системах вона реалізується за допомогою пар
логін/пароль, токенів доступу (JWT), цифрових сертифікатів або інтеграції з
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 65
централізованими сервісами управління ідентичністю. Додатково можуть
застосовуватися механізми багатофакторної перевірки, які підвищують рівень
захищеності шляхом використання кількох незалежних факторів доступу,
наприклад пароля та одноразового коду або апаратного ключа.
Після успішної автентифікації відбувається етап авторизації, який
визначає, які саме ресурси та операції доступні конкретному користувачу. Це
реалізується через моделі розмежування доступу, найпоширенішою з яких є
рольова модель (RBAC), де права доступу прив’язуються до ролей, а не до
окремих користувачів. Такий підхід дозволяє централізовано керувати
політиками безпеки та зменшує ризик помилок у налаштуванні прав.
Неправильне або несанкціоноване використання цих функцій може
призвести до викривлення аналітики або порушення технологічних процесів,
тому доступ до них повинен бути максимально обмеженим і логічно
контрольованим.
Додатковим рівнем захисту є ведення журналів доступу та дій
користувачів, що дозволяє відстежувати всі спроби входу, зміну налаштувань
та критичні операції в системі. Такий підхід забезпечує можливість аудиту та
виявлення підозрілої активності, що є важливим елементом загальної стратегії
інформаційної безпеки.
Поєднання автентифікації, авторизації та контролю дій користувачів
формується цілісна система захисту, яка забезпечує керований доступ до
функцій кіберфізичної платформи та мінімізує ризики несанкціонованого
втручання у її роботу.
Захист інформації під час роботи серверних додатків охоплює комплекс
технічних і організаційних заходів, спрямованих на забезпечення безпечної
обробки, передачі та зберігання виробничих даних у кіберфізичній системі.
Оскільки серверна частина виступає центральним вузлом, будь-які порушення
її роботи можуть вплинути на достовірність аналітики та стабільність усієї
системи.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 66
Основою безпеки є захищена взаємодія між серверними сервісами та
зовнішніми джерелами даних. Для цього використовується шифрування
мережевого трафіку за допомогою протоколів TLS, що дозволяє запобігти
перехопленню або зміні даних під час їх передачі. Це є особливо важливим
при роботі через HTTP або MQTT, де без захисту можливі атаки на рівні
мережі [25].
Наступним елементом є контроль доступу до серверних функцій. Всі
запити до API повинні проходити перевірку автентичності та прав доступу за
допомогою токенів, ключів або сертифікатів. Це обмежує можливість
взаємодії із сервером лише авторизованими компонентами та користувачами,
зменшуючи ризик несанкціонованих операцій.
Важливим підходом є також логічне розділення серверної архітектури
на окремі модулі, що виконують різні функції: прийом даних, їх обробку,
аналітику та зберігання. Така сегментація зменшує ймовірність поширення
потенційної атаки та підвищує загальну стійкість системи до збоїв.
Окрему увагу приділяють захисту баз даних, де зберігається виробнича
інформація. Для цього застосовується шифрування даних, контроль доступу
на рівні користувачів і ролей, а також механізми резервного копіювання. Це
забезпечує збереження інформації навіть у випадку технічних збоїв або
кібератак.
Додатковим рівнем безпеки є постійний моніторинг серверної
активності. Журнали подій дозволяють відстежувати всі запити, помилки та
підозрілу поведінку, що дає можливість своєчасно реагувати на потенційні
загрози та запобігати інцидентам.
Поєднання мережевих, програмних та інфраструктурних методів
забезпечується захищене функціонування серверних додатків і стабільна
робота всієї кіберфізичної системи.
Захист інформації під час роботи клієнтських застосунків спрямований
на забезпечення безпечної взаємодії користувача з кіберфізичною системою
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 67
та запобігання несанкціонованому доступу до даних і функцій керування.
Оскільки клієнтський рівень є найближчим до користувача, саме він
найчастіше піддається спробам атак, пов’язаних із викраденням облікових
даних, підміною запитів або аналізом переданих даних.
Першим рівнем безпеки виступає механізм перевірки користувача під
час входу в систему. Для цього застосовуються сучасні підходи керування
ідентичністю, зокрема тимчасові токени доступу, сесійні ключі або інтеграція
з централізованими сервісами автентифікації. Такий підхід дозволяє
мінімізувати залежність від зберігання паролів на клієнтській стороні та
зменшує ризик їх компрометації.
Передача даних між інтерфейсом і сервером повинна здійснюватися
виключно через захищені канали зв’язку. Використання криптографічного
протоколу TLS забезпечує шифрування інформації в момент передачі, що
унеможливлює її перехоплення або модифікацію в мережі. Це є критичним
для веб-орієнтованих рішень, де обмін даними відбувається через відкриті
інтернет-канали.
Додатковий рівень безпеки реалізується через обмеження доступу до
функціональних можливостей інтерфейсу. Розмежування прав користувачів
на основі ролей дозволяє контролювати, які операції можуть виконувати
оператори, а які — адміністратори або аналітичні користувачі. Це зменшує
ризик випадкових або навмисних змін конфігурації системи.
Окрему увагу приділено захисту логіки виконання на клієнтському
рівні. Оскільки частина операцій може бути доступна для перегляду або
модифікації в браузері чи застосунку, всі критичні перевірки дублюються на
сервері. Це запобігає обходу обмежень шляхом змін у клієнтському коді або
мережевих запитах.
Також важливим елементом є контроль життєвого циклу сесій
користувача. Обмеження часу активності, автоматичне завершення сеансу
при бездіяльності та захист токенів від повторного використання знижують
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 68
ймовірність несанкціонованого доступу до системи через викрадені сесійні
дані.
У сукупності ці механізми формують багаторівневу модель захисту
клієнтської частини, яка забезпечує безпечну роботу користувачів із
кіберфізичною системою та підтримує цілісність оброблюваної інформації.
4.2 Реалізація захисту користувачів
Під час розробки кіберфізичної системи збору та аналізу даних у
промисловому виробництві особлива увага приділялася реалізації механізмів
захисту користувачів та забезпеченню безпеки роботи із системою. Оскільки
платформа працює з виробничими даними, взаємодіє з промисловим
обладнанням та підтримує віддалений доступ через вебінтерфейс, питання
інформаційної безпеки є критично важливими для стабільної та безпечної
експлуатації програмного комплексу.
Основною метою реалізації захисту користувачів є запобігання
несанкціонованому доступу до системи, обмеження доступу до критичних
функцій, захист конфіденційної інформації та контроль усіх дій, які
виконуються в системі. Для цього у розробленому рішенні реалізовано
комплекс механізмів автентифікації, авторизації, журналювання подій,
шифрування даних та контролю мережевої взаємодії.
Одним із базових компонентів системи захисту є механізм
автентифікації користувачів. Перед отриманням доступу до функціональності
системи користувач повинен пройти процедуру входу за допомогою логіна та
пароля. Під час авторизації серверна частина перевіряє правильність
облікових даних та визначає права доступу користувача.
