Name: 基于MQTT的数据通信在聚合物挤出工艺中的应用 (视频) | JoVE Journal
Uploaded: 2022-07-15T13:00:00.000+00:00
Duration: 8 min 15 s
Description: 了解基于MQTT协议的灵活数据通信方法，用于聚合物挤出工艺中的实时监控与数据采集。该方法支持多设备发布订阅模式，实现远程访问传统设备数据，提升生产线运营效率。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究由首尔科技大（首尔科学技术大学）资助的研究项目支持。

1. 代理服务器安装
注意：用于监控和记录加工数据 通过 互联网，应准备一个用于转发数据的计算机系统。该系统需可被发布者和订阅者共同访问，如图所示 图2因此，系统需要一个在通信开始前已知的公共IP地址。系统上安装了一个名为Eclipse Mosquitto的开源MQTT代理。13.
<ol>
	<li>将计算机连接到互联网，获取一个公共 IP 地址。在操作系统的 IP 设置中输入该地址。</li>
	<li>在计算机上安装诸如 Eclipse Mosquitto 之类的代理软件。通过浏览器下载安装文件并运行安装程序。</li>
	<li>使用 MQTT Lens 等测试程序测试代理。通过浏览器下载 MQTT Lens 并安装。然后，确认已发布的消息能够被成功订阅。</li>
</ol>
2. 主要发布者的准备
注意：该计算机发布机器数据 通过 通过 TCP 向代理服务器发送 MQTT。遗留数据应被解析并重新打包后发出，通常可通过 RS485 或以太网实现。硬件层面的连接应根据总线类型进行验证。挤出机发出数据 通过 以太网端口上的 Modbus。
<ol>
	<li>在设备现场物理安置一台计算机，并将其设置为主要发布者。 
	注意：尽管并非强制要求，本研究中仍选用了工业计算机。</li>
	<li>在计算机上安装 Python3。使用浏览器下载安装程序文件并执行。</li>
	<li>安装 PyModbus16使用浏览器下载安装程序文件并执行。</li>
	<li>检查由人机界面（HMI）控制机器的挤出控制器，并将挤出控制器连接至主发布端。</li>
	<li>使用 Modbus 工具（如 ModbusPoll 或 QModMaster）从设备中完整识别 Modbus 协议中的数据及其对应的地址。确保所发送的设备数据在 Modbus 工具的相应寄存器单元中正确显示。</li>
	<li>在发布者计算机上编写一段 Python 代码，用于从挤出控制器获取数据。 
	注意：以下是一个代码示例： 
	from pyModbusTCP.client import ModbusClient 
	client = ModbusClient(主机=&#34;192.168.1.***&#34;，端口=***，单元号=***） 
	client.open() 
	ExtrusionData = str(client.read_holding_registers(1000, 58))</li>
	<li>合并来自其他设备的附加数据流 通过 PCIe、USB、RS232 和 RS485 
	注意：此操作十分简单。一旦获得额外的数据字符串，只需将该数据添加到现有数据流中，可通过以下代码实现： 
	挤出数据 += 附加数据</li>
	<li>通过 pip install paho-mqtt 安装 paho-mqtt 后，导入 paho.mqtt.client17.</li>
	<li>实现代码以连接到代理并发布数据。 
	注：请参考以下代码示例： 
	url=&#34;117.xx.xxx.xx&#34;；端口 = 1883；用户名 = &#34;****&#34;；密码 = &#34;请提供需要翻译的源文本内容。&#34;；主题 = &#34;挤出机&#34; 
	mqttc = mqtt.Client() 
	mqttc.username_pw_set(用户名, 密码) 
	mqttc.connect(host=url, port=port) 
	mqttc.loop_start() 
	ExtrusionData = str(client.read_holding_registers(1000, 58)) 
	Pub1 = mqttc.publish(topic, 挤出数据) 
	Pub1.wait_for_publish()</li>
</ol>
3. 额外发布者的准备工作
注意：该计算机还发布机器数据 通过 通过 TCP 将 MQTT 发送到代理。有时需要进行主发布设备无法完成的额外测量，此时可采用物联网（IoT）设备（如 Raspberry Pi 和 Arduino）来承担相应任务。在本研究中，Raspberry Pi 被用于采集温度数据和照度数据。该操作流程与第 2 节协议部分相似。
<ol>
	<li>在传感器附近放置一个 Raspberry Pi。 
	注意：由于布线距离有限，树莓派无法远离测量位置放置。然而，由于挤出机附近温度很高，设备需至少距离测量位置1 m以上。</li>
	<li>在命令行中通过以下命令在 Raspberry Pi 上安装 Python3： 
	sudo apt update 
	sudo apt install python3 idle3</li>
	<li>实现用于采集传感器数据的代码。传感器数据可以被传输 通过 I2C 或 GPIO 
	注：有关额外的温度数据，请参考以下代码示例 通过 通用输入输出（GPIO） 
	from max6675 import MAX6675 
	cs_pin1 = 24；clock_pin1 = 25；data_pin1 = 18 
	cs_pin2 = 9；clock_pin2 = 11；data_pin2 = 19 
	单位 = &#34;C&#34; 
	thermocouple1 = MAX6675(cs_pin1, clock_pin1, data_pin1, units) 
	thermocouple2 = MAX66675(cs_pin2, clock_pin2, data_pin2, units) 
	T1 = 热电偶1.get() 
	T2 = thermocouple2.get()</li>
