predictive-maintenance-mcp MCP сервер

MCP сервер, который интегрирует диагностику промышленного оборудования непосредственно в LLM модели вроде Claude, обеспечивая AI-анализ вибраций, обнаружение неисправностей подшипников и рабочие процессы предиктивного обслуживания через естественное общение.

Установка

Из исходного кода

# 1. Clone repository
git clone https://github.com/LGDiMaggio/predictive-maintenance-mcp.git
cd predictive-maintenance-mcp

# 2. Run automated setup
python setup_venv.py

# 3. Activate environment
.venv\Scripts\activate  # Windows
source .venv/bin/activate  # Linux/macOS

# 4. Verify installation
python validate_server.py

Доступные инструменты

Инструмент	Описание
`analyze_fft`	FFT спектральный анализ с автоматическим обнаружением пиков
`analyze_envelope`	Анализ огибающей для обнаружения неисправностей подшипников
`analyze_statistics`	Статистические показатели временной области (RMS, коэффициент амплитуды, эксцесс и др.)
`evaluate_iso_20816`	Оценка серьезности вибрации согласно ISO 20816-3
`diagnose_bearing`	Управляемый 6-этапный рабочий процесс диагностики подшипников
`diagnose_gear`	Рабочий процесс диагностики неисправностей передач на основе данных
`extract_features_from_signal`	Извлечение 17+ статистических характеристик из данных вибрации
`train_anomaly_model`	Обучение моделей обнаружения новизны (OneClassSVM/LOF) только на здоровых данных с опциональным полуконтролируемым...
`predict_anomalies`	Обнаружение аномалий в новых сигналах с оценкой достоверности
`generate_fft_report`	Интерактивный HTML-отчет спектра FFT с таблицей пиков
`generate_envelope_report`	Отчет анализа огибающей с маркерами неисправностей подшипников
`generate_iso_report`	Оценка ISO 20816-3 с визуализацией зон
`list_html_reports`	Список всех созданных отчетов с метаданными
`get_report_info`	Получение деталей отчета без загрузки полного HTML
`list_machine_manuals`	Список доступных руководств по оборудованию (PDF/TXT)

Возможности

Реальные данные неисправностей подшипников включены - 21 высококачественный сигнал вибрации из реальных тестов оборудования
Профессиональные HTML-отчеты с интерактивной визуализацией Plotly и автоматическим обнаружением пиков
ML обнаружение аномалий с неконтролируемыми/полуконтролируемыми моделями (OneClassSVM/LOF)
Соответствие ISO 20816-3 - встроенная оценка серьезности вибрации по отраслевому стандарту
Продвинутая диагностика - анализ спектра FFT, анализ огибающей для неисправностей подшипников, извлечение характеристик временной области
Нулевая конфигурация - работает сразу с примерами данных, автоматически определяет частоты дискретизации из метаданных
4 MCP ресурса для прямого доступа к сигналам и руководствам
25+ MCP инструментов для полного диагностического рабочего процесса
Гибридная архитектура, объединяющая ресурсы для чтения и инструменты для обработки
Локальный подход - все данные остаются на вашей машине (сохранение приватности)

Примеры использования

Generate envelope report for real_train/OuterRaceFault_1.csv

Evaluate real_train/OuterRaceFault_1.csv against ISO 20816-3 standard

Extract specifications from test_pump_manual.pdf

Calculate bearing frequencies for SKF 6205-2RS at 1475 RPM

Diagnose bearing fault in signal_from_pump.csv using calculated frequencies

Ресурсы

GitHub Repository

Примечания

Это демонстрация концепции (PoC), показывающая, как LLM могут быть оснащены возможностями промышленной диагностики через Model Context Protocol. Проект включает реальные данные вибрации из тестов неисправностей подшипников и поддерживает полные диагностические рабочие процессы от извлечения данных из руководств до обнаружения аномалий.