Для зберігання паролів використовується механізм хешування. У базі
даних не зберігаються паролі у відкритому вигляді, що дозволяє мінімізувати
ризики компрометації облікових записів у разі несанкціонованого доступу до
бази даних. Під час створення нового користувача пароль проходить
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 69
процедуру криптографічного перетворення, після чого у базу записується
лише результат хешування.
У процесі автентифікації система порівнює хеш введеного пароля з
хешем, який зберігається у базі даних. Такий підхід значно підвищує рівень
захисту облікових записів користувачів та відповідає сучасним вимогам до
інформаційної безпеки вебсистем.
Після успішної авторизації система генерує JWT-токен, який
використовується для подальшої взаємодії користувача із серверною
частиною. Токен містить інформацію про ідентифікатор користувача, його
роль та термін дії сесії. Використання JWT дозволяє реалізувати безпечний
механізм автентифікації без необхідності постійного збереження стану сесії
на сервері.
Кожен запит до API проходить перевірку токена. Якщо токен є
недійсним або термін його дії завершився, доступ до функціональності
системи блокується. Такий підхід дозволяє запобігти використанню
викрадених або застарілих сесій.
Для підвищення безпеки реалізовано механізм автоматичного
завершення сесії при тривалій неактивності користувача. Якщо протягом
визначеного часу користувач не виконує жодних дій у системі, токен стає
недійсним і користувач повинен пройти повторну авторизацію. Це дозволяє
зменшити ризики несанкціонованого доступу у випадку залишення відкритої
сесії на робочому місці.
Важливою складовою системи захисту є реалізація рольової моделі
доступу. Кожен користувач отримує певну роль, яка визначає перелік
дозволених функцій та доступних модулів системи. У межах розробленої
системи передбачено декілька типів ролей, зокрема оператор, аналітик та
адміністратор.
Оператор має доступ до моніторингу обладнання, перегляду журналів
подій та базових функцій аналізу. Аналітик додатково отримує можливість
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 70
працювати із системою звітності та аналітичними модулями. Адміністратор
має повний доступ до конфігурації системи, керування користувачами,
налаштування підключень та зміни правил аналізу.
Рольова модель дозволяє обмежити доступ до критично важливих
функцій системи та мінімізує ризик випадкового або навмисного внесення
небажаних змін. Наприклад, оператор не може змінювати параметри MQTT-
підключень або видаляти виробничі дані, оскільки такі функції доступні лише
адміністраторам.
Для забезпечення безпеки передачі даних у системі використовується
HTTPS-з’єднання. Усі запити між клієнтською та серверною частинами
проходять через захищений канал зв’язку з використанням SSL/TLS-
шифрування. Це дозволяє запобігти перехопленню логінів, паролів та іншої
конфіденційної інформації під час передачі мережею.
Захищені канали зв’язку використовуються не лише для вебінтерфейсу,
а й для взаємодії з MQTT-брокером та зовнішніми API. При використанні
MQTT система підтримує MQTT over TLS, що забезпечує шифрування
телеметричних даних під час передачі від IoT-пристроїв до серверної частини.
Під час роботи з OPC UA також використовуються вбудовані механізми
безпеки протоколу. OPC UA підтримує автентифікацію клієнтів, цифрові
сертифікати та шифрування переданих даних. Це особливо важливо у
виробничому середовищі, де система взаємодіє з критично важливим
обладнанням та технологічними процесами.
Окрему увагу приділено захисту серверної інфраструктури. Серверна
частина системи розгорнута у хмарному середовищі AWS, яке забезпечує
додаткові механізми мережевої безпеки. Для контролю доступу до серверних
ресурсів використовуються групи безпеки, правила мережевої фільтрації та
обмеження доступу за IP-адресами.
Система підтримує розмежування внутрішніх та зовнішніх мережевих
сервісів. Наприклад, база даних PostgreSQL не має прямого доступу з
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 71
зовнішньої мережі та доступна лише серверним модулям усередині
захищеного середовища. Такий підхід значно зменшує ризик атак на систему
з боку зовнішніх користувачів.
Для підвищення рівня безпеки реалізовано механізми журналювання
дій користувачів. Усі спроби входу, зміни конфігурації, створення правил
аналізу та інші критичні операції автоматично записуються у журнал аудиту.
Журнал містить інформацію про користувача, час виконання дії, IP-адресу та
результат операції.
Наявність журналу аудиту дозволяє відстежувати історію змін та
аналізувати підозрілу активність. У разі виникнення інцидентів безпеки
адміністратор може швидко визначити, які дії виконувалися у системі та ким
саме вони були ініційовані.
Для захисту від автоматизованих атак реалізовано механізм обмеження
кількості спроб входу. Якщо користувач декілька разів поспіль вводить
неправильний пароль, обліковий запис тимчасово блокується. Це дозволяє
зменшити ризик підбору паролів методом brute force.
Система також підтримує перевірку складності паролів. Під час
створення нового облікового запису або зміни пароля користувач повинен
використовувати пароль достатньої довжини, який містить великі та малі
літери, цифри та спеціальні символи. Це дозволяє підвищити стійкість паролів
до підбору.
Важливим елементом захисту є резервне копіювання даних. Усі
конфігурації системи, журнали подій та виробничі дані регулярно копіюються
у резервне сховище. У разі збою обладнання або пошкодження бази даних
система може бути швидко відновлена без втрати критично важливої
інформації.
Для захисту від втрати даних також реалізовано механізми контролю
цілісності інформації. Під час передачі повідомлень система перевіряє
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 72
коректність структури даних та фіксує помилки у журналі подій. Це дозволяє
виявляти проблеми зв’язку або спроби передачі некоректної інформації.
Під час розробки клієнтської частини враховувалися типові загрози для
вебзастосунків. Для захисту від міжсайтового скриптингу реалізовано
перевірку та екранування даних, які відображаються у вебінтерфейсі. Це
дозволяє уникнути виконання стороннього JavaScript-коду у браузері
користувача.
Також реалізовано захист від несанкціонованих HTTP-запитів. Серверна
частина перевіряє права доступу до кожного API-методу та не дозволяє
виконувати операції без валідного токена авторизації.
Окремо необхідно відзначити механізми захисту виробничих даних. У
системі реалізовано розмежування доступу до обладнання та джерел даних.
Користувачі бачать лише ті виробничі модулі, до яких вони мають відповідний
рівень доступу. Це дозволяє ізолювати окремі виробничі ділянки та зменшити
ризик витоку інформації.
Для підвищення відмовостійкості серверна частина підтримує
автоматичний перезапуск сервісів у разі збою. AWS також дозволяє
використовувати механізми балансування навантаження та резервування
серверних ресурсів, що забезпечує стабільну роботу системи навіть при
високому навантаженні або відмові окремих компонентів.
Таким чином, у розробленій кіберфізичній системі реалізовано
комплексний підхід до захисту користувачів та інформаційної безпеки.
Використання сучасних механізмів автентифікації, рольової моделі доступу,
шифрування даних та журналювання дій дозволяє забезпечити безпечну
роботу із системою та мінімізувати ризики несанкціонованого доступу.