	<li>导入 paho.mqtt.client。</li>
	<li>重复使用第2节中的代码连接并发布数据到代理。</li>
</ol>
4. 订阅者的设置
注意：任何连接到互联网的设备均可通过代理服务器接收加工数据。via Python 代码对数据进行处理和可视化。如果开发存在困难，可使用 Google Play 上的 MQTT Client 或 App Store 中的 MQT Tool 等现有应用程序。由于用户界面的实现过程较为复杂，此处不作详细描述。另请注意，App Store 中的现有应用程序（如 MQT Tool）也可接收数据。
<ol>
	<li>启动一个设备以订阅互联网。确保物理电缆连接，然后在命令行中执行对代理服务器 IP 的 ping 操作（例如，ping 117.xx.xxx.xx）。</li>
	<li>根据设备和操作系统安装合适的 Python 环境。例如，在安卓设备上应安装 Pydroid3，而不是从 Google Play 安装 Python3。</li>
	<li>导入 paho.mqtt.client 和 paho.mqtt.subscribe 以连接到代理服务器并从中接收数据。 
	注意：请参考以下代码示例： 
	import paho.mqtt.client as mqtt 
	import paho.mqtt.subscribe as subscribe 
	url="117.xx.xxx.xx"; port = 1883; username = "****"; password = "xxxxx"; topic = "Extruder" 
	mqttc.username_pw_set(username, password) 
	mqttc.connect(host=url, port=port) 
	mqttc.subscribe(topic, 0) 
	mqttc.loop_start() 
	Sub1 = subscribe.simple(topic, hostname=url) 
	ExtruderData = Sub1.payload.decode("utf-8")</li>
	<li>使用 PyQT5 根据需要构建用户界面。 
	注意：此部分较为复杂，侧重于对接收数据的图形化展示，而非通信本身。相应代码作为补充数据提供。</li>
	<li>通过执行已构建的代码，在图形用户界面（GUI）上显示传入的数据。</li>
</ol>
5. 数据记录
注意：在监测过程中，加工数据可同时写入数据库。本研究选用了一个实验室规模的数据库。这些数据通过 Microsoft Access 文件进行连接，以便在用户计算机上轻松地进行数据写入和读取。此外，还可以通过查询即时建立表格，以便在 Microsoft Excel 等电子表格软件中分析数据。
<ol>
	<li>选择一个订阅设备以记录数据。</li>
	<li>执行以下命令导入 pyodbc &#34;pip install pyodbc&#34; 在命令行中，用于 Python 代码访问数据库，如图所示 图318.</li>
	<li>通过 Python 代码向数据库发送查询以记录加工数据。参考以下 Python 代码 图3 该方法。</li>
	<li>向数据库发送查询以检索已记录的数据。 
	注：以下提供了一个数据检索的代码示例： 
	import pyodbc 
	[x for x in pyodbc.drivers() if x.startswith('Microsoft Access Driver')] 
	conn_str = ( 
	DRIVER={Microsoft Access Driver (*.mdb, *.accdb)}; 
	r'DBQ=C:\Users\data_analysis\db1.accdb;' 
	) 
	cnxn = pyodbc.connect(conn_str) 
	crsr = cnxn.cursor() 
	for table_info in crsr.tables(tableType='TABLE'): 
	print(table_info.table_name) 
	sql = &#34;&#34;&#34;\ 
	SELECT * FROM Process_Condition 
	&#34;&#34;&#34; 
	crsr = cnxn.execute(sql) 
	for row in crsr: 
	RetrievedData = pd.read_sql(sql, cnxn) 
	crsr.close() 
	cnxn.close()</li>
</ol>
6. 部署
注意：如果所有设备均可连接到互联网，则设置较为简单。然而，为了保障设备端数据的安全，发布者可仅位于内网中。在此情况下，消息代理可作为通往互联网的网关。为此，该代理需配备两个以太网适配器，其中一个必须具有公网 IP 地址。在完成所有组件的开发后，应将代码部署到各个设备上，如图4所示。连接方式（有线或无线）并不重要，但必须确保安全，使每个设备均可访问该代理。这意味着代理可在内网与互联网之间充当安全边界上的网关。当然，即使所有设备均暴露在互联网中，从通信角度来看也并无问题。
<ol>
	<li>将挤出控制器、主发布者以及附加的发布者连接到内网端口 通过 以太网</li>
	<li>将代理服务器的一个以太网端口连接到内网，另一个连接到互联网。</li>
	<li>通过为所有订阅者重复步骤 4.1，将其连接到互联网。</li>
</ol>
7. 执行
注意：为了测试整个系统，我们启动了挤出生产线，并运行了所有 Python 代码和 Mosquitto。
<ol>
	<li>启动挤出过程。在设备的HMI界面上，设置温度并通过触摸HMI屏幕上的按钮启动加热器。当达到所需温度后，启动螺杆旋转以挤出聚合物熔体。</li>
	<li>打开所有计算机，通过命令“net start mosquitto”在代理设备上启动代理软件，然后根据需要运行Python代码以监控和记录加工数据。 
	注意：步骤7.1和步骤7.2的顺序可以调换。只需在命令行中输入“python3 xxxxx.py”并按Enter键即可执行Python代码。可将此命令添加到启动程序中，以避免每次设备重启时重复输入。</li>
</ol>

