1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Бакалавр
  4. 151 — Автоматизація та компʼютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка (бакалаври)
Empreu aquest identificador per citar o enllaçar aquest ítem: http://elartu.tntu.edu.ua/handle/lib/53401
Registre complet de metadades
Camp DCValorLengua/Idioma
dc.contributor.advisorСтанько, Андрій Андрійович-
dc.contributor.advisorStanko, Andrii-
dc.contributor.authorКренько, Ростислав Анатолійович-
dc.contributor.authorKrenko, Rostyslav-
dc.date.accessioned2026-07-12T16:01:17Z-
dc.date.available2026-07-12T16:01:17Z-
dc.date.issued2026-06-26-
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/53401-
dc.descriptionРоботу виконано на кафедрі комп’ютерно-інтегрованих технологій Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України. Захист відбудеться 26 червня 2026 р. о 09 .00 годині на засіданні екзаменаційної комісії № 20 у Тернопільському національному технічному університеті імені Івана Пулюя за адресою: 46001, м. Тернопіль, вул. Руська, 56, навчальний корпус №1, ауд. 505uk_UA
dc.description.abstractКваліфікаційна робота присвячена розробленню автоматизованої системи виявлення аномалій у технологічних даних для раннього попередження аварійних ситуацій. У першому розділі проаналізовано технологічні дані в комп’ютеризованих системах управління. У другому розділі розроблено архітектуру автоматизованої системи, інформаційну модель технологічних даних, алгоритм виявлення аномалій, структуру програмних модулів та макет інтерфейсу оператора. У третьому розділі сформовано тестовий набір технологічних даних, змодельовано роботу системи в нормальних і аварійних режимах, оцінено ефективність алгоритму та подано рекомендації щодо практичного впровадження системи. У четвертому розділі розглядаються питання, пов’язані з безпекою життя та основами охорони праці та безпеки. Об’єкт дослідження: процес автоматизованого контролю технологічних параметрів у комп’ютеризованих системах управління. Предмет дослідження: методи, алгоритми та програмні засоби виявлення аномалій у технологічних даних для раннього попередження аварійних ситуацій.uk_UA
dc.description.abstractThis thesis is devoted to the development of an automated system for detecting anomalies in process data for the early warning of emergency situations. The first chapter analyses process data in computerised control systems. The second chapter develops the architecture of the automated system, an information model of process data, an anomaly detection algorithm, the structure of software modules, and a mock-up of the operator interface. The third chapter presents a test set of process data, simulates the system’s operation in normal and emergency modes, evaluates the algorithm’s effectiveness, and provides recommendations for the practical implementation of the system. The fourth chapter addresses issues related to life safety and the fundamentals of occupational health and safety. Object of study: the process of automated monitoring of process parameters in computerised control systems. Subject of study: methods, algorithms and software tools for detecting anomalies in process data for the early warning of emergency situations.uk_UA
dc.description.tableofcontentsВСТУП 7 1 АНАЛІТИЧНА ЧАСТИНА 10 1.1 Аналіз технологічних даних у комп’ютеризованих системах управління 10 1.2 Поняття аномалій у технологічних процесах та їх класифікація 12 1.3 Аналіз методів виявлення аномалій у технологічних даних 14 1.4 Вимоги до системи раннього попередження аварій 16 1.5 Постановка дослідження та вибір підходу до реалізації системи 17 1.6 Висновок до першого розділу 18 2 ПРОЕКТНА ЧАСТИНА 20 2.1 Загальна архітектура системи виявлення аномалій 20 2.2 Розроблення інформаційної моделі технологічних даних 21 2.3 Алгоритм виявлення аномалій у технологічних даних 23 2.4 Проєктування програмних модулів системи 25 2.5 Розроблення інтерфейсу оператора та підсистеми попереджень 26 2.6 Висновок до другого розділу 27 3 СПЕЦІАЛЬНА ЧАСТИНА 28 3.1 Формування тестового набору технологічних даних 28 3.2 Моделювання роботи системи в різних режимах 30 3.3 Оцінювання ефективності алгоритму виявлення аномалій 32 3.4 Аналіз надійності та обмежень розробленої системи 33 3.5 Рекомендації щодо практичного впровадження системи 34 3.6 Висновок до третього розділу 35 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 36 4.1 Питання щодо охорони праці 36 4.2 Питання щодо безпеки в надзвичайних ситуаціях 38 ВИСНОВКИ 42 ПЕРЕЛІК ДЖЕРЕЛ 44 ДОДАТКИuk_UA
dc.language.isoukuk_UA
dc.publisherТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subject174uk_UA
dc.subjectавтоматизація, комп’ютерно-інтегровані технології та робототехнікаuk_UA
dc.subjectавтоматизована системаuk_UA
dc.subjectтехнологічні даніuk_UA
dc.subjectаномаліяuk_UA
dc.subjectПЛКuk_UA
dc.subjectSCADAuk_UA
dc.subjectінтерфейсuk_UA
dc.subjectautomated systemuk_UA
dc.subjectprocess datauk_UA
dc.subjectanomalyuk_UA
dc.subjectPLCuk_UA
dc.subjectSCADAuk_UA
dc.subjectinterfaceuk_UA
dc.titleРозроблення автоматизованої системи виявлення аномалій у технологічних даних для раннього попередження аварійuk_UA
dc.title.alternativeDevelopment of an automated system for anomaly detection in technological data for early accident preventionuk_UA
dc.typeBachelor Thesisuk_UA
dc.rights.holder© Кренько Р.А., 2026uk_UA