Реалізовані механізми захисту створюють надійну основу для експлуатації
системи у виробничому середовищі та забезпечують відповідність сучасним
вимогам до безпеки промислових інформаційних платформ.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 73
4.3 Висновки до розділу
У даному розділі було розглянуто основні підходи до забезпечення
інформаційної безпеки кіберфізичних систем та реалізовано механізми
захисту користувачів у розробленій системі збору та аналізу даних.
Проаналізовано сучасні методи захисту серверної та клієнтської частин,
механізми автентифікації, авторизації, шифрування даних і контролю доступу.
У межах розробленої системи реалізовано JWT-автентифікацію,
рольову модель доступу, HTTPS/TLS-захист каналів зв’язку, журналювання
дій користувачів та механізми резервного копіювання даних. Це дозволяє
забезпечити безпечну взаємодію користувачів із системою, захист виробничої
інформації та зменшити ризики несанкціонованого доступу.
Використання сучасних засобів інформаційної безпеки забезпечує
надійний захист кіберфізичної системи та створює умови для її стабільної й
безпечної роботи у промисловому середовищі.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 74
ВИСНОВКИ
У кваліфікаційній бакалаврській роботі проведено дослідження
кіберфізичних систем у промисловому виробництві та сучасних підходів до
організації цифрового підприємства в межах концепцій Industry 4.0, Smart
Factory та Industrial IoT. Проаналізовано принципи побудови кіберфізичних
систем, особливості взаємодії між фізичними й цифровими компонентами, а
також основні типи виробничих даних, що використовуються для моніторингу
стану обладнання та контролю технологічних процесів.
У роботі обґрунтовано необхідність автоматизації збору, передачі та
аналізу виробничих даних як одного з ключових факторів підвищення
ефективності сучасного промислового виробництва. Проведено аналіз
існуючих SCADA-, MES- та IoT-рішень, визначено їх переваги та обмеження,
а також досліджено можливості використання хмарних технологій для
обробки великих обсягів інформації у режимі реального часу.
У результаті виконання роботи було обрано технології та
інструментальні засоби для реалізації системи. Для серверної частини
використано платформу .NET та мову програмування C#, для побудови
клієнтського вебінтерфейсу — Vue.js, для зберігання даних — PostgreSQL, а
для розгортання серверної інфраструктури — хмарну платформу AWS. Також
обґрунтовано використання промислових протоколів MQTT, Modbus, OPC
UA та REST API для забезпечення інтеграції з виробничим обладнанням і
зовнішніми системами.
Розроблено структуру кіберфізичної системи збору та аналізу даних у
промисловому виробництві. Реалізована система забезпечує централізований
збір телеметрії, обробку та зберігання виробничих даних, моніторинг стану
обладнання, формування звітності, візуалізацію інформації у режимі
реального часу та підтримку механізмів сповіщення про критичні події.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 75
Завдяки модульній архітектурі система може масштабуватися та адаптуватися
до потреб різних виробничих підприємств.
Окрему увагу в роботі приділено питанням інформаційної безпеки.
Реалізовано механізми автентифікації та авторизації користувачів, рольову
модель доступу, захист каналів передачі даних за допомогою HTTPS/TLS,
журналювання дій користувачів і резервне копіювання інформації. Це
дозволяє забезпечити захист виробничих даних та мінімізувати ризики
несанкціонованого доступу до системи.
Проведена оцінка ефективності підтвердила доцільність використання
розробленої системи у виробничому середовищі. Використання сучасних IoT-
технологій, хмарної інфраструктури та механізмів автоматизованого аналізу
даних дозволяє підвищити швидкість реагування на аварійні ситуації,
покращити контроль виробничих процесів, зменшити вплив людського
фактору та підвищити якість прийняття управлінських рішень.
Отримані результати підтверджують актуальність і практичну
значущість розробленої системи для цифровізації промислових підприємств
та створюють основу для подальшого розвитку функціональності,
впровадження прогнозної аналітики й інтеграції із сучасними
інтелектуальними виробничими платформами.
Лист
ЧДТУ.262204.004 ПЗ т
Зм. Лист № докум. Підпис Дата 76
ДОДАТОК А
«ЗАТВЕРДЖУЮ»
Завідувач кафедри ІБ та КІ
к.т.н., доцент Артем ЛАВДАНСЬКИЙ
__________________
«___» ____________ 2026 року
Кіберфізична система збору та аналізу даних у промисловому
виробництві
Специфікація
482.ЧДТУ.62204-01
Листів 2
Розробник ______________ Антон ГУСАЧЕНКО
Керівник ______________ Світлана ГРЕСЬКО
Черкаси 2026
2
482.ЧДТУ.62204-01
Позначення Найменування Примітка
Документація
482.ЧДТУ.62204-01 12 01 Текст програми
482.ЧДТУ.62204-01 34 01 Інструкція користувача
ДОДАТОК Б
Кіберфізична система збору та аналізу даних у промисловому
виробництві
Текст програми
482.ЧДТУ.62204-01 12 01
Листів 12
Розробник: ____________ Святослав ДУДКО
Черкаси 2026
2
482.ЧДТУ.62204-01 12 01
using CyberFactoryMonitor.Api.Data;
using CyberFactoryMonitor.Api.DTOs;
using CyberFactoryMonitor.Api.Models;
using Microsoft.AspNetCore.Authorization;
using Microsoft.AspNetCore.Mvc;
using Microsoft.EntityFrameworkCore;
namespace CyberFactoryMonitor.Api.Controllers;
[ApiController]
[Route("api/dashboard")]
[Authorize(Roles = "Admin,Operator,Analyst")]
public class DashboardController(AppDbContext dbContext) : ControllerBase
{
[HttpGet("summary")]
public async Task<ActionResult<DashboardSummaryDto>> Summary(CancellationToken
cancellationToken)
{
var today = DateTime.UtcNow.Date;
var activeDevices = await dbContext.Devices.CountAsync(x => x.IsActive,
cancellationToken);
var messagesToday = await dbContext.TelemetryRecords.LongCountAsync(x =>
x.ReceivedAt >= today, cancellationToken);
var activeAlarms = await dbContext.SystemEvents.CountAsync(x => x.Status !=
SystemEventStatus.Resolved && x.Severity == SeverityLevel.Critical, cancellationToken);
var avgProductivity = await dbContext.TelemetryRecords.Where(x => x.Parameter ==
"productivity" && x.ReceivedAt >= today).Select(x =>
(double?)x.Value).AverageAsync(cancellationToken) ?? 87.4;
var energy = await dbContext.TelemetryRecords.Where(x => x.Parameter == "power" &&
