MCP Motor Current Signature Analysis

🚀 mcp-server-mcsa

モーター電流信号解析（MCSA）用のモデルコンテキストプロトコル（MCP）サーバーです。固定子電流信号を使用した非侵入的なスペクトル分析と電動機の故障検出を行います。

mcp-server-mcsa は、任意の大規模言語モデル（LLM）を予防保全の専門家に変えます。高速フーリエ変換（FFT） や エンベロープ分析 などの高度な技術を統合することで、システムはモーターの電気的シグネチャを「聴き取り」、機械的および電気的な異常を自然言語で自動的に識別できます。

MCSAは、産業標準の状態監視技術であり、固定子電流の高調波成分を分析して、電動機の回転子、固定子、軸受、エアギャップの故障を検出します。これには、振動センサー、ダウンタイム、または機械への物理的アクセスは必要ありません。このサーバーは、完全なMCSA診断ワークフローを任意のMCP互換AIアシスタント（Claude Desktop、VS Code Copilotなど）に提供し、対話型の専門分析と自動化された状態監視パイプラインの両方を可能にします。

✨ 主な機能

• 実信号の読み込み — CSV、TSV、WAV、およびNumPyの .npy ファイルから測定データを読み込みます。
• モーターパラメータの計算 — 銘板データからスリップ、同期速度、回転子周波数を計算します。
• 故障周波数の計算 — 破損した回転子バー、偏心、固定子故障、混合偏心などの故障周波数を計算します。
• 軸受の欠陥周波数 — 軸受の幾何学的形状からBPFO、BPFI、BSF、FTFを計算します。
• 信号の前処理 — DC除去、正規化、ウィンドウ処理、バンドパス/ノッチフィルタリングを行います。
• スペクトル分析 — FFTスペクトル、ウェルチ法によるパワースペクトル密度（PSD）、スペクトルピーク検出を行います。
• エンベロープ分析 — 機械的/軸受の故障を検出するためのヒルベルト変換による復調を行います。
• 時間周波数分析 — 非定常条件下での周波数追跡付きの短時間フーリエ変換（STFT）を行います。
• 故障検出 — 自動的な重症度分類（正常 / 初期 / 中等度 / 重度）を行います。
• ワンショット診断 — 信号配列またはファイルから直接、完全なパイプラインを実行します。
• テスト信号の生成 — デモやベンチマーク用に、構成可能な故障注入を伴う合成信号を生成します。
• 永続的なデータストア — 信号とスペクトルは、圧縮された .npz ファイルとして ~/.mcsa_data/ に保存されます。短いID（sig_xxxx、spec_xxxx）で参照されるため、大きな配列がチャットコンテキストに入ることはありません。データはサーバーの再起動後も保持されます。

🛠️ ツール (21)

📚 リソース

💬 プロンプト

📦 インストール

ステップ1 — uvのインストール（初回のみ、uvがない場合）

uv は推奨されるPythonパッケージマネージャーです。これは、Python、パッケージ、仮想環境を1つのツールで管理し、MCPエコシステム全体で使用されています。

Windows (PowerShell):

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

macOS / Linux:

curl -LsSf https://astral.sh/uv/install.sh | sh

インストール後、uv / uvx コマンドを使用できるようにするために、ターミナルを再起動 してください。

ステップ2 — 動作確認

uvx mcp-server-mcsa --help

ヘルプテキストが表示されればOKです。これで完了 です — pip install は必要ありません。uvx は自動的にパッケージをダウンロードし、隔離された環境で実行します。

ステップ3 — MCPクライアントに追加

クライアントを選択し、以下の設定を追加してください。他の手順は必要ありません。

Claude Desktop

設定ファイルを開きます。

• Windows: %APPDATA%\Claude\claude_desktop_config.json
• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

mcpServers オブジェクト内に mcsa を追加します（ファイルが存在しない場合は作成してください）。

{
  "mcpServers": {
    "mcsa": {
      "command": "uvx",
      "args": ["mcp-server-mcsa"]
    }
  }
}

その後、Claude Desktopを再起動 します。

VS Code (Copilot / Continue)

ワークスペース内の .vscode/mcp.json を作成（または編集）します。

{
  "servers": {
    "mcsa": {
      "command": "uvx",
      "args": ["mcp-server-mcsa"]
    }
  }
}

Cursor

Settings → MCP Servers → Add new server に移動します。

• Type: command
• Command: uvx mcp-server-mcsa

ステップ4 — テスト

MCPクライアントで以下を試してみてください。

"Generate a test signal with a broken rotor bar fault and run a full diagnosis. Motor: 4 poles, 50 Hz, 1470 RPM."

サーバーが診断レポートで応答すれば、設定は完了です。

pip install mcp-server-mcsa

{
  "mcpServers": {
    "mcsa": {
      "command": "python",
      "args": ["-m", "mcp_server_mcsa"]
    }
  }
}

git clone https://github.com/LGDiMaggio/mcp-motor-current-signature-analysis.git
cd mcp-motor-current-signature-analysis
uv sync --dev

{
  "mcpServers": {
    "mcsa": {
      "command": "uv",
      "args": ["--directory", "/absolute/path/to/mcp-motor-current-signature-analysis", "run", "mcp-server-mcsa"]
    }
  }
}

uv run pytest

uv run mcp dev src/mcp_server_mcsa/server.py

トラブルシューティング

💾 データストア

信号とスペクトルは、圧縮された .npz ファイルとして ~/.mcsa_data/ に ディスクに保存 されます（MCSA_DATA_DIR 環境変数で設定可能）。これにより、以下のことが可能になります。

