Summary
Questo lavoro propone un metodo flessibile per la comunicazione dei dati tra un sistema di estrusione di film e dispositivi di monitoraggio basato su un protocollo di messaggi chiamato Message Queuing Telemetry Transport (MQTT).
Abstract
Questo lavoro mira a costruire una struttura di comunicazione dati flessibile per una macchina per la lavorazione dei polimeri impiegando un protocollo basato su editore-abbonato chiamato Message Queuing Telemetry Transport (MQTT), che viene gestito su TCP / IP. Anche quando si utilizzano apparecchiature convenzionali, i dati di elaborazione possono essere misurati e registrati da vari dispositivi ovunque attraverso una comunicazione Internet. Un protocollo basato su messaggi consente una comunicazione flessibile che supera le carenze del protocollo server-client esistente. Più dispositivi possono sottoscrivere i dati di elaborazione pubblicati dai dispositivi di origine. Il metodo proposto facilita la comunicazione dei dati tra più editori e abbonati. Questo lavoro ha implementato un sistema che pubblica i dati dall'apparecchiatura e sensori aggiuntivi a un broker di messaggi. Gli abbonati possono monitorare e archiviare i dati di processo inoltrati dal broker. Il sistema è stato implementato ed eseguito per una linea di estrusione di film per dimostrare l'efficacia.
Introduction
Nell'ondata della 4a rivoluzione industriale, l'acquisizione e il monitoraggio di vari dati di elaborazione sono diventati compiti importanti1. In particolare, migliorare il processo di produzione utilizzando i dati di processo e stabilire piani operativi efficienti sarà un obiettivo importante di tutti gli impianti di produzione 2,3. I tempi di inattività possono essere notevolmente ridotti se un allarme può essere inviato fuori dalla fabbrica o se la manutenzione predittiva può essere eseguita nel tempo4. Recentemente, sono stati fatti molti sforzi per l'analisi dei dati nei processipolimerici 5,6. Tuttavia, non è facile svolgere questi compiti a causa delle difficoltà nell'acquisire tali dati dai sistemi esistenti7. La struttura gerarchica del controllo e della strumentazione rende difficile l'acquisizione e la comunicazione dei dati.
Prima di tutto, non è possibile ottenere dati da macchine diverse con date di produzione diverse. È difficile realizzare la comunicazione tra macchine diverse poiché ciò richiede l'interoperabilità tra diversi bus di campo in formati proprietari. In questo modo, i metodi di comunicazione e i formati dei dati vengono mantenuti privati. Questo aiuta a mantenere facilmente la sicurezza dei dati, ma mantiene gli utenti dipendenti dal costruttore della macchina per i servizi e gli sviluppi futuri. I recenti computer di controllo, tra cui l'interfaccia uomo-macchina (HMI) collegata alle macchine per la lavorazione dei polimeri, sono per lo più basati su Windows in questi giorni, ma sono caricati con software creato in un ambiente di sviluppo proprietario. È possibile utilizzare controllori logici programmabili (PLC) di diverse aziende per comunicare con i sensori o gli attuatori, ma in molti casi il sistema di controllo di supervisione superiore e acquisizione dati (SCADA) dipende dai computer di controllo8. Questa pratica ha fatto sì che numerosi protocolli, bus di campo e sistemi di controllo competessero sul mercato. Sebbene questa complessità sia stata alleviata a poco a poco nel tempo, molti tipi di bus di campo e protocolli sono ancora in uso attivo.
D'altra parte, la comunicazione tra dispositivi di controllo e SCADA è stata standardizzata dall'Open Platform Communications United Architecture (OPCUA)9. Inoltre, anche la comunicazione tra SCADA e il Manufacturing Execution System (MES) è stata effettuata principalmente tramite OPCUA. In una struttura gerarchica così stretta, non è facile estrarre liberamente i dati per il monitoraggio e l'analisi dei processi. Di solito, i dati devono essere estratti dallo SCADA o dal MES10. Come accennato in precedenza, questi sistemi sono specifici del fornitore e i formati di dati sono raramente aperti. Di conseguenza, l'estrazione dei dati richiede un supporto sostanziale da parte dei fornitori di soluzioni IT/OT (Information Technology/ Operational Technology) originali. Ciò può ostacolare l'acquisizione dei dati per il monitoraggio e l'analisi.
