Ανάπτυξη εφαρμογής με σκοπό την διαχείριση και επεξεργασία πολλαπλών αρχείων csv, με την χρήση της γλώσσας προγραμματισμού Python
Keywords
CSV ; Python ; Γλώσσα προγραμματισμού Python ; Qt Creator ; Λογισμικό PyQt5 ; Ανάλυση δεδομένωνAbstract
Όσο η τεχνολογία αναπτύσσεται, τόσο επεκτείνονται και οι δυνατότητες λειτουργίας και απόδοσης των συστημάτων και των εγκαταστάσεων (μηχανήματα κ.λπ.) που χρησιμοποιούνται στην σύγχρονη βιομηχανία. Τα συστήματα αυτομάτου ελέγχου και οι αισθητήρες δεν αποτελούν πλέον ένα χαρακτηριστικό γνώρισμα, αλλά μια απαραίτητη προϋπόθεση που έχει ως στόχο τη βελτίωση των επιμέρους τμημάτων της παραγωγής. Μέσω αυτών των συστημάτων και των αισθητήρων γίνεται αλίευση δεδομένων που ενέχουν σημαντικές πληροφορίες για τη κατάσταση λειτουργίας αυτών των τμημάτων. Στη συνέχεια, αναλυτές δεδομένων εκμεταλλεύονται τα στοιχεία και έπειτα από κάποιες δοκιμές και συμπεράσματα, επιτυγχάνουν να προτείνουν μια ροή λειτουργίας, την πιο αποτελεσματική κατά περίπτωση (σχέση ποιότητας-απόδοσης-κόστους). Πολλές φορές, αυτά τα δεδομένα αποθηκεύονται σε αρχεία .csv (comma separated values) και μπορεί να εμφανίσουν κάποιες ιδιοτροπίες στο περιεχόμενό τους. Αυτό καθιστά απαραίτητη την επεξεργασία αυτών των αρχείων πριν αξιοποιηθούν από τους αναλυτές δεδομένων. Επειδή ο αριθμός και το περιεχόμενο αυτών των αρχείων είναι ογκώδη, η ανάπτυξη μιας εφαρμογής, που θα διαχειρίζεται και θα επεξεργάζεται αυτόματα όλο αυτό το πλήθος αρχείων, θα αποτελέσει ένα βασικό εργαλείο χρήσης των αναλυτών δεδομένων. Η ανάδειξη της χρησιμότητας μιας τέτοιας εφαρμογής είναι και ο σκοπός αυτής της πτυχιακής εργασίας.
Abstract
As technology evolves, so do the capabilities and performance of the systems and installations (machines, etc.) used in modern industry. Automatic control systems and sensors are no longer a feature, but a necessary prerequisite to optimize the individual parts of production. These systems and sensors extract data that provides important information on the operation status of these components. Then, data analysts take advantage of it and, after some testing and conclusions, manage to propose a workflow that will be the most effective (quality-performance-cost). Many times this data is stored in .csv (comma separated values) files and may present some gimmicks in their content. This makes it necessary to edit these files before they can be exploited by data analysts. Because the numbers and contents of these files are large, developing an application that will automatically manage and process all of these files will be a key tool for data analysts to use. This is the purpose of this thesis.