• 大きな配列がチャットに入ることはない — 短いID（sig_xxxx、spec_xxxx）とコンパクトな要約のみがLLMに返されます。
• データはサーバーの再起動後も保持される — 明日Claude Desktopを再開しても、信号はまだそこにあります。
• すべてのデータが1箇所に集まる — 読み込まれた測定データと生成されたテスト信号は、同じフォルダ内に並んで保存されます。

~/.mcsa_data/
  signals/
    sig_a1b2c3d4.npz   ← CSVから読み込まれた信号
    sig_e5f6g7h8.npz   ← 生成されたテスト信号
  spectra/
    spec_i9j0k1l2.npz  ← FFTの結果

list_stored_data を使用してディスク上のすべてのデータを表示し、clear_stored_data を使用してアイテムを削除できます。

💻 使用例

実信号 — ワンショット診断

測定信号を分析する最速の方法は、diagnose_from_file ツールを使用することです。単にファイルパスとモーターの銘板データを提供するだけです。

"Diagnose the motor from C:\data\motor_phaseA.csv — 50 Hz supply, 4 poles, 1470 RPM"

サーバーはファイルを読み込み、信号を前処理し、スペクトルを計算し、すべての故障検出器を実行し、重症度分類された結果を含む完全なJSONレポートを返します。

ステップバイステップワークフロー (信号IDを使用)

1. 測定信号を読み込む (または合成信号を生成する):

   "Load the signal from measurement.wav" → signal_id: sig_a1b2 を返します。 または: "Generate a test signal with a broken-rotor-bar fault" → sig_c3d4

2. モーターパラメータを計算する:

   "Calculate motor parameters for a 4-pole motor, 50 Hz supply, running at 1470 RPM"

3. 予想される故障周波数を計算する:

   "What are the expected fault frequencies for this motor?"

4. 信号を前処理する:

   "Preprocess signal sig_a1b2" → 新しい signal_id: sig_e5f6 を返します。

5. スペクトルを分析する:

   "Compute the FFT spectrum of sig_e5f6" → spectrum_id: spec_g7h8 を返します。

6. 特定の故障を検出する:

   "Check for broken rotor bars in spec_g7h8"

7. エンベロープ分析 (オプション):

   "Compute the envelope spectrum of sig_e5f6"

保存された信号からの迅速な診断

run_full_diagnosis ツールは、保存された信号に対してすべてのパイプラインを1回の呼び出しで実行します。

入力: signal_id + モーターの銘板データ
出力: 故障の重症度と推奨事項を含む完全なレポート

軸受分析

軸受の故障分析には、軸受の幾何学的形状（玉の数、玉の直径、ピッチ直径、接触角）が必要です。サーバーは以下のことを行います。

1. 特性欠陥周波数（BPFO、BPFI、BSF、FTF）を計算します。
2. 予想される電流サイドバンドを計算します。
3. スペクトル内でそれらのサイドバンドを検索します。

サポートされるファイル形式

🔧 故障検出理論

破損した回転子バー (BRB)

$(1 \pm 2s) \cdot f_s$ のサイドバンドが現れます。ここで、$s$ はスリップ、$f_s$ は供給周波数です。重症度は、サイドバンドと基本波振幅のdB比によって分類されます。

偏心

$f_s \pm k \cdot f_r$ のサイドバンドが現れます。ここで、$f_r$ は回転子の機械的周波数です。

固定子のターン間故障

固定子の巻線の非対称性により、$f_s \pm 2k \cdot f_r$ のサイドバンドが現れます。

軸受の欠陥

トルク振動が固定子電流を変調し、$f_s \pm k \cdot f_{defect}$ のサイドバンドを生成します。欠陥周波数は軸受の幾何学的形状（BPFO、BPFI、BSF、FTF）に依存します。

重症度閾値 (基本波からのdB)

注意: これらは一般的なガイドラインです。実際の閾値は、ベースライン測定に基づいて、特定のモーター、負荷、およびアプリケーションに適合するように調整する必要があります。

🛠️ 開発

セットアップ

git clone https://github.com/LGDiMaggio/mcp-motor-current-signature-analysis.git
cd mcp-motor-current-signature-analysis
uv sync --dev

テストの実行

uv run pytest

MCPインスペクターで実行

uv run mcp dev src/mcp_server_mcsa/server.py

リントと型チェック

uv run ruff check src/ tests/
uv run pyright src/

📦 依存関係

• mcp — モデルコンテキストプロトコルSDK
• numpy — 数値計算
• scipy — 信号処理 (FFT、フィルタリング、ヒルベルト変換)
• pydantic — データ検証

📚 ドキュメント

すべてのツール、リソース、およびプロンプトの詳細なリファレンス（パラメータテーブル、診断ワークフロー、統合パターン、および重症度閾値を含む）については、使用ガイド を参照してください。

📝 引用

このソフトウェアを研究で使用する場合は、以下のように引用してください。

@software{dimaggio_mcsa_2025,
  author       = {Di Maggio, Luigi Gianpio},
  title        = {mcp-server-mcsa: MCP Server for Motor Current Signature Analysis},
  year         = 2025,
  url          = {https://github.com/LGDiMaggio/mcp-motor-current-signature-analysis},
  license      = {MIT}
}

GitHubは、 ファイルから自動的に "Cite this repository" ボタンを表示します。

📄 ライセンス

MIT — 詳細については LICENSE を参照してください。