In una linea di estrusione di film, il PC di controllo è supervisionato da un sistema SCADA11. Il sistema SCADA è gestito da un programma per computer che non può essere facilmente modificato. Il programma per computer potrebbe essere modificabile, ma l'editing è piuttosto costoso e richiede tempo. Per monitorare e analizzare facilmente i dati di elaborazione, i dati dovrebbero essere accessibili da qualsiasi luogo. Per monitorare i dati di elaborazione lontano dal sito, il programma per computer dovrebbe essere in grado di trasmettere i dati di elaborazione a Internet12. Inoltre, un metodo open free riduce le spese per l'acquisizione dei dati13. Questo approccio consente di eseguire l'analisi dei dati anche in piccole fabbriche che non possono permettersi di investire in soluzioni IT commerciali14.
In questo studio viene utilizzato un protocollo di messaggio basato sul modello editore-sottoscrittore. MQTT (Message Queuing Telemetry Transport) è un protocollo aperto e standard che consente la messaggistica tra più provider di dati e consumatori15. Qui, proponiamo un sistema che acquisisce, trasmette e monitora i dati utilizzando MQTT per gli impianti di produzione esistenti. Il sistema viene testato in una linea di estrusione di film per verificarne le prestazioni. I dati del controller originale vengono trasmessi a un dispositivo edge tramite il protocollo Modbus. Quindi, i dati vengono pubblicati sul broker. Nel frattempo, due Raspberry Pis pubblicano le temperature misurate e l'illuminamento allo stesso broker. Quindi, qualsiasi dispositivo su Internet può sottoscrivere i dati, seguiti dal monitoraggio e dalla registrazione come illustrato nella Figura 1. Il protocollo in questo lavoro mostra come l'intera procedura può essere eseguita.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Installazione del broker
NOTA: per monitorare e registrare i dati di elaborazione via Internet, è necessario preparare un sistema informatico che inoltra i dati. Il sistema dovrebbe essere accessibile sia dagli editori che dagli abbonati, come illustrato nella Figura 2. Pertanto, deve avere un indirizzo IP pubblico noto prima di qualsiasi comunicazione. Un broker MQTT aperto chiamato Eclipse Mosquitto è installato sul sistema13.
- Connettere un computer a Internet fornendo un indirizzo IP pubblico. Specificare l'indirizzo nell'impostazione IP del sistema operativo.
- Installare un software broker come Eclipse Mosquitto sul computer. Scaricare il file di installazione utilizzando un browser ed eseguirlo.
- Testa il broker con un programma di test come MQTT Lens. Scarica MQTT Lens utilizzando un browser e installalo. Quindi, assicurati che i messaggi pubblicati siano sottoscritti.
2. Preparazione dell'editore principale
Nota : questo computer pubblica i dati della macchina tramite MQTT su TCP al broker. I dati legacy devono essere interpretati e riconfezionati per essere inviati. Questo di solito può essere fatto da RS485 o Ethernet. La connessione a livello hardware deve essere verificata a seconda del tipo di bus. La macchina di estrusione invia i dati tramite Modbus attraverso una porta Ethernet.
- Posizionare fisicamente un computer nel sito del computer e configurarlo come editore principale.
NOTA: Sebbene non obbligatorio, in questo lavoro è stato selezionato un computer industriale. - Installare Python3 sul computer. Scaricare il file di installazione utilizzando un browser ed eseguirlo.
- Installare PyModbus16. Scaricare il file di installazione utilizzando un browser ed eseguirlo.