<ol><li>Shafiq, S. I., Szczerbicki, E., Sanin, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Proposition+of+the+methodology+for+Data+Acquisition%2C+Analysis+and+Visualization+in+support+of+Industry+4.0%5BTitle%5D)+AND+%22Procedia+Computer+Science%22%5BJournal%5D)">Proposition of the methodology for Data Acquisition, Analysis and Visualization in support of Industry 4.0.</a> Procedia Computer Science. 159, 1976-1985 (2019).</li>
<li>Dilda, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Manufacturing%3A+Analytics+unleashes+productivity+and+profitability%5BTitle%5D)+AND+%22McKinsey+%26+Company%22%5BJournal%5D)">Manufacturing: Analytics unleashes productivity and profitability.</a> McKinsey & Company. , https://www.mckinsey.com/business-functions/operations/our-insights/manufacturing-analytics-unleashes-productivity-and-profitability (2017).</li>
<li>Ismail, A., Truong, H. L., Kastner, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Manufacturing+process+data+analysis+pipelines%3A+A+requirements+analysis+and+survey%5BTitle%5D)+AND+%22Journal+of+Big+Data%22%5BJournal%5D)">Manufacturing process data analysis pipelines: A requirements analysis and survey.</a> Journal of Big Data. 6, 1(2019).</li>
<li>Nwanya, S. C., Udofia, J. I., Ajayi, O. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimization+of+machine+downtime+in+the+plastic+manufacturing%5BTitle%5D)+AND+%22Cogent+Engineering%22%5BJournal%5D)">Optimization of machine downtime in the plastic manufacturing.</a> Cogent Engineering. 4 (1), 1335444(2017).</li>
<li>Zhou, T., Song, Z., Sundmacher, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Big+data+creates+new+opportunities+for+materials+research%3A+A+review+on+methods+and+applications+of+machine+learning+for+materials+design%5BTitle%5D)+AND+%22Engineering%22%5BJournal%5D)">Big data creates new opportunities for materials research: A review on methods and applications of machine learning for materials design.</a> Engineering. 5 (6), 1017-1026 (2019).</li>
<li>Rousopoulou, V., Nizamis, A., Thanasis, V., Ioannidis, D., Tzovaras, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predictive+maintenance+for+injection+molding+machines+enabled+by+cognitive+analytics+for+Industry+4.0%5BTitle%5D)+AND+%22Frontiers+in+Artificial+Intelligence%22%5BJournal%5D)">Predictive maintenance for injection molding machines enabled by cognitive analytics for Industry 4.0.</a> Frontiers in Artificial Intelligence. 3, 578152(2020).</li>
<li>Mamo, F. T., Sikora, A., Rathfelder, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Legacy+to+Industry+4.0%3A+A+Profibus+Sniffer%5BTitle%5D)+AND+%22Journal+of+Physics%3A+Conference+Series%22%5BJournal%5D)">Legacy to Industry 4.0: A Profibus Sniffer.</a> Journal of Physics: Conference Series. 870, 012002(2017).</li>
<li>Figueroa-Lorenzo, S., Añorga, J., Arrizabalaga, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+role-based+access+control+model+in+Modbus+SCADA+systems.+A+centralized+model+approach%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">A role-based access control model in Modbus SCADA systems. A centralized model approach.</a> Sensors. 19 (20), 4455(2019).</li>
<li>Schleipen, M., Gilani, S. -S., Bischoff, T., Pfrommer, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((OPC+UA+%26+Industrie+4.0+-+Enabling+technology+with+high+diversity+and+variability%5BTitle%5D)+AND+%22Procedia+CIRP%22%5BJournal%5D)">OPC UA & Industrie 4.0 - Enabling technology with high diversity and variability.</a> Procedia CIRP. 57, 315-320 (2016).</li>
