Інтелектуальна система моніторингу технологічних параметрів хлібовиробництва на базі IoT та Prometheus
| dc.contributor.author | Стрембіцький, П. П. | uk |
| dc.contributor.author | Юхимчук, М. С. | uk |
| dc.contributor.author | Strembitskyi, P. P. | en |
| dc.contributor.author | Yukhimchuk, M. S. | en |
| dc.title | Інтелектуальна система моніторингу технологічних параметрів хлібовиробництва на базі IoT та Prometheus | uk |
| dc.date.issued | 2026 | |
| dc.publisher | Вінницький національний технічний університет | uk |
| dc.identifier.citation | Стрембіцький П. П., Юхимчук М. С. Інтелектуальна система моніторингу технологічних параметрів хлібовиробництва на базі IoT та Prometheus // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/27839. | uk |
| dc.relation.ispartof | Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/27839 | |
| dc.identifier.udc | 004.8 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/53235 | |
| dc.description.abstract | Розглядається архітектура інтелектуальної системи моніторингу технологічних параметрів хлібовиробництва, що інтегрує IoT-вузол на базі NodeMCU V3 (ESP8266) з платформою Prometheus+Thanos. | uk |
| dc.description.abstract | The paper presents an architecture of an intelligent monitoring system for bread production technological parameters, integrating an IoT node based on NodeMCU V3 (ESP8266) with the Prometheus+Thanos platform. The proposed approach provides continuous collection of five types of production environment parameters (temperature, humidity, CO₂ level, liquid level, personnel presence) and their transmission in Prometheus Exposition Format. Integration of machine learning algorithms (Isolation Forest, LSTM, SAC) with Explainable AI technologies (SHAP, LIME) achieved anomaly detection accuracy F1=0.918 while reducing alert confirmation time by 66.3%. | en |
| dc.subject | ІоТ-моніторинг | uk |
| dc.subject | NodeMCU V3 | en |
| dc.subject | Prometheus | en |
| dc.subject | Thanos | en |
| dc.subject | Isolation Forest | en |
| dc.subject | LSTM | en |
| dc.subject | SHAP | en |
| dc.subject | LIME | en |
| dc.subject | хлібовиробництво | uk |
| dc.subject | АСУ ТП | uk |
| dc.subject | IoT monitoring | en |
| dc.subject | breadproduction | en |
| dc.subject | automated control systems | en |
| dc.type | Thesis | |
| dc.language.iso | uk | uk |
| dc.relation.references | Mahnke W., Leitner S.-H., Damm M. OPC Unified Architecture. Berlin: Springer, 2009. 347 p. | en |
| dc.date.accessioned | 2026-09-03T10:37:53Z | |
| dc.date.available | 2026-09-03T10:37:53Z |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- 27839.pdf
- Розмір:
- 263,14 KB
- Формат:
- Adobe Portable Document Format
Ліцензійна угода
1 - 1 з 1