- Esaminare il controller di estrusione con HMI che controlla la macchina e collegare il controller di estrusione all'editore principale.
- Identificare completamente i dati e l'indirizzo corrispondente nel protocollo Modbus dalla macchina utilizzando uno strumento Modbus come ModbusPoll o QModMaster. Assicurarsi che i dati della macchina inviati siano visualizzati nelle celle corrispondenti dello strumento Modbus.
- Scrivere un codice Python sul PC di pubblicazione che recuperi i dati dal controller di estrusione.
NOTA: ecco un esempio di codice:
da pyModbusTCP.client importare ModbusClient
client = ModbusClient(host="192.168.1.***", port=***, unit_id=***)
client.open()
ExtrusionData = str(client.read_holding_registers(1000, 58)) - Unisci flussi di dati aggiuntivi da altri dispositivi tramite PCIe, USB, RS232 e RS485.
NOTA: questo è semplice. Una volta ottenuta una stringa di dati aggiuntiva, è sufficiente aggiungere i dati al flusso di dati esistente, ovvero il codice seguente:
ExtrusionData += AdditionalData - Importare il paho.mqtt.client dopo aver installato paho-mqtt da pip install paho-mqtt17 .
- Implementare il codice per connettere e pubblicare i dati nel broker.
Nota : fare riferimento all'esempio di codice riportato di seguito:
url="117.xx.xxx.xx"; porto = 1883; username = "****"; password = "xxxxx"; topic = "Estrusore"
mqttc = mqtt. Cliente()
mqttc.username_pw_set (nome utente, password)
mqttc.connect(host=url, port=port)
mqttc.loop_start()
ExtrusionData = str(client.read_holding_registers(1000, 58))
Pub1= mqttc.publish(topic, ExtrusionData))
Pub1.wait_for_publish()
3. Preparazione aggiuntiva dell'editore
NOTA: questo computer pubblica anche i dati della macchina tramite MQTT su TCP al broker. A volte, è necessaria una misurazione aggiuntiva che non può essere eseguita sull'editore principale. I dispositivi Internet of Things (IoT) come Raspberry Pi e Arduino possono assumere il ruolo. In questo lavoro, Raspberry Pi è stato impiegato per i dati di temperatura e di illuminamento. La procedura è simile alla sezione 2 del protocollo.
- Posizionare un Raspberry Pi vicino alla posizione del sensore.
NOTA: poiché la distanza di cablaggio è limitata, il Raspberry Pi non può essere posizionato molto lontano dal luogo di misurazione. Tuttavia, poiché la vicinanza dell'estrusore è molto calda, il dispositivo deve essere posizionato ad almeno 1 m di distanza dal luogo di misurazione. - Installa Python3 sul Raspberry Pi con i seguenti comandi nella riga di comando:
sudo apt aggiornamento
sudo apt installa Python3 idle3 - Implementare il codice per acquisire i dati del sensore. I dati del sensore possono essere trasmessi tramite I2C o GPIO.
NOTA: fare riferimento all'esempio di codice seguente per ulteriori dati di temperatura tramite GPIO:
da max6675 importare MAX6675
cs_pin1 = 24; clock_pin1 = 25; data_pin1 = 18
cs_pin2 = 9; clock_pin2 = 11; data_pin2 = 19
unità = "C"
termocoppia1 = MAX6675(cs_pin1, clock_pin1, data_pin1, unità)
termocoppia2 = MAX6675(cs_pin2, clock_pin2, data_pin2, unità)
T1 = termocoppia1.get()
T2 = termocoppia2.get() - Importare paho.mqtt.client.
- Riutilizzare il codice nella sezione 2 per connettere e pubblicare i dati al broker.