<li>Nițulescu, I. -V., Korodi, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Supervisory+control+and+data+Acquisition+approach+in+node-RED%3A+Application+and+discussions%5BTitle%5D)+AND+%22IoT%22%5BJournal%5D)">Supervisory control and data Acquisition approach in node-RED: Application and discussions.</a> IoT. 1, 76-91 (2020).</li>
<li>Perez-Lopez, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SCADA+systems+in+the+industrial+automation%5BTitle%5D)+AND+%22Tecnolog%C3%ADa+en+Marcha%22%5BJournal%5D)">SCADA systems in the industrial automation.</a> Tecnología en Marcha. 28 (4), 3-14 (2015).</li>
<li>Andersen, D. L., Ashbrook, C. S. A., Karlborg, N. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Significance+of+big+data+analytics+and+the+internet+of+things+%28IoT%29+aspects+in+industrial+development%2C+governance+and+sustainability%5BTitle%5D)+AND+%22International+Journal+of+Intelligent+Networks%22%5BJournal%5D)">Significance of big data analytics and the internet of things (IoT) aspects in industrial development, governance and sustainability.</a> International Journal of Intelligent Networks. 1, 107-111 (2020).</li>
<li>Kashyap, M., Sharma, V., Gupta, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Taking+MQTT+and+NodeMcu+to+IOT%3A+Communication+in+Internet+of+Things%5BTitle%5D)+AND+%22Procedia+Computer+Science%22%5BJournal%5D)">Taking MQTT and NodeMcu to IOT: Communication in Internet of Things.</a> Procedia Computer Science. 132, 1611-1618 (2018).</li>
<li>Connet, J. Mythbusting the MES. Systema. , Available from: 
 <a target="_blank" href="https://www.systema.com/blog/mythbusting-the-mes">https://www.systema.com/blog/mythbusting-the-mes</a> (2021).</li>
<li>Yeh, C. -S., Chen, S. -L., Li, I. -C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Implementation+of+MQTT+protocol+based+network+architecture+for+smart+factory%5BTitle%5D)+AND+%22Proceedings+of+the+Institution+of+Mechanical+Engineers%2C+Part+B%3A+Journal+of+Engineering+Manufacture%22%5BJournal%5D)">Implementation of MQTT protocol based network architecture for smart factory.</a> Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture. 235 (13), 2132-2142 (2021).</li>
<li>Parian, C., Guldimann, T., Bhatia, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fooling+the+master%3A+Exploiting+weaknesses+in+the+Modbus+protocol%5BTitle%5D)+AND+%22Procedia+Computer+Science%22%5BJournal%5D)">Fooling the master: Exploiting weaknesses in the Modbus protocol.</a> Procedia Computer Science. 171, 2453-2458 (2020).</li>
<li>Mishra, B., Kertesz, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+use+of+MQTT+in+M2M+and+IoT+systems%3A+A+survey%5BTitle%5D)+AND+%22IEEE+Access%22%5BJournal%5D)">The use of MQTT in M2M and IoT systems: A survey.</a> IEEE Access. 8, 201071-201086 (2020).</li>
<li>pyodbc 4.0.34. , Available from: 
 <a target="_blank" href="https://pypi.org/project/pyodbc/">https://pypi.org/project/pyodbc/</a> (2021).</li>
<li>Ayer, V., Miguez, S., Toby, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Why+scientists+should+learn+to+program+in+Python%5BTitle%5D)+AND+%22Powder+Diffraction%22%5BJournal%5D)">Why scientists should learn to program in Python.</a> Powder Diffraction. 29 (2), 48-64 (2014).</li>
<li>Boyes, H., Hallaq, B., Cunningham, J., Watson, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+industrial+internet+of+things+%28IIoT%29%3A+An+analysis+framework%5BTitle%5D)+AND+%22Computers+in+Industry%22%5BJournal%5D)">The industrial internet of things (IIoT): An analysis framework.</a> Computers in Industry. 101, 1-12 (2018).</li>
</ol>