dc.coverage.placenameТернопільuk_UA
dc.format.pages55-
dc.subject.udc681.5:004.89uk_UA
dc.relation.references1 Chandola, V., Banerjee, A., & Kumar, V. (2009). Anomaly detection: A survey. ACM Computing Surveys, 41(3), Article 15.uk_UA
dc.relation.references2 Pimentel, M. A. F., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215–249.uk_UA
dc.relation.references3 Aggarwal, C. C. (2017). Outlier analysis (2nd ed.). Springer.uk_UA
dc.relation.references4 Hodge, V. J., & Austin, J. (2004). A survey of outlier detection methodologies. Artificial Intelligence Review, 22, 85–126.uk_UA
dc.relation.references5 Qin, S. J. (2012). Survey on data-driven industrial process monitoring and diagnosis. Annual Reviews in Control, 36(2), 220–234.uk_UA
dc.relation.references6 Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: Forecasting and control (5th ed.). Wiley.uk_UA
dc.relation.references7 Chiang, L. H., Russell, E. L., & Braatz, R. D. (2001). Fault detection and diagnosis in industrial systems. Springer.uk_UA
dc.relation.references8 Jardine, A. K. S., Lin, D., & Banjevic, D. (2006). A review on machinery diagnostics and prognostics implementing condition-based maintenance. Mechanical Systems and Signal Processing, 20(7), 1483–1510.uk_UA
dc.relation.references9 Mobley, R. K. (2002). An introduction to predictive maintenance (2nd ed.). Butterworth-Heinemann.uk_UA
dc.relation.references10 Lee, J., Bagheri, B., & Kao, H.-A. (2015). A cyber-physical systems architecture for Industry 4.0-based manufacturing systems. Manufacturing Letters, 3, 18–23.uk_UA
dc.relation.references11 Wollschlaeger, M., Sauter, T., & Jasperneite, J. (2017). The future of industrial communication: Automation networks in the era of the Internet of Things and Industry 4.0. IEEE Industrial Electronics Magazine, 11(1), 17–27.uk_UA
dc.relation.references12 OPC Foundation. (2017). OPC Unified Architecture Specification, Part 1: Overview and Concepts. OPC Foundation.uk_UA
dc.relation.references13 Park, Y.-J., Fan, S.-K. S., & Hsu, C.-Y. (2020). A review on fault detection and process diagnostics in industrial processes. Processes, 8(9), Article 1123.uk_UA
dc.relation.references14 Venkatasubramanian, V., Rengaswamy, R., Yin, K., & Kavuri, S. N. (2003). A review of process fault detection and diagnosis: Part I: Quantitative model-based methods. Computers & Chemical Engineering, 27(3), 293–311.uk_UA
dc.relation.references15 International Electrotechnical Commission. (2013). IEC 62443-3-3: Industrial communication networks - Network and system security - Part 3-3: System security requirements and security levels. IEC.uk_UA
dc.relation.references16 Boyer, S. A. (2010). SCADA: Supervisory control and data acquisitionuk_UA
dc.relation.references17 Petruzella, F. D. (2017). Programmable logic controllers (5th ed.).uk_UA
dc.relation.references18 Bolton, W. (2015). Programmable logic controllers (6th ed.). Newnes.uk_UA
dc.relation.references19 Montgomery, D. C. (2019). Introduction to statistical quality control (uk_UA
dc.relation.references20 Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and practice (3rd ed.). OTexts.uk_UA
dc.relation.references21 International Society of Automation. (2010). ANSI/ISA-95.00.01-2010: Enterprise-control system integration - Part 1: Models and terminology. ISA.uk_UA
dc.relation.references22 Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction (2nd ed.). Springer.uk_UA
dc.relation.references23 Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., VanderPlas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, É. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825uk_UA
dc.relation.references24 McKinney, W. (2022). Python for data analysis: Data wrangling with pandas, NumPy, and Jupyter (3rd ed.). O’Reilly Media.uk_UA
dc.relation.references25 Stouffer, K., Zimmerman, T., Tang, C., Lubell, J., Cichonski, J., McCarthy, J., & Anand, R. (2023). Guide to operational technology (OT) security (NIST Special Publication 800-82 Revision 3). NISTuk_UA
dc.relation.references26 I. Didych, A. Stanko, A. Mykytyshyn, M. Mytnyk, «Application of machine learning methods to the prediction of NO₂ concentration in the air environment». In ITTAP-2024.uk_UA
dc.relation.references27 O. Duda, A. Mykytyshyn, M. Mytnyk, A. Stanko, «Information technology sets formation and "TNTU Smart Campus" services network support». In ITTAP-2024., pp. 93-105.uk_UA
dc.contributor.affiliationТернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії. Кафедра комп’ютерно-інтегрованих технологійuk_UA
dc.coverage.countryUAuk_UA
dc.identifier.citation2015Кренько Р.А. – Розроблення автоматизованої системи виявлення аномалій у технологічних даних для раннього попередження аварій: кваліфікаційна робота бакалавра за спеціальністю „174 — автоматизація та комп’ютерно-інтегровані технології“ / Р.А.Кренько— Тернопіль : ТНТУ, 2026. — 55 с.uk_UA
Apareix a les col·leccions:151 — Автоматизація та компʼютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка (бакалаври)

Arxius per aquest ítem:
Arxiu Descripció MidaFormat 
dyplom_Krenko_R._2026.pdfДипломна робота2,92 MBAdobe PDFVeure/Obrir
Mostrar el registre simplificat de l'ítem


Els ítems de DSpace es troben protegits per copyright, amb tots els drets reservats, sempre i quan no s’indiqui el contrari.

Eines d'Administrador