4. Configurazione dell'abbonato
NOTA: Qualsiasi dispositivo su Internet può ricevere i dati di elaborazione tramite il broker. I dati vengono elaborati e visualizzati anche da un codice Python. Nel caso in cui lo sviluppo sia difficile, è possibile utilizzare applicazioni disponibili come MQTT Client in Google Play e MQT Tool nell'App Store. Poiché l'implementazione dell'interfaccia utente è piuttosto lunga, i dettagli non sono descritti qui. Si noti inoltre che le applicazioni esistenti come LO strumento MQT nell'App Store possono ricevere i dati.
- Coinvolgere un dispositivo per l'abbonamento a Internet. Garantire una connessione fisica via cavo e quindi eseguire un ping all'IP del broker sulla riga di comando (ad esempio, ping 117.xx.xxx.xx).
- Installare un ambiente Python adatto a seconda del dispositivo e del sistema operativo. Ad esempio, installa Pydroid3 su un dispositivo Android invece di Python3 da Google Play.
- Importa sia paho.mqtt.client che paho.mqtt.subscribe per connetterti e ricevere dati dal broker.
Nota : fare riferimento all'esempio di codice riportato di seguito:
importare paho.mqtt.client come mqtt
importa paho.mqtt.subscribe come sottoscrizione
url="117.xx.xxx.xx"; porto = 1883; username = "****"; password = "xxxxx"; topic = "Estrusore"
mqttc.username_pw_set(nome utente, password)
mqttc.connect(host=url, port=port)
mqttc.subscribe(argomento, 0)
mqttc.loop_start()
Sub1 = subscribe.simple(topic, hostname=url)
ExtruderData = Sub1.payload.decode("utf-8") - Crea un'interfaccia utente come richiesto usando PyQT5.
NOTA: questa parte è molto lunga e si concentra sulla rappresentazione grafica dei dati ricevuti piuttosto che sulla comunicazione. Il codice corrispondente è fornito come dati supplementari. - Visualizzare i dati in ingresso nella GUI eseguendo il codice compilato.
5. Registrazione dei dati
NOTA: i dati di elaborazione possono essere scritti in un database durante il monitoraggio. In questo lavoro, è stato scelto un database su scala di laboratorio. I dati sono connessi a un file di Microsoft Access per scrivere e recuperare facilmente da un computer utente. Inoltre, una tabella può essere creata istantaneamente da una query per analizzare i dati in un foglio di calcolo come Microsoft Excel.
- Selezionare un dispositivo abbonato per registrare i dati.
- Importa pyodbc eseguendo "pip install pyodbc" sulla riga di comando affinché il codice Python possa accedere al database, come illustrato nella Figura 318.
- Invia una query al database tramite il codice Python per la registrazione dei dati di elaborazione. Fare riferimento al codice Python nella Figura 3 per il metodo.
- Inviare una query al database per il recupero dei dati registrati.
NOTA: di seguito è riportato un esempio di codice per il recupero dei dati:
importazione pyodbc
x per x in pyodbc.drivers() se x.startswith('Microsoft Access Driver')]
conn_str = (
r'DRIVER={Microsoft Access Driver (*.mdb, *.accdb)};'
r'DBQ=C:\Utenti\data_analysis\db1.accdb;'
)
cnxn = pyodbc.connect(conn_str)
crsr = cnxn.cursor()
per table_info in crsr.tables(tableType='TABLE'):
print(nome_tabella table_info.table)
sql = """\
SELEZIONA * DA Process_Condition
"""
crsr = cnxn.execute(sql)
per la riga in crsr:
RetrievedData = pd.read_sql(sql, cnxn)
crsr.close()
cnxn.close()
6. Distribuzione
NOTA: se tutti i dispositivi possono essere connessi a Internet, la configurazione è semplice. Tuttavia, per proteggere i dati lato macchina, gli editori possono trovarsi solo nella rete Intranet. In questo caso, il broker può essere un gateway per Internet. Per essere così, il broker dovrebbe essere dotato di due adattatori ethernet, uno dei quali deve avere un indirizzo IP pubblico. Dopo aver sviluppato tutti gli elementi, i codici devono essere distribuiti su ciascun dispositivo, come illustrato nella Figura 4. La modalità di connessione, cablata o wireless, non è importante, ma deve essere protetta in modo che ogni dispositivo sia in grado di accedere al broker. Ciò significa che il broker può fungere da gateway al confine tra intranet e Internet per motivi di sicurezza. Naturalmente, anche se tutti i dispositivi sono esposti a Internet, non c'è alcun problema dal punto di vista della comunicazione.