作者声明无利益冲突。

通过遵循本方案，无需使用制造执行系统（MES）等昂贵的IT解决方案，即可对加工数据进行监控和记录。物联网（IoT）技术可更便捷地从传统设备中获取并传输数据。研究表明，基于消息的协议MQTT可成功作为聚合物加工生产线数据通信的平台。此外，其他附加数据也可灵活地同步测量和传输。本研究中使用的附加发布者为树莓派（Raspberry Pi）。值得注意的是，可通过将树莓派安装在工业级防护外壳中，进一步增强其在恶劣环境下的稳定运行能力。订阅者可以是任何位置、任何操作系统的任意设备。订阅设备可通过选择订阅主题，仅接收所需的数据。本研究证明，MQTT协议结合物联网设备能够简便地实现聚合物加工生产线的数据监控。现代工业通信架构正逐渐偏离普渡模型（Purdue model）等金字塔式结构，而本研究也表明这一发展趋势是合理的。
通过使用 Python 实现软件，该代码可被复用于多种平台19。因此，不同平台的设备均能够参与处理数据的发布与订阅。此外，通过导入多个预构建的代码库（如 PyModbus、pyodbc、paho.mqtt 和 PyQT5），可大幅减...

在第四次工业革命浪潮中，获取和监控各种加工数据已成为重要任务1。特别是利用工艺数据改进制造过程，并建立高效的运行计划，将成为所有制造设施的重要目标2,3。如果能够及时从工厂发出警报或实施预测性维护，则可大幅减少停机时间4。近年来，针对聚合物加工过程的数据分析已开展了大量研究工作5,6。然而，由于从现有系统中获取此类数据存在困难，开展这些工作并不容易7。控制系统与仪表的层级结构使得数据采集与通信变得复杂。 
首先，无法从不同生产日期的设备上获取数据。由于需要在专有格式的不同现场总线之间实现互操作性，因此实现不同设备间的通信十分困难。这种方式使得通信方法和数据格式保持私密。虽然这有助于轻松维护数据安全，但使用户在服务和未来发展方面依赖于设备制造商。目前，连接到聚合物加工设备的现代控制计算机大多采用基于 Windows 的系统，但其运行的软件通常是在专有的开发环境中创建的。尽管可以使用不同厂商的可编程逻辑控制器（PLC）与传感器或执行器进行通信，但在许多情况下，上层的监控与数据采集（SCADA）系统仍依赖于控制计算机8。这种做法导致了大量协议、现场总线和控制系统在市场上相互竞争。尽管这种复杂性随着时间的推移已逐步缓解，但目前仍有多种现场总线和协议在广泛使用。
另一方面，控制设备与SCADA之间的通信已由开放平台通信统一架构（OPCUA）实现标准化9。此外，SCADA与制造执行系统（MES）之间的通信也主要通过OPCUA实现。在这种紧密的层级结构中，难以自由提取数据用于过程监控与分析。通常，必须从SCADA或MES中提取数据10。如前所述，这些系统具有供应商专属性，且数据格式很少开放。因此，数据提取需要原始信息技术/运营技术（IT/OT）解决方案供应商的大量支持，这可能阻碍监控与分析所需的数据获取。
在薄膜挤出生产线中，控制用PC由SCADA系统进行监控11。SCADA系统由计算机程序操作，而该程序通常难以修改。尽管该程序可能具备可编辑性，但修改过程成本高昂且耗时。为了便于远程监测和分析加工数据，这些数据应能够从任意位置访问。若需在远离现场的位置监控加工数据，计算机程序必须具备将加工数据流式传输至互联网的功能12。此外，采用开放且免费的方法可降低数据采集的成本13。该方法使得即使资金有限、无法投资商业IT解决方案的小型工厂也能够进行数据分析14。
本研究采用基于发布-订阅模型的消息协议。消息队列遥测传输（MQTT）是一种开放的标准协议，可实现多个数据提供者与消费者之间的消息传递15在此，我们提出一种利用MQTT协议对现有制造设施进行数据采集、传输与监控的系统。该系统在薄膜挤出生产线上进行了测试，以验证其性能。来自原始控制器的数据被传输至边缘设备 通过 Modbus 协议。随后，数据被发布至代理服务器。与此同时，两台 Raspberry Pi 将测得的温度和照度发布至同一代理服务器。此后，互联网上的任何设备均可订阅该数据，并对其进行监控与记录，如图所示。 图1本研究中的方案展示了整个操作流程的具体实施方法。