x.ReceivedAt >= today).Select(x => (double?)x.Value).SumAsync(cancellationToken) ?? 0;
return Ok(new DashboardSummaryDto(activeDevices, messagesToday, activeAlarms,
Math.Round(avgProductivity, 2), Math.Round(energy, 2)));
}
[HttpGet("production-metrics")]
public ActionResult<List<ProductionMetricDto>> ProductionMetrics()
{
var now = DateTime.UtcNow;
return Ok(Enumerable.Range(0, 12)
.Select(i => new ProductionMetricDto(now.AddHours(-11 + i), Math.Round(78 +
Random.Shared.NextDouble() * 18, 2), Math.Round(95 + Random.Shared.NextDouble() * 70,
2), Math.Round(94 + Random.Shared.NextDouble() * 5, 2)))
.ToList());
}
[HttpGet("device-statuses")]
public async Task<ActionResult<List<DeviceStatusDto>>>
DeviceStatuses(CancellationToken cancellationToken)
3
482.ЧДТУ.62204-01 12 01
=> Ok(await dbContext.Devices.AsNoTracking().OrderBy(x => x.Code).Select(x => new
DeviceStatusDto(x.Code, x.Name, x.IsActive, x.LastSeenAt)).ToListAsync(cancellationToken));
[HttpGet("recent-events")]
public async Task<ActionResult<List<SystemEventDto>>> RecentEvents(CancellationToken
cancellationToken)
=> Ok(await dbContext.SystemEvents.AsNoTracking().OrderByDescending(x =>
x.CreatedAt).Take(10)
.Select(x => new SystemEventDto(x.Id, x.SourceId, x.TelemetryRecordId, x.Parameter,
x.Severity, x.Message, x.Status, x.CreatedAt, x.AcknowledgedAt, x.AcknowledgedByUserId))
.ToListAsync(cancellationToken));
[HttpGet("protocol-statuses")]
public async Task<ActionResult<List<ProtocolStatusDto>>>
ProtocolStatuses(CancellationToken cancellationToken)
=> Ok(await dbContext.DataSources.AsNoTracking()
.GroupBy(x => x.Type)
.Select(g => new ProtocolStatusDto(g.Key.ToString(), g.Count(x => x.Status ==
DataSourceStatus.Active), g.Count(x => x.Status == DataSourceStatus.Error), g.Max(x =>
x.LastConnectedAt)))
.ToListAsync(cancellationToken));
}
using CyberFactoryMonitor.Api.Data;
using CyberFactoryMonitor.Api.DTOs;
using CyberFactoryMonitor.Api.Helpers;
using CyberFactoryMonitor.Api.Models;
using CyberFactoryMonitor.Api.Services;
using Microsoft.AspNetCore.Authorization;
using Microsoft.AspNetCore.Mvc;
using Microsoft.EntityFrameworkCore;
namespace CyberFactoryMonitor.Api.Controllers;
[ApiController]
[Route("api/data-sources")]
[Authorize(Roles = "Admin,Operator,Analyst")]
public class DataSourcesController(AppDbContext dbContext, IUserActionLogger logger) :
ControllerBase
{
[HttpGet]
public async Task<ActionResult<List<DataSourceDto>>> GetAll(CancellationToken
cancellationToken)
=> Ok(await dbContext.DataSources.AsNoTracking().OrderBy(x => x.Id).Select(x =>
ToDto(x)).ToListAsync(cancellationToken));
[HttpGet("{id:int}")]
public async Task<ActionResult<DataSourceDto>> GetById(int id, CancellationToken
cancellationToken)
4
482.ЧДТУ.62204-01 12 01
{
var source = await dbContext.DataSources.AsNoTracking().FirstOrDefaultAsync(x => x.Id
== id, cancellationToken);
return source is null ? NotFound(new { error = "Джерело даних не знайдено." }) :
Ok(ToDto(source));
}
[HttpPost]
[Authorize(Roles = "Admin,Operator")]
public async Task<ActionResult<DataSourceDto>> Create(DataSourceRequest request,
CancellationToken cancellationToken)
{
var source = FromRequest(request);
dbContext.DataSources.Add(source);
await dbContext.SaveChangesAsync(cancellationToken);
await logger.LogAsync(User.GetUserId(), "Створення джерела", $"Створено джерело
{source.Name}.", HttpContext.Connection.RemoteIpAddress?.ToString(), cancellationToken);
return CreatedAtAction(nameof(GetById), new { id = source.Id }, ToDto(source));
}
[HttpPut("{id:int}")]
[Authorize(Roles = "Admin,Operator")]
public async Task<ActionResult<DataSourceDto>> Update(int id, DataSourceRequest
request, CancellationToken cancellationToken)
{
var source = await dbContext.DataSources.FindAsync([id], cancellationToken);
if (source is null) return NotFound(new { error = "Джерело даних не знайдено." });
source.Name = request.Name;
source.Type = request.Type;
source.ConnectionAddress = request.ConnectionAddress;
source.Port = request.Port;
source.Login = request.Login;
source.Secret = request.Secret;
source.Status = request.Status;
source.ConfigurationJson = request.ConfigurationJson;
await dbContext.SaveChangesAsync(cancellationToken);
await logger.LogAsync(User.GetUserId(), "Зміна конфігурації", $"Оновлено джерело
{source.Name}.", HttpContext.Connection.RemoteIpAddress?.ToString(), cancellationToken);
return Ok(ToDto(source));
}
[HttpDelete("{id:int}")]
[Authorize(Roles = "Admin")]
public async Task<IActionResult> Delete(int id, CancellationToken cancellationToken)
{
var source = await dbContext.DataSources.FindAsync([id], cancellationToken);
if (source is null) return NotFound(new { error = "Джерело даних не знайдено." });
dbContext.DataSources.Remove(source);
await dbContext.SaveChangesAsync(cancellationToken);
5
482.ЧДТУ.62204-01 12 01
await logger.LogAsync(User.GetUserId(), "Видалення джерела", $"Видалено джерело
{source.Name}.", HttpContext.Connection.RemoteIpAddress?.ToString(), cancellationToken);
return NoContent();
}
private static DataSource FromRequest(DataSourceRequest request) => new()
{
Name = request.Name,
Type = request.Type,
ConnectionAddress = request.ConnectionAddress,
Port = request.Port,
Login = request.Login,
Secret = request.Secret,
Status = request.Status,
ConfigurationJson = request.ConfigurationJson
};
private static DataSourceDto ToDto(DataSource source) => new(source.Id, source.Name,
source.Type, source.ConnectionAddress, source.Port, source.Login, source.Status,
source.LastConnectedAt, source.ConfigurationJson);
}
using CyberFactoryMonitor.Api.Data;
using CyberFactoryMonitor.Api.DTOs;
using Microsoft.AspNetCore.Authorization;
using Microsoft.AspNetCore.Mvc;
using Microsoft.EntityFrameworkCore;
namespace CyberFactoryMonitor.Api.Controllers;
[ApiController]
[Route("api/logs")]
[Authorize(Roles = "Admin,Analyst")]
public class LogsController(AppDbContext dbContext) : ControllerBase
{
[HttpGet("user-actions")]
public async Task<ActionResult<List<UserActionLogDto>>>
UserActions(CancellationToken cancellationToken)
=> Ok(await dbContext.UserActionLogs.AsNoTracking().OrderByDescending(x =>
x.CreatedAt)