- Collegare il controller di estrusione, l'editore principale e gli editori aggiuntivi alla porta Intranet tramite Ethernet.
- Collegare una porta Ethernet del broker alla rete Intranet e l'altra a Internet.
- Connetti gli abbonati a Internet ripetendo il passaggio 4.1 per tutti loro.
7. Esecuzione
NOTA: Per testare l'intero sistema, abbiamo avviato la linea di estrusione ed eseguito tutti i codici Python e Mosquitto.
- Avviare il processo di estrusione. Sull'HMI della macchina, impostare le temperature e accendere il riscaldatore toccando il pulsante sullo schermo HMI. Una volta raggiunta la temperatura richiesta, avviare la rotazione della vite per estrudere il polimero fuso.
- Accendi tutti i computer, avvia il software del broker sul dispositivo del broker con il comando "net start mosquitto", quindi esegui i codici Python per monitorare e registrare i dati di elaborazione secondo necessità.
NOTA: l'ordine dei passaggi 7.1 e 7.2 può essere invertito. I codici Python possono essere eseguiti semplicemente digitando "python3 xxxxx.py" sulla riga di comando seguita dalla pressione di Invio. Aggiungere questo comando ai programmi di avvio per evitare di digitare il comando ogni volta che il dispositivo si riavvia.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
È stato riscontrato che i dati mostrati nell'HMI e misurati dal Raspberry Pis sono stati monitorati e registrati negli abbonati come mostrato nella Figura 5. Come presentato nel video, i dati di elaborazione vengono registrati nel database.
Figura 1: Schema della trasmissione dei dati utilizzando il protocollo MQTT. Il broker inoltra il messaggio dagli editori agli abbonati. Gli editori in questo diagramma sono l'editore principale e l'editore aggiuntivo (Raspberry Pi). L'editore principale è direttamente collegato alla macchina di estrusione per ricevere i dati. Il numero di abbonati non è limitato finché la capacità di rete lo consente. I sottoscrittori possono ripubblicare i dati ad altri sottoscrittori per registrarli in un database come Microsoft Access. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 2: Flusso di dati per pubblicazione, intermediazione e abbonamento in una linea di estrusione cinematografica. I dati di elaborazione sono pubblicati dai sistemi fisici rappresentati nella casella in alto a sinistra. Per l'abbonato, un codice Python che crea un'interfaccia utente grafica viene scritto basato su PyQt5 per visualizzare i dati ricevuti sullo schermo. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 3: Registrazione dei dati sottoscritti in un file MS Access tramite ODBC. Per stabilire una connessione a Microsoft Access, è stato utilizzato l'ODBC. Il codice Python che utilizza il pyodbc è scritto per la connessione, che consente la registrazione e l'analisi trasmettendo query generate dagli utenti. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 4: Distribuzione dell'intero sistema. Il dispositivo broker nell'edificio 2 richiede due porte Ethernet, una per la intranet e l'altra per Internet. Per motivi di sicurezza, gli editori sono connessi alla rete Intranet, mentre i sottoscrittori sono connessi a Internet. Il broker richiede un indirizzo IP pubblico a cui accedere al di fuori del campus. Di conseguenza, qualsiasi dispositivo su Internet può abbonarsi ai dati pubblicati. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 5: Esecuzione del sistema di monitoraggio dei dati durante il funzionamento della linea di estrusione del film. I dati di elaborazione possono essere monitorati durante l'operazione di estrusione (in basso a destra) una volta che l'intero sistema è stato implementato. I dati mostrati nell'HMI (in alto a destra) sono pubblicati all'esterno. Dopo che il broker è stato avviato, i codici nei dispositivi dell'editore e dell'abbonato devono essere eseguiti. Quindi, i flussi di dati iniziano come pianificato nel sistema. Utilizzando i dati in entrata, la linea di estrusione filmata può essere monitorata e visualizzata (in basso a sinistra). Fare clic qui per visualizzare una versione più grande di questa figura.
