• Камышев Никита Львович, Институт вычислительного моделирования СО РАН (Красноярск, Россия)
• Исаева Ольга Сергеевна, Институт вычислительного моделирования СО РАН (Красноярск, Россия)

В статье представлено решение задачи создания автономной системы мониторинга микроклимата технических помещений, способной к оперативному выявлению аномалий в условиях нестационарных данных и ограниченной сенсорной инфраструктуры. Цель исследования – разработка инструментов мониторинга, которые бы обеспечили непрерывный контроль, детекцию аномалий и их интерпретацию. Основное содержание работы включает разработку функциональной модели системы, реализацию модулей сбора телеметрии и гетерогенного хранения данных, а также внедрение оригинального гибридного алгоритма анализа временных рядов. Ключевым элементом стал предложенный метод, сочетающий спектральный анализ для выделения периодических компонентов сигнала и адаптивные статистические пороги, динамически рассчитываемые на основе скользящих исторических окон. В отличие от существующих аналогов, опирающихся на ресурсоемкое глубокое обучение, предложенный подход использует физически обоснованные признаки для адаптации к сезонной вариативности данных без этапа предварительного обучения на размеченных датасетах. Для унификации подхода к обнаружению аномалий и маршрутизации оповещений настроены специальные правила оповещения, выполнена интеграция с системой визуализации данных и создан чат-бот, выполняющий уведомления и запросы. Для повышения отказоустойчивости внедрён механизм контроля живучести компонентов. Научная новизна работы заключается в предложении гибридного адаптивного метода детекции аномалий, базирующегося на спектрально-статистическом анализе временных рядов. Предложенный подход обеспечивает интерпретируемость результатов, раскрывая физическую природу сбоев через декомпозицию сигнала на гармонические составляющие. Результаты верификации на реальном массиве данных объёмом 5,3 млн записей подтвердили эффективность подхода: полнота детекции составила 0,991 при точности 0,877. Нагрузочное тестирование продемонстрировало устойчивость архитектуры при низкой утилизации ресурсов процессора (<6%) и наличие резерва для масштабирования. Опытная эксплуатация позволила выявить инциденты, связанные с отказом системы кондиционирования. Разработанная система обеспечивает полный цикл от сбора данных до превентивного оповещения, предоставляя понятные инструменты диагностики для предотвращения аварийных ситуаций, поддерживая два уровня взаимодействия: упрощённый интерфейс для конечных пользователей и расширенные аналитические функции для специалистов.

Интернет вещей, мониторинг микроклимата, обнаружение аномалий, спектральный анализ, адаптивные пороги, отказоустойчивость, Prometheus, AlertManager

2026-06-05