.Select(x => new UserActionLogDto(x.Id, x.UserId, x.Action, x.Details, x.IpAddress,
x.CreatedAt))
.ToListAsync(cancellationToken));
[HttpGet("connections")]
public async Task<ActionResult<List<ConnectionLogDto>>>
Connections(CancellationToken cancellationToken)
6
482.ЧДТУ.62204-01 12 01
=> Ok(await dbContext.ConnectionLogs.AsNoTracking().OrderByDescending(x =>
x.CreatedAt)
.Select(x => new ConnectionLogDto(x.Id, x.DataSourceId, x.IsSuccess, x.Message,
x.CreatedAt))
.ToListAsync(cancellationToken));
}
using System.Globalization;
using System.Text;
using CyberFactoryMonitor.Api.Data;
using CyberFactoryMonitor.Api.DTOs;
using Microsoft.AspNetCore.Authorization;
using Microsoft.AspNetCore.Mvc;
using Microsoft.EntityFrameworkCore;
namespace CyberFactoryMonitor.Api.Controllers;
[ApiController]
[Route("api/reports")]
[Authorize(Roles = "Admin,Analyst")]
public class ReportsController(AppDbContext dbContext) : ControllerBase
{
[HttpGet]
public async Task<ActionResult<List<ReportRowDto>>> BuildReport([FromQuery]
ReportQuery query, CancellationToken cancellationToken)
{
if (query.From > query.To) return BadRequest(new { error = "Дата початку не може бути
більшою за дату завершення." });
return Ok(await QueryRows(query).ToListAsync(cancellationToken));
}
[HttpGet("export-csv")]
public async Task<IActionResult> ExportCsv([FromQuery] ReportQuery query,
CancellationToken cancellationToken)
{
if (query.From > query.To) return BadRequest(new { error = "Дата початку не може бути
більшою за дату завершення." });
var rows = await QueryRows(query).ToListAsync(cancellationToken);
var builder = new StringBuilder("DeviceCode,Parameter,Unit,Min,Max,Avg,Count\n");
foreach (var row in rows)
{
builder.AppendLine(string.Join(',', row.DeviceCode, row.Parameter, row.Unit,
row.Min.ToString(CultureInfo.InvariantCulture),
row.Max.ToString(CultureInfo.InvariantCulture),
row.Avg.ToString(CultureInfo.InvariantCulture), row.Count));
}
return File(Encoding.UTF8.GetBytes(builder.ToString()), "text/csv; charset=utf-8",
$"cyberfactory-report-{DateTime.UtcNow:yyyyMMddHHmmss}.csv");
7
482.ЧДТУ.62204-01 12 01
}
private IQueryable<ReportRowDto> QueryRows(ReportQuery query)
{
var records = dbContext.TelemetryRecords.AsNoTracking().Where(x => x.Timestamp >=
query.From && x.Timestamp <= query.To);
if (!string.IsNullOrWhiteSpace(query.DeviceCode)) records = records.Where(x =>
x.DeviceCode == query.DeviceCode);
if (!string.IsNullOrWhiteSpace(query.Parameter)) records = records.Where(x =>
x.Parameter == query.Parameter);
return records
.GroupBy(x => new { x.DeviceCode, x.Parameter, x.Unit })
.Select(g => new ReportRowDto(g.Key.DeviceCode, g.Key.Parameter, g.Key.Unit,
g.Min(x => x.Value), g.Max(x => x.Value), Math.Round(g.Average(x => x.Value), 2),
g.LongCount()));
}
}
using CyberFactoryMonitor.Api.Data;
using CyberFactoryMonitor.Api.DTOs;
using CyberFactoryMonitor.Api.Helpers;
using CyberFactoryMonitor.Api.Models;
using CyberFactoryMonitor.Api.Services;
using Microsoft.AspNetCore.Authorization;
using Microsoft.AspNetCore.Mvc;
using Microsoft.EntityFrameworkCore;
namespace CyberFactoryMonitor.Api.Controllers;
[ApiController]
[Route("api/users")]
[Authorize(Roles = "Admin")]
public class UsersController(AppDbContext dbContext, IPasswordHasher passwordHasher,
IUserActionLogger logger) : ControllerBase
{
[HttpGet]
public async Task<ActionResult<List<UserDto>>> GetUsers(CancellationToken
cancellationToken)
=> Ok(await dbContext.Users.AsNoTracking().OrderBy(x => x.Id).Select(x =>
ToDto(x)).ToListAsync(cancellationToken));
[HttpPost]
public async Task<ActionResult<UserDto>> CreateUser(CreateUserRequest request,
CancellationToken cancellationToken)
{
if (await dbContext.Users.AnyAsync(x => x.Email == request.Email.ToLowerInvariant(),
cancellationToken))
return BadRequest(new { error = "Користувач з таким email вже існує." });
8
482.ЧДТУ.62204-01 12 01
var user = new User { FullName = request.FullName, Email =
request.Email.ToLowerInvariant(), PasswordHash = passwordHasher.Hash(request.Password),
Role = request.Role };
dbContext.Users.Add(user);
await dbContext.SaveChangesAsync(cancellationToken);
await logger.LogAsync(User.GetUserId(), "Створення користувача", $"Створено
користувача {user.Email}.", HttpContext.Connection.RemoteIpAddress?.ToString(),
cancellationToken);
return CreatedAtAction(nameof(GetUsers), new { id = user.Id }, ToDto(user));
}
[HttpPut("{id:int}")]
public async Task<ActionResult<UserDto>> UpdateUser(int id, UpdateUserRequest request,
CancellationToken cancellationToken)
{
var user = await dbContext.Users.FindAsync([id], cancellationToken);
if (user is null) return NotFound(new { error = "Користувача не знайдено." });
user.FullName = request.FullName;
user.Email = request.Email.ToLowerInvariant();
await dbContext.SaveChangesAsync(cancellationToken);
await logger.LogAsync(User.GetUserId(), "Редагування користувача", $"Оновлено
користувача {user.Email}.", HttpContext.Connection.RemoteIpAddress?.ToString(),
cancellationToken);
return Ok(ToDto(user));
}
[HttpPatch("{id:int}/block")]
public async Task<IActionResult> BlockUser(int id, BlockUserRequest request,
CancellationToken cancellationToken)
{
var user = await dbContext.Users.FindAsync([id], cancellationToken);
if (user is null) return NotFound(new { error = "Користувача не знайдено." });
user.IsBlocked = request.IsBlocked;
await dbContext.SaveChangesAsync(cancellationToken);
await logger.LogAsync(User.GetUserId(), "Блокування користувача", $"Стан
блокування {user.Email}: {request.IsBlocked}.",
HttpContext.Connection.RemoteIpAddress?.ToString(), cancellationToken);
return NoContent();
}
[HttpPatch("{id:int}/role")]
public async Task<IActionResult> ChangeRole(int id, ChangeUserRoleRequest request,
CancellationToken cancellationToken)
{
var user = await dbContext.Users.FindAsync([id], cancellationToken);
if (user is null) return NotFound(new { error = "Користувача не знайдено." });
user.Role = request.Role;
await dbContext.SaveChangesAsync(cancellationToken);
9
482.ЧДТУ.62204-01 12 01
await logger.LogAsync(User.GetUserId(), "Зміна ролі", $"Користувачу {user.Email}
встановлено роль {request.Role}.", HttpContext.Connection.RemoteIpAddress?.ToString(),
cancellationToken);
return NoContent();