<table><tbody><tr><td>边缘设备</td><td>Adavantech</td><td>UNO 420</td><td>Intel Atom E3815 无风扇</td></tr><tr><td>薄膜挤出机</td><td>EM Korea</td><td>不可用</td><td>用于生产 450 mm 薄膜</td></tr><tr><td>Pydroid</td><td>IIEC</td><td>不可用</td><td>安卓设备</td></tr><tr><td>Python3</td><td>Python 软件基金会</td><td>不可用</td><td>Windows, Linux</td></tr><tr><td>Raspberry Pi 4</td><td>CanaKit</td><td>不可用</td><td>标准套件</td></tr></tbody></table>

基于mqtt的聚合物挤出过程数据通信

Data Communication Based on MQTT in a Polymer Extrusion Process

本研究旨在通过采用基于发布-订阅模式的消息队列遥测传输（Message Queuing Telemetry Transport, MQTT）协议，在TCP/IP之上构建一种适用于聚合物加工设备的灵活数据通信结构。即使使用传统设备，加工数据也可通过互联网通信由任意位置的多种设备进行测量和记录。基于消息的协议实现了灵活的通信方式，克服了现有客户端-服务器协议的局限性。多个设备可订阅由源设备发布的加工数据。该方法支持多个发布者与订阅者之间的数据通信。本研究实现了一个系统，可将来自设备及附加传感器的数据发布至消息代理（message broker）。订阅者可对代理转发的工艺数据进行监控和存储。该系统已部署并应用于一条薄膜挤出生产线，以验证其有效性。

研究发现，HMI 中显示的数据以及由 Raspberry Pi 测量的数据均在订阅者中被监测和记录，如图5所示。如视频中所示，处理数据已记录到数据库中。
<img alt="使用MQTT、Modbus物联网连接的网络示意图：薄膜挤出、树莓派、传感器、数据库。" class="xfigimg" src="/files/ftp_upload/63717/63717fig01.jpg" data-altupdatedat="1788282455000" data-alt="图1"> 
图1：使用MQTT协议进行数据传输的示意图。 代理服务器将消息从发布者转发至订阅者。本图中的发布者包括主发布者和附加发布者（树莓派）。主发布者直接连接至挤出机以接收数据。只要网络容量允许，订阅者的数量不受限制。订阅者可将数据重新发布给其他订阅者，以便将其记录到如Mi...

