Розробка програмного забезпечення для опрацювання даних з ІоТ сенсорів у розумному середовищі

Abstract

Кваліфікаційна робота присвячена проєктуванню та реалізації програмного забезпечення для приймання, валідації, аналізу та збереження даних, що надходять від сенсорів розумного середовища. В першому розділі кваліфікаційної роботи розглянуто архітектуру систем Інтернету речей, протоколи передавання даних і типові проблеми опрацювання сенсорних потоків: пропуски, викиди, неузгодженість одиниць вимірювання та апаратні збої давачів. У другому розділі кваліфікаційної роботи спроєктовано трирівневу модульну архітектуру (ядро правил і обробки, сховище, сервіс подання) та реалізовано наскрізний конвеєр опрацювання: валідація й нормалізація → виявлення аномалій → агрегація → збереження. Виявлення аномалій виконується трьома взаємодоповнювальними методами: контролем фізичних і комфортних діапазонів, ковзним z-показником та контролем швидкості зміни значення. У третьому розділі реалізовано програмне забезпечення мовою Python із застосуванням фреймворку FastAPI; передбачено приймання даних за протоколом MQTT, вбудований симулятор сенсорів для демонстрації без апаратного забезпечення, збереження у вбудованій базі даних SQLite та вебпанель моніторингу. Коректність роботи підтверджено комплектом автоматизованих тестів та експериментальною експлуатацією системи. Робота містить відтворюваний програмний код, інструкцію з розгортання та результати оцінювання. Об’єкт дослідження — процес опрацювання даних, що надходять від сенсорів розумного середовища. Предмет дослідження — методи та програмні засоби валідації, виявлення аномалій, агрегації та збереження сенсорних даних.

The thesis addresses the design and implementation of software for ingesting, validating, analyzing and storing data produced by sensors of a smart environment. It reviews the architecture of Internet-of-Things systems, data-transmission protocols and the typical problems of processing sensor streams: missing values, outliers, inconsistent measurement units and device faults. A three-layer modular architecture (processing core, storage, presentation service) is designed, together with an end-to-end pipeline: validation and normalization → anomaly detection → aggregation → persistence. Anomaly detection combines three complementary methods: physical/comfort range checks, a rolling z-score, and a rate-of-change check. The software is implemented in Python with the FastAPI framework; it supports MQTT ingestion, an embedded sensor simulator for hardware-free demonstration, persistence in an embedded SQLite database, and a monitoring web dashboard. Correctness is confirmed by a suite of automated tests and by experimental operation. The work includes a reproducible codebase, deployment instructions and evaluation results. The object of research is the process of processing data coming from sensors of the smart environment. The subject of research is methods and software tools for validation, anomaly detection, aggregation and storage of sensor data.