}
[HttpGet("authorization-log")]
public async Task<ActionResult<List<AuthorizationLogDto>>>
GetAuthorizationLog(CancellationToken cancellationToken)
=> Ok(await dbContext.UserActionLogs.AsNoTracking()
.Where(x => x.Action == "Вхід" || x.Action == "Реєстрація")
.OrderByDescending(x => x.CreatedAt)
.Select(x => new AuthorizationLogDto(x.Id, x.UserId, x.Action, x.Details, x.IpAddress,
x.CreatedAt))
.ToListAsync(cancellationToken));
private static UserDto ToDto(User user) => new(user.Id, user.FullName, user.Email,
user.Role, user.IsBlocked, user.CreatedAt);
}
using CyberFactoryMonitor.Api.DTOs;
using CyberFactoryMonitor.Api.Services;
using Microsoft.AspNetCore.Authorization;
using Microsoft.AspNetCore.Mvc;
namespace CyberFactoryMonitor.Api.Controllers;
[ApiController]
[Route("api/telemetry")]
[Authorize(Roles = "Admin,Operator,Analyst")]
public class TelemetryController(ITelemetryService telemetryService) : ControllerBase
{
[HttpPost]
[AllowAnonymous]
public async Task<ActionResult<TelemetryIngestResult>> Ingest(TelemetryRequest request,
CancellationToken cancellationToken)
=> Created(string.Empty, await telemetryService.IngestAsync(request,
cancellationToken));
}
using CyberFactoryMonitor.Api.Data;
using CyberFactoryMonitor.Api.DTOs;
using CyberFactoryMonitor.Api.Helpers;
using CyberFactoryMonitor.Api.Models;
using CyberFactoryMonitor.Api.Services;
using Microsoft.AspNetCore.Authorization;
using Microsoft.AspNetCore.Mvc;
using Microsoft.EntityFrameworkCore;
10
482.ЧДТУ.62204-01 12 01
namespace CyberFactoryMonitor.Api.Controllers;
[ApiController]
[Route("api/events")]
[Authorize(Roles = "Admin,Operator,Analyst")]
public class EventsController(AppDbContext dbContext, IUserActionLogger logger) :
ControllerBase
{
[HttpGet]
public async Task<ActionResult<List<SystemEventDto>>> GetEvents([FromQuery]
SeverityLevel? severity, [FromQuery] int? sourceId, [FromQuery] DateTime? from,
[FromQuery] DateTime? to, CancellationToken cancellationToken)
{
var query = dbContext.SystemEvents.AsNoTracking().AsQueryable();
if (severity is not null) query = query.Where(x => x.Severity == severity);
if (sourceId is not null) query = query.Where(x => x.SourceId == sourceId);
if (from is not null) query = query.Where(x => x.CreatedAt >= from);
if (to is not null) query = query.Where(x => x.CreatedAt <= to);
return Ok(await query.OrderByDescending(x => x.CreatedAt).Select(x =>
ToDto(x)).ToListAsync(cancellationToken));
}
[HttpPatch("{id:long}/status")]
[Authorize(Roles = "Admin,Operator")]
public async Task<IActionResult> ChangeStatus(long id, ChangeEventStatusRequest request,
CancellationToken cancellationToken)
{
var systemEvent = await dbContext.SystemEvents.FindAsync([id], cancellationToken);
if (systemEvent is null) return NotFound(new { error = "Подію не знайдено." });
systemEvent.Status = request.Status;
await dbContext.SaveChangesAsync(cancellationToken);
await logger.LogAsync(User.GetUserId(), "Зміна статусу події", $"Подія {id}:
{request.Status}.", HttpContext.Connection.RemoteIpAddress?.ToString(), cancellationToken);
return NoContent();
}
[HttpPost("{id:long}/acknowledge")]
[Authorize(Roles = "Admin,Operator")]
public async Task<IActionResult> Acknowledge(long id, CancellationToken
cancellationToken)
{
var systemEvent = await dbContext.SystemEvents.FindAsync([id], cancellationToken);
if (systemEvent is null) return NotFound(new { error = "Подію не знайдено." });
systemEvent.Status = SystemEventStatus.Acknowledged;
systemEvent.AcknowledgedAt = DateTime.UtcNow;
systemEvent.AcknowledgedByUserId = User.GetUserId();
await dbContext.SaveChangesAsync(cancellationToken);
await logger.LogAsync(User.GetUserId(), "Підтвердження події", $"Підтверджено
подію {id}.", HttpContext.Connection.RemoteIpAddress?.ToString(), cancellationToken);
11
482.ЧДТУ.62204-01 12 01
return NoContent();
}
private static SystemEventDto ToDto(SystemEvent x) => new(x.Id, x.SourceId,
x.TelemetryRecordId, x.Parameter, x.Severity, x.Message, x.Status, x.CreatedAt,
x.AcknowledgedAt, x.AcknowledgedByUserId);
}
using CyberFactoryMonitor.Api.Data;
using CyberFactoryMonitor.Api.DTOs;
using CyberFactoryMonitor.Api.Helpers;
using CyberFactoryMonitor.Api.Models;
using CyberFactoryMonitor.Api.Services;
using Microsoft.AspNetCore.Authorization;
using Microsoft.AspNetCore.Mvc;
using Microsoft.EntityFrameworkCore;
namespace CyberFactoryMonitor.Api.Controllers;
[ApiController]
[Route("api/analysis-rules")]
[Authorize(Roles = "Admin,Operator,Analyst")]
public class AnalysisRulesController(AppDbContext dbContext, IUserActionLogger logger) :
ControllerBase
{
[HttpGet]
public async Task<ActionResult<List<AnalysisRuleDto>>> GetAll(CancellationToken
cancellationToken)
=> Ok(await dbContext.AnalysisRules.AsNoTracking().OrderBy(x => x.Id).Select(x =>
ToDto(x)).ToListAsync(cancellationToken));
[HttpPost]
[Authorize(Roles = "Admin,Analyst")]
public async Task<ActionResult<AnalysisRuleDto>> Create(AnalysisRuleRequest request,
CancellationToken cancellationToken)
{
var rule = FromRequest(request);
dbContext.AnalysisRules.Add(rule);
await dbContext.SaveChangesAsync(cancellationToken);
await logger.LogAsync(User.GetUserId(), "Створення правила", $"Створено правило
{rule.Name}.", HttpContext.Connection.RemoteIpAddress?.ToString(), cancellationToken);
return CreatedAtAction(nameof(GetAll), new { id = rule.Id }, ToDto(rule));
}
[HttpPut("{id:int}")]
[Authorize(Roles = "Admin,Analyst")]
public async Task<ActionResult<AnalysisRuleDto>> Update(int id, AnalysisRuleRequest
request, CancellationToken cancellationToken)
{
12
482.ЧДТУ.62204-01 12 01
var rule = await dbContext.AnalysisRules.FindAsync([id], cancellationToken);
if (rule is null) return NotFound(new { error = "Правило не знайдено." });
rule.Name = request.Name;
rule.Parameter = request.Parameter;
rule.Operator = request.Operator;
rule.ThresholdValue = request.ThresholdValue;
rule.Severity = request.Severity;
rule.Message = request.Message;
rule.IsActive = request.IsActive;
await dbContext.SaveChangesAsync(cancellationToken);
await logger.LogAsync(User.GetUserId(), "Оновлення правила", $"Оновлено правило
{rule.Name}.", HttpContext.Connection.RemoteIpAddress?.ToString(), cancellationToken);
