Sviluppo di un sistema IoT di aggregazione dati per report HACCP

In questa tesi viene descritto il processo di sviluppo di un sistema per la generazione di report HACCP nell'ambito della refrigerazione industriale. Il lavoro nasce durante il tirocinio svolto presso l'azienda Danfoss ed è frutto della necessità di rendere più mantenibile ed efficiente un componente già esistente: un aggregatore originariamente scritto in JavaScript. Il nuovo servizio è stato realizzato utilizzando la tecnologia Mage Ai, un orchestratore di pipeline scritte in Python, con l'obiettivo di rendere modulare la manipolazione e il salvataggio dei dati. I segnali provenienti dai sensori, composti principalmente da temperature e stati degli evaporatori, vengono salvati in VictoriaMetrics come serie temporali. Esse vengono poi estratte dall'aggregatore per il calcolo delle temperature medie orarie. Successivamente vengono integrate informazioni di dominio, recuperate da un database relazionale in PostgreSQL, come la classificazione dei prodotti presenti nelle stanze refrigerate e le rispettive soglie di temperatura richieste. Tali dati consentono di validare la conformità del prodotto, calcolando il tempo trascorso nelle diverse fasce di temperatura e la relativa differenza rispetto ai limiti richiesti. Oltre alla temperatura, l'aggregazione considera alcuni stati operativi dell'impianto di refrigerazione, come lo stato di scongelamento o di pulizia dell'evaporatore, per contestualizzare eventuali aumenti di temperatura. I risultati dell'aggregazione vengono salvati in un database colonnare chiamato Starrocks. La tesi descrive l'architettura, le scelte di progettazione e i benefici derivanti dal nuovo servizio.