Dati supplementari. Fare clic qui per scaricare questo file.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Seguendo il protocollo presentato, i dati di elaborazione possono essere monitorati e registrati senza costose soluzioni informatiche come il MES. Le tecnologie IoT possono semplificare l'acquisizione e la distribuzione di dati da macchine convenzionali. È stato dimostrato che il protocollo basato su messaggi, MQTT, funge con successo da piattaforma per la comunicazione dei dati per le linee di lavorazione dei polimeri. Inoltre, i dati aggiuntivi possono essere misurati in modo flessibile e trasmessi insieme. Gli editori aggiuntivi impiegati in questo lavoro furono il Raspberry Pis. In particolare, possono essere ulteriormente protetti alloggiandoli in custodie industriali Raspberry Pi per garantire un funzionamento robusto in condizioni difficili. Gli abbonati possono essere qualsiasi dispositivo ovunque con qualsiasi sistema operativo. Il dispositivo abbonato può ricevere solo i dati necessari selezionando l'argomento da sottoscrivere. Questo lavoro ha dimostrato che l'MQTT insieme ai dispositivi IoT consente il monitoraggio dei dati per una linea di lavorazione dei polimeri senza grandi difficoltà. Le moderne architetture di comunicazione industriale tendono a deviare dalle architetture piramidali come il modello Purdue e il metodo proposto mostra anche che questa tendenza è giustificata.
Implementando il software utilizzando Python, il codice potrebbe essere riutilizzato per varie piattaforme19. Di conseguenza, i dispositivi con piattaforme diverse potrebbero partecipare alla pubblicazione e alla sottoscrizione dei dati di elaborazione. Inoltre, un sacco di carico di codifica potrebbe essere ridotto importando diversi codici predefiniti come PyModbus, pyodbc, paho.mqtt e PyQT5. Poiché lo sviluppo di MQTT è stato semplice e diretto, non c'è stata molta difficoltà nel debug. Tuttavia, ci sono voluti sforzi considerevoli per portare i dati di elaborazione dal controller legacy al dispositivo dell'editore. Se il formato e il protocollo dei dati non sono chiaramente noti, il pacchetto di dati deve essere analizzato attentamente. Inoltre, il problema della sicurezza informatica dovrebbe essere esaminato per prevenire perdite di dati indesiderate.
Una grande fabbrica con molte macchine potrebbe ancora aver bisogno dell'acquisizione dati convenzionale basata su MES, probabilmente utilizzando la comunicazione OPCUA. In questi casi, l'investimento nel sistema IT può essere effettuato senza troppi rischi. Tuttavia, per le piccole fabbriche con budget limitati, il modello proposto è un'alternativa promettente20. Pertanto, ci si aspetta che meschino e IoT coesistano e si sviluppino per un considerevole periodo di tempo. Oltre ai processi polimerici come lo stampaggio a iniezione e l'estrusione, questo approccio può essere applicato a qualsiasi processo di produzione che richieda la comunicazione dei dati.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Gli autori non dichiarano conflitti di interesse.
Acknowledgments
Questo studio è stato supportato dal programma di ricerca finanziato dal SeoulTech (Seoul National University of Science and Technology).