return Ok(ToDto(rule));
}
[HttpDelete("{id:int}")]
[Authorize(Roles = "Admin")]
public async Task<IActionResult> Delete(int id, CancellationToken cancellationToken)
{
var rule = await dbContext.AnalysisRules.FindAsync([id], cancellationToken);
if (rule is null) return NotFound(new { error = "Правило не знайдено." });
dbContext.AnalysisRules.Remove(rule);
await dbContext.SaveChangesAsync(cancellationToken);
return NoContent();
}
private static AnalysisRule FromRequest(AnalysisRuleRequest request) => new() { Name =
request.Name, Parameter = request.Parameter, Operator = request.Operator, ThresholdValue =
request.ThresholdValue, Severity = request.Severity, Message = request.Message, IsActive =
request.IsActive };
private static AnalysisRuleDto ToDto(AnalysisRule rule) => new(rule.Id, rule.Name,
rule.Parameter, rule.Operator, rule.ThresholdValue, rule.Severity, rule.Message, rule.IsActive);
}
ДОДАТОК В
Кіберфізична система збору та аналізу даних у промисловому
виробництві
Інструкція користувача
482.ЧДТУ.62204-01 34 01
Листів 7
Розробник: ____________ Святослав ДУДКО
Черкаси 2026
2
482.ЧДТУ.62204-01 34 01
Розроблена кіберфізична система збору та аналізу даних у
промисловому виробництві призначена для моніторингу обладнання, аналізу
виробничих процесів, контролю подій та централізованого керування
джерелами даних. Система працює через вебінтерфейс та не потребує
встановлення окремого програмного забезпечення на робочий комп’ютер
користувача. Для початку роботи достатньо мати доступ до мережі та
сучасний веббраузер.
Перед використанням системи користувач повинен отримати обліковий
запис від адміністратора. Для кожного користувача визначається роль та
перелік доступних функцій. Після створення облікового запису користувач
отримує логін і пароль для входу до системи.
Для відкриття системи необхідно перейти за вебадресою серверного
застосунку у браузері. Після завантаження сторінки користувач бачить форму
авторизації. У відповідних полях необхідно ввести логін та пароль, після чого
натиснути кнопку входу.
Після успішної авторизації система автоматично відкриває головну
сторінку дашборду. Якщо користувач вводить неправильний пароль або логін,
система відображає повідомлення про помилку та пропонує повторити спробу
входу. У випадку декількох невдалих спроб обліковий запис може бути
тимчасово заблокований із міркувань безпеки.
Після входу користувач отримує доступ до головного інтерфейсу
системи. Інтерфейс складається з бокового меню навігації, верхньої
інформаційної панелі та основної робочої області. У верхній частині
відображається ім’я користувача, поточний час та статус підключення до
сервера.
Бокове меню містить основні розділи системи. До них належать
дашборд, обладнання, джерела даних, події, аналітика, звіти, правила аналізу
3
482.ЧДТУ.62204-01 34 01
та налаштування. Доступність окремих розділів залежить від ролі
користувача.
Головний дашборд призначений для швидкого перегляду поточного
стану виробництва. На дашборді відображаються ключові виробничі
показники, кількість активних пристроїв, поточні аварії, стан підключень та
статистика роботи системи. Інформація автоматично оновлюється в режимі
реального часу.
У центральній частині дашборду розміщені інформаційні картки з
основними показниками. Користувач може переглядати кількість отриманих
повідомлень, середню продуктивність обладнання, рівень енергоспоживання
та інші параметри. Якщо система виявляє критичну ситуацію, відповідні
показники підсвічуються кольором.
Для перегляду стану обладнання необхідно перейти до розділу
«Обладнання». У цьому модулі відображається список усіх підключених
пристроїв, PLC-контролерів, датчиків та виробничих систем. Для кожного
елемента відображається назва, тип пристрою, статус з’єднання та час
останнього оновлення даних.
Користувач може обирати окремий пристрій для детального перегляду
параметрів. Після відкриття сторінки обладнання система відображає поточні
показники роботи, історію змін параметрів та інформацію про пов’язані події.
Наприклад, для температурного датчика можна переглянути поточну
температуру, графік зміни значення та журнал аварійних ситуацій.
У системі підтримується фільтрація обладнання. Користувач може
виконувати пошук за назвою, типом пристрою або статусом. Це особливо
важливо при роботі з великими виробничими системами, де кількість
підключених пристроїв може бути дуже великою.
Для роботи з джерелами даних використовується окремий модуль
«Джерела даних». Даний розділ доступний користувачам із відповідними
4
482.ЧДТУ.62204-01 34 01
правами доступу. Через цей модуль можна переглядати список MQTT-
брокерів, OPC UA-серверів, Modbus TCP-пристроїв та REST API-підключень.
Для створення нового джерела даних необхідно натиснути кнопку
додавання та заповнити форму конфігурації. Користувач задає назву
підключення, тип протоколу, адресу сервера, порт та параметри авторизації.
Після збереження система автоматично перевіряє можливість встановлення
з’єднання.
При налаштуванні MQTT-підключення додатково вказуються тематичні
канали та рівень QoS. Для OPC UA користувач може переглядати дерево
доступних вузлів та вибирати параметри для моніторингу. Для Modbus TCP
задаються адреси регістрів та типи даних.
Система підтримує функцію тестування підключення. Перед активацією
джерела користувач може перевірити коректність введених параметрів та
переконатися, що обладнання доступне для зчитування даних.
Для контролю подій використовується модуль «Події». У цьому розділі
відображаються усі аварійні ситуації, попередження та інформаційні
повідомлення, які були створені системою. Кожна подія містить інформацію
про час виникнення, джерело, рівень критичності та поточний статус.
Події можуть мати декілька рівнів критичності. Інформаційні
повідомлення використовуються для службових сповіщень, попередження
сигналізують про потенційні проблеми, а критичні події повідомляють про
аварійні ситуації або перевищення допустимих параметрів.
Для зручності роботи реалізовано кольорове позначення подій.
Критичні події відображаються червоним кольором, попередження – жовтим,
а інформаційні повідомлення – зеленим або синім. Це дозволяє швидко
оцінювати поточний стан виробництва.