本研究提出了一种基于消息队列遥测传输（Message Queuing Telemetry Transport，MQTT）协议的薄膜挤出系统与监控设备之间数据通信的灵活方法。

基于MQTT的聚合物挤出过程数据通信

本研究旨在通过采用基于发布-订阅模式的协议，为聚合物加工设备构建一种灵活的数据通信结构。

本研究中的方案通过采用基于发布-订阅模式的MQTT协议代码，为聚合物加工设备构建一个灵活的数据通信结构。即使使用传统设备，加工过程中的数据也可通过互联网上任意位置的多种设备进行观测和记录。该协议支持多个发布者与多个订阅者之间的数据通信。我们已实施了一套系统，该系统通过代理设备将现有挤出生产线的加工数据发布给订阅设备。来自传统挤出控制器的数据已在某一设备中被解析，并上传至代理设备。另外，位于两个不同位置的环境温度监测设备以及加工过程中的温度监测设备也将数据发布至该代理设备。然后，代理将数据转发给对这些数据感兴趣的订阅设备，以显示和记录数据。订阅系统已经设计并构建完成。由于所有参与设备的代码均使用 Python 编写，因此该代码可在不同操作系统的设备上重复使用。最后，部署并测试该系统以验证首个代理安装的有效性。首先配置MQTT代理系统，以便通过互联网监控和记录处理数据。为了使代理设备能够转发此类数据，发布者和订阅者都必须能够访问该设备。将计算机系统连接到具有公共IP地址的互联网，以便发布者和订阅者均可访问该代理。然后在计算机上安装并打开代理软件，例如 Eclipse Mosquitto，并使用 MQTT Lens 等测试工具检查 MQTT 代理的运行情况。第二步，主发布者设备的准备。现在我们来准备主发布者设备。如前所述，该计算机会通过MQTT将机器数据发布到代理服务器。旧有数据应被解析并重新打包后发送出去。这通常可以通过RS-485或以太网实现。应根据总线类型验证硬件级别的连接。所考虑的挤出机通过以太网端口使用 Modbus 发送数据，以采集挤出机的数据并进行发布。在设备现场放置一台计算机作为主要发布者。在该计算机上安装 Python 3 作为软件环境。然后安装 Pi Modbus 以实现 Modbus 连接与通信。检查挤出控制器的 Modbus 功能码，并将其连接到主发布端。使用 Modbus 工具（如主发布端上的 Modbus Poll 或 Q Mod Master）完全识别来自设备的数据、相关地址以及 Modbus 代码。然后在发布端编写 Python 代码，从挤出控制器中获取数据。此外，通过 PCIE USB RS-232 和 RS-485 整合来自其他设备的数据流。导入 paho.mqtt.client 并实现连接到代理并发布数据的代码。第三，额外的发布者准备。除了主发布者外，让我们使用额外的物联网设备来采集并发布环境温度和光照强度。为此，使用了两台树莓派设备。每台设备都会像主发布者一样，将测得的数据发布到代理服务器。将设备放置在传感器附近，然后在设备上安装 Python 3 并运行代码以采集传感器数据。光照传感器的数据通过 I2C 传输，温度数据通过 GPIO 传输。重用之前的 Python 代码来发布数据。得益于 Python 的设备无关性，用于 Windows 的代码可以同样适用于树莓派（Raspberry Pis）。第四，设置订阅者。现在让我们说明如何订阅处理后的数据。如前所述，互联网上的任何设备都可以通过代理接收数据。同样，数据可以通过 Python 代码进行处理和可视化。在联网设备上，应根据设备类型和操作系统安装合适的 Python 环境。例如，在 Android 设备上应安装 Pydroid 3 而非 Python 3，然后导入 paho.mqtt.client 和 paho.mqtt.subscribe，以连接到代理并接收数据。然后根据 Pi QT5 构建所需用户界面。由于该部分的实现较为复杂且耗时，此处不再详述，仅提供代码以在图形用户界面上显示输入的数据。还需了解，现有的应用程序（例如应用商店中的 MQT 工具）也可以接收数据。第五，数据记录。在监测过程中，为了记录数据，Python 应能够访问数据库。本工作中，数据将写入 Microsoft Access 文件。根据数据规模和软件可用性进行考虑，选择一个用户端设备来记录数据。然后在 Python 代码中导入 pyodbc 以访问数据库。为记录处理数据，通过 Python 代码向数据库发送查询。要检索已记录的数据，需向数据库发送另一条查询。数据获取后，可根据需要对数据进行分析，并重构数据。可立即生成可在电子表格中读取的表格。第六，部署。所有设备完成开发后，应将 Python 代码部署到各个设备上。连接方式为有线或无线均不影响，但必须确保每个设备都能够访问代理服务器。这意味着，出于安全目的，代理服务器在互联网与物联网之间起到网关的作用。为了确保更高的安全性，将挤出控制器、主发布者以及附加的发布者连接至互联网。然后将代理服务器的一个以太网端口连接至互联网，另一个端口也连接至互联网，以监控并记录处理数据。根据需要将订阅者连接至互联网。第七，执行。为测试整个系统，启动挤出生产线，然后开启所有计算机设备。然后启动代理软件 Mosquito，并运行所有 Python 代码。代表性结果：通过执行所设计和实现的系统，可对处理中的数据进行监控和可视化。数据可以通过多种方式显示，包括图形和表格，甚至可在移动设备上进行监控和记录。此外，数据会被记录并提取以供分析。结论：研究发现，HMI 中显示的数据以及由 Raspberry Pi 测量的数据均在订阅者端被监控和记录。通过遵循本方案，可以在无需昂贵的信息技术解决方案（如制造执行系统MES）的情况下监控和记录处理数据。

