Решение команды "Своего рода ученые" для хакатона от Цифрового прорыва

Варианты взаимодействия с решением

1. Удаленно. Наше решение развернуто на YandexCloud: http://51.250.78.146:8004/

2. Локально. Инструкция по установке:

   1. Убедитесь, что у вас установлен docker и docker-compose.
   2. Перейдите в папку deployments/: cd deployments
   3. Выполните команду docker-compose up --build
   4. Откройте в браузере UI http://0.0.0.0:8004

Описание решения

Наше решение представляет собой две части - backend и frontend. Чтобы посмотреть тренировочный код, перейдите на ветку dev.

Backend методы

Cостоит из 5 микросервисов и одной MongoDB:

database

Первый микросервис, отвечающий за взаимодействие с MongoDB
port - 8001

Вставка нового обращения в базу

Method: POST
Request body:

{
  "text": "string",
  "failure": "string",
  "failure_score": 0,
  "equipment": "string",
  "equipment_score": 0,
  "number": "string",
  "timestamp": "2024-11-10T03:54:37.906Z"
}

Response:

OK!

Получение всех серийных номеров

Method: GET
Response:

["string"]

Получение обращения по серийному номеру

Method: GET
Query-params:

• number: string
  Response:

{
  "text": "string",
  "failure": "string",
  "failure_score": 0,
  "equipment": "string",
  "equipment_score": 0,
  "number": "string",
  "timestamp": "2024-11-10T03:54:37.906Z"
}

Фильтрация обращений по Типу устройства и Точке отказа

Method: GET
Query-params:

• equipment: string - Тип устройства
• failure: string - Точка отказа
  Response:

[
  {
    "text": "string",
    "failure": "string",
    "failure_score": 0,
    "equipment": "string",
    "equipment_score": 0,
    "number": "string",
    "timestamp": "2024-11-10T04:02:32.543Z"
  }
]

equipment, failure, numbers

Микросервисы для моделей прогноза оборудования, точки отказа и серийного номера соответсвенно. port - 8001, 8002, 8003 соответсвенно

Method: POST
Request body:

[
  "string"
]

Response:

[
  {
    "label": "string",
    "score": 0
  }
]

multilabel

Микросервис модели для мультиклассовой классификации

port - 8006

Method: POST
Request body:

[
  "string"
]

Response:

[
  [
    {
      "label": "string",
      "score": 0
    }
  ]
]

Выгрузка артефактов

В нашем проекте мы использовали DVC для контроля версий данных и моделей. По этой причине в репозитории не лежат ни сами модели, ни сами данные. Если вам потребуется выгрузить модели, то воспользуйтесь этой инструкцией:

1. Установить DVC:

pip install dvc
pip install dvc-s3

3. Склонировать репозиторий: git clone https://github.com/vkimbris/automatic-dispatching.git
4. Внутри репозитория настроить подключение к S3:

dvc remote modify --local storage access_key_id <access_key_id>
dvc remote modify --local storage secret_access_key <secret_access_key>

4. Выгрузить данные и модели dvc pull

P.S для получения <access_key_id> и <secret_access_key> обратитесь к: tg - @kimbrisvv, @kkk145, @ospvval, @smaslennikova