5
482.ЧДТУ.62204-01 34 01
Користувач може відкривати окремі події для детального перегляду. У
картці події відображається джерело виникнення, параметри обладнання,
текст повідомлення та історія зміни статусів. Події можна підтверджувати або
переводити у статус вирішених після усунення проблеми.
Для аналізу виробничих показників використовується модуль
«Аналітика». У цьому розділі користувач може переглядати графіки,
статистичні таблиці та результати роботи аналітичних правил. Система
дозволяє аналізувати як поточні дані, так і історичні записи за вибраний період
часу.
Для побудови графіка необхідно вибрати джерело даних, параметр та
часовий проміжок. Після цього система автоматично формує графік та
відображає динаміку зміни показників. Користувач може масштабувати
графіки, порівнювати декілька параметрів та змінювати інтервали оновлення.
У модулі аналітики також доступна функція обчислення статистичних
показників. Система може визначати середні значення, мінімальні та
максимальні показники, а також будувати порівняльну статистику між
різними виробничими ділянками.
Для формування документації та підготовки виробничої статистики
використовується модуль «Звіти». Користувач може створювати звіти за
вибраний часовий період та експортувати їх у файл. Під час формування звіту
можна обрати конкретне обладнання, тип параметрів або категорію подій.
Система автоматично формує структуру звіту та додає необхідні таблиці
й графіки. Звіти можуть містити інформацію про продуктивність обладнання,
аварійні ситуації, споживання ресурсів та результати роботи аналітичних
правил.
Для спрощення роботи підтримується функція шаблонів звітів.
Користувач може зберігати часто використовувані конфігурації та повторно
формувати звіти без необхідності повторного налаштування параметрів.
6
482.ЧДТУ.62204-01 34 01
Окремий модуль системи призначений для роботи з правилами аналізу.
Через цей інтерфейс користувач може створювати логічні умови, за якими
система автоматично перевіряє виробничі показники.
Для створення нового правила необхідно задати назву, параметр для
аналізу, оператор порівняння та граничне значення. Наприклад, можна
створити правило для контролю температури двигуна або перевірки рівня
тиску у системі.
Після спрацювання правила система автоматично створює подію та
відображає повідомлення користувачу. Для кожного правила можна
визначити рівень критичності та текст повідомлення, який буде відображатися
у журналі подій.
Адміністратори системи мають доступ до модуля керування
користувачами. Через цей модуль можна створювати нові облікові записи,
змінювати ролі, блокувати користувачів та скидати паролі.
Під час створення нового користувача адміністратор задає ім’я, логін,
пароль та роль. Система автоматично перевіряє унікальність логіна та
складність пароля. Після збереження нового користувача обліковий запис стає
доступним для входу.
У модулі налаштувань користувач може змінювати персональні
параметри системи. Наприклад, можна змінити пароль, налаштувати часовий
пояс або вибрати формат відображення даних. Деякі параметри можуть бути
недоступні залежно від ролі користувача.
Також підтримує журналювання дій користувачів. Усі операції,
пов’язані зі зміною конфігурацій, створенням правил або керуванням
обладнанням, автоматично записуються у журнал аудиту. Це дозволяє
відстежувати історію змін та аналізувати дії користувачів.
7
482.ЧДТУ.62204-01 34 01
Для завершення роботи із системою користувач повинен натиснути
кнопку виходу у верхній частині інтерфейсу. Після виходу JWT-сесія
завершується, а повторний доступ до системи потребує повторної авторизації.
Система забезпечує користувачам повний набір інструментів для
моніторингу виробничих процесів, аналізу обладнання, формування звітності
та керування джерелами даних. Інтерфейс системи побудований таким чином,
щоб спростити роботу з великими обсягами інформації та забезпечити
швидкий доступ до критично важливих функцій. Завдяки підтримці роботи у
режимі реального часу користувачі можуть оперативно реагувати на зміни
виробничого середовища та ефективно контролювати стан підприємства.
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ
1. Литвиненко В. П., Савченко О. М. Сучасні інформаційні системи та
технології. — Київ : Видавництво «Ліра-К», 2020. — 352 с.
2. Ковальчук С. П. Основи мікропроцесорної техніки. — Київ :
Видавництво КПІ, 2020. — 312 с.
3. Бондаренко О. В. Вбудовані системи та мікроконтролери. — Львів :
ЛНУ, 2018. — 290 с.
4. Петренко І. М. Інформаційна безпека автоматизованих систем. —
Харків : ХНУРЕ, 2021. — 340 с.
5. Сидоренко В. П. Інтернет речей: принципи та технології. — Київ :
Видавництво «Ліра-К», 2022. — 256 с.
6. Шевченко А. І. Програмування вбудованих систем. — Дніпро : ДНУ,
2020. — 278 с.
7. Ткаченко Ю. С. Системи контролю доступу та безпеки. — Одеса :
ОНПУ, 2019. — 310 с.
8. Banzi M., Shiloh M. Getting Started with Arduino. — Maker Media, 2014.
— 128 p.
9. Margolis M. Arduino Cookbook. — O’Reilly Media, 2020. — 662 p.
10.Monk S. Programming Arduino: Getting Started with Sketches. — McGraw-
Hill, 2016. — 224 p.
11.Monk S. Programming the Raspberry Pi: Getting Started with Python. —
McGraw-Hill, 2021. — 240 p.
12.Richardson M., Wallace S. Getting Started with Raspberry Pi. — O’Reilly
Media, 2019. — 216 p.
13.Evans B. Beginning IoT Programming with ESP32. — Apress, 2021. — 310
p.
Арк.
ЧДТУ.262204.004 ПЗ 97
Змн. Арк. № докум. Підпис Дата
14.Monk S. Making Embedded Systems: Design Patterns for Great Software.
— O’Reilly Media, 2012. — 282 p.
15.Dorsey T. ESP8266 Wi-Fi Programming Guide. — Packt Publishing, 2018.
— 198 p.
16.Alasdair Allan. Make: Sensors. — Maker Media, 2016. — 280 p.
17.Monk S. Raspberry Pi Cookbook. — O’Reilly Media, 2022. — 450 p.
18.Martin R. Clean Code: A Handbook of Agile Software Craftsmanship. —
Prentice Hall, 2008. — 464 p.
19.Newman S. Building Microservices. — O’Reilly Media, 2021. — 592 p.
20.Fowler M. Patterns of Enterprise Application Architecture. — Addison-
Wesley, 2002. — 560 p.
21.Burns B., Oppenheimer D. Designing Distributed Systems. — O’Reilly
Media, 2018. — 192 p.
22.Silberschatz A., Korth H., Sudarshan S. Database System Concepts. —
McGraw-Hill, 2019. — 1376 p.
23.Elmasri R., Navathe S. Fundamentals of Database Systems. — Pearson, 2016.
— 1272 p.
24.Stallings W. Network Security Essentials. — Pearson, 2017. — 544 p.
25.Tanenbaum A. S., Wetherall D. J. Computer Networks. — Pearson, 2019. —
960 p.
Арк.
ЧДТУ.262204.004 ПЗ 98
Змн. Арк. № докум. Підпис Дата