Materials
| Name | Company | Catalog Number | Comments |
| Edge Device | Adavantech | UNO 420 | Intel Atom E3815 Fanless |
| Film Extrusion Machine | EM Korea | Not Available | For production of 450 mm film |
| Pydroid | IIEC | Not Available | Android Devices |
| Python3 | Python Software Foundataion | Not Available | Windows, Linux |
| Raspberry Pi 4 | CanaKit | Not Available | Standard Kit |
References
- Shafiq, S. I., Szczerbicki, E., Sanin, C. Proposition of the methodology for Data Acquisition, Analysis and Visualization in support of Industry 4.0. Procedia Computer Science. 159, 1976-1985 (2019).
- Dilda, V., et al. Manufacturing: Analytics unleashes productivity and profitability. McKinsey & Company. , https://www.mckinsey.com/business-functions/operations/our-insights/manufacturing-analytics-unleashes-productivity-and-profitability (2017).
- Ismail, A., Truong, H. L., Kastner, W. Manufacturing process data analysis pipelines: A requirements analysis and survey. Journal of Big Data. 6, 1 (2019).
- Nwanya, S. C., Udofia, J. I., Ajayi, O. O. Optimization of machine downtime in the plastic manufacturing. Cogent Engineering. 4 (1), 1335444 (2017).
- Zhou, T., Song, Z., Sundmacher, K. Big data creates new opportunities for materials research: A review on methods and applications of machine learning for materials design. Engineering. 5 (6), 1017-1026 (2019).
- Rousopoulou, V., Nizamis, A., Thanasis, V., Ioannidis, D., Tzovaras, D. Predictive maintenance for injection molding machines enabled by cognitive analytics for Industry 4.0. Frontiers in Artificial Intelligence. 3, 578152 (2020).
- Mamo, F. T., Sikora, A., Rathfelder, C. Legacy to Industry 4.0: A Profibus Sniffer. Journal of Physics: Conference Series. 870, 012002 (2017).
- Figueroa-Lorenzo, S., Añorga, J., Arrizabalaga, S. A role-based access control model in Modbus SCADA systems. A centralized model approach. Sensors. 19 (20), 4455 (2019).
- Schleipen, M., Gilani, S. -S., Bischoff, T., Pfrommer, J. OPC UA & Industrie 4.0 - Enabling technology with high diversity and variability. Procedia CIRP. 57, 315-320 (2016).
- Nițulescu, I. -V., Korodi, A. Supervisory control and data Acquisition approach in node-RED: Application and discussions. IoT. 1, 76-91 (2020).
- Perez-Lopez, E.
- Andersen, D. L., Ashbrook, C. S. A., Karlborg, N. B. Significance of big data analytics and the internet of things (IoT) aspects in industrial development, governance and sustainability. International Journal of Intelligent Networks. 1, 107-111 (2020).
- Kashyap, M., Sharma, V., Gupta, N. Taking MQTT and NodeMcu to IOT: Communication in Internet of Things. Procedia Computer Science. 132, 1611-1618 (2018).
- Connet, J. Mythbusting the MES. Systema. , Available from: https://www.systema.com/blog/mythbusting-the-mes (2021).
- Yeh, C. -S., Chen, S. -L., Li, I. -C. Implementation of MQTT protocol based network architecture for smart factory. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture. 235 (13), 2132-2142 (2021).
- Parian, C., Guldimann, T., Bhatia, S. Fooling the master: Exploiting weaknesses in the Modbus protocol. Procedia Computer Science. 171, 2453-2458 (2020).
- Mishra, B., Kertesz, A. The use of MQTT in M2M and IoT systems: A survey. IEEE Access. 8, 201071-201086 (2020).
- pyodbc 4.0.34. , Available from: https://pypi.org/project/pyodbc/ (2021).
- Ayer, V., Miguez, S., Toby, B. Why scientists should learn to program in Python. Powder Diffraction. 29 (2), 48-64 (2014).
- Boyes, H., Hallaq, B., Cunningham, J., Watson, T. The industrial internet of things (IIoT): An analysis framework. Computers in Industry. 101, 1-12 (2018).