data-communication-based-on-mqtt-in-a-polymer-extrusion-process

Research

科研

JoVE Journal

Engineering

工程

基于MQTT的数据通信在聚合物挤出工艺中的应用

介绍一种采用芯片内光聚合技术制备聚合物微阵列的方法。同时描述了利用原子力显微镜、水接触角测量、X射线光电子能谱、飞行时间二次离子质谱以及细胞黏附实验对表面进行高通量表征的过程。...

用于生物材料高通量发现的聚合物微阵列

来源： Cabeen, M. T., 等单细胞微流控分析 芽孢杆菌属 subtilis. J. Vis. Exp.

在微流控系统中以单细胞分辨率追踪细菌生长

本文介绍了用于微流控快速原型平台的各种技术。所提出的技术基于紫外光（UV）敏感型和热固化环氧树脂、聚二甲基硅氧烷（PDMS）管材、引线键合以及各向异性粘合膜。所展示的组装方法适用于一次性使用装置以及可重复使用的微流控系统。...

高通量微流控快速低成本原型封装方法

当两种相邻的流体通过带有沟槽的微流控通道时，可被引导形成包裹预聚物核心的鞘层，从而 决定微纤维的形状和横截面。光引发聚合反应（如硫醇点击化学反应）非常适合将核心流体快速固化为具有预定尺寸和形状的微纤维。...

预设计尺寸与形状的聚合物及生物杂化纤维的微流控制备

本文介绍一种通过三轴点胶系统采用自动直写工艺制备自由悬挂的微米/亚微米级聚合物纤维及“网状”结构的实验方案。...

通过机器人分配系统实现悬浮微米/亚微米级纤维结构的预定三维直写

在此，我们介绍一种通过炉内重力牵引法制备聚二甲基硅氧烷（PDMS）硅胶长丝的方案。该长丝直径约为数百微米，长度可达数十厘米，并具有疏水性图案化特性。 通过...

拉制与疏水性图案化长聚二甲基硅氧烷硅胶细丝

本文介绍了一种以最少的资金和时间投入设计和制备定制化微流控装置的实验方案。其目的是促进微流控技术在生物医学研究实验室及教育环境中的应用。...

用于科研与教学应用的定制微流控器件的快速制备

利用一种非侵入性且实时的技术，在3D打印过程中对聚合物细丝内部的纳米级聚合物运动进行成像。精确调控这种运动对于制造具有最佳性能和外观的结构至关重要。该方法深入揭示了塑料层融合的核心机制，从而为优化打印条件和材料设计准则提供了重要见解。...

3D打印层间结合的实时成像

在微米尺度上进行3D打印，能够快速制备用于神经元细胞培养的聚合物装置。作为原理验证，通过构建影响神经突生长的屏障和通道来限制神经元之间的结构连接，同时通过细胞外电生理记录观察此类操作的功能性后果。...

双光子聚合三维打印微尺度神经元细胞培养装置

本文介绍了一种将泰勒分散实验改进并应用于微尺度的实验方案，所用微通道由台式裁切机制作而成，可自行加工。该实验平台可用于计算单一种类被动示踪剂的扩散系数，并可实现多物种离子相互作用与分离过程的可视化。...

采用泰勒分散法通过简易微流控装置测量电解质溶液的分散系数

了解基于MQTT协议的灵活数据通信方法，用于聚合物挤出工艺中的实时监控与数据采集。该方法支持多设备发布订阅模式，实现远程访问传统设备数据，提升生产线运营效率。

基于MQTT的聚合物挤出过程数据通信

探索更多视频