Datenkommunikation auf Basis von MQTT in einem Polymerextrusionsprozess
15. Juli 2022
Diese Arbeit schlägt eine flexible Methode für die Datenkommunikation zwischen einem Folienextrusionssystem und Überwachungsgeräten vor, die auf einem Nachrichtenprotokoll namens Message Queuing Telemetry Transport (MQTT) basiert.
Das Protokoll in dieser Arbeit ermöglicht den Aufbau einer flexiblen Datenkommunikationsstruktur für eine Polymerverarbeitungsmaschine durch die Verwendung eines Publisher-Abonnenten-basierten Protokollcodes MQTT. Selbst bei Verwendung eines klassischen Gerätes können Daten von verschiedenen Geräten überall im Internet beobachtet und aufgezeichnet werden. Das Protokoll erleichtert die Datenkommunikation zwischen mehreren Herausgebern und mehreren Abonnenten.
Wir haben ein System implementiert, das Verarbeitungsdaten aus einer bestehenden Extrusionslinie über ein Broker-Gerät an die abonnierenden Geräte veröffentlicht. Die Daten eines älteren Extrusionscontrollers wurden in einem Gerät interpretiert und an den Broker gesendet. Zusatzgeräte für Umgebungstemperaturen an zwei verschiedenen Standorten und von während der Verarbeitung veröffentlichen die Daten ebenfalls an den Broker.
Dann leitet der Broker die Daten an Teilnehmergeräte weiter, die an diesen Daten interessiert sind. Zum Anzeigen und Aufzeichnen der Daten. Das Teilnehmersystem wurde entworfen und gebaut.
Da der gesamte Code für die teilnehmenden Geräte in Python geschrieben wurde. Der Code kann auf den Geräten mit verschiedenen Betriebssystemen wiederverwendet werden. Schließlich wird das System bereitgestellt und für die Leitung getestet, um die Gültigkeit der First-Broker-Installation zu demonstrieren.
Konfigurieren Sie zunächst das MQTT-Brokersystem so, dass es Verarbeitungsdaten über das Internet überwachen und aufzeichnen kann. Damit ein Broker-Gerät solche Daten weiterleiten kann, muss es sowohl für Herausgeber als auch für Abonnenten zugänglich sein. Verbinden Sie ein Computersystem mit einer öffentlichen IP-Adresse mit dem Internet, damit sowohl Herausgeber als auch Abonnenten auf den Broker zugreifen können.
Auf der Computerinstallation verwenden offene Broker-Software wie Eclipse Mosquito ein Testtool wie MQTT-Linse, um die Funktionsfähigkeit der MQTT-Broker zu untersuchen. Zweitens, Hauptvorbereitung des Herausgebers. Lassen Sie uns nun das Haupt-Publisher-Gerät vorbereiten.
Wie bereits erwähnt, veröffentlicht dieser Computer die Maschinendaten über MQTT an den Broker. Legacy-Daten sollten interpretiert und neu verpackt werden, um versendet zu werden. Dies kann in der Regel über RS-485 oder Ethernet erfolgen.
Die Verbindung in der Hardware-Ebene sollte je nach Bustyp verifiziert werden. Die betrachtete Extrusionsmaschine sendet Daten über Modbus über einen Ethernet-Port, um Daten von der Extrusionsmaschine zu erfassen und zu veröffentlichen. Platzieren Sie einen Computer als Hauptherausgeber am Computerstandort.
Installieren Sie auf diesem Computer Python drei als Softwareumgebung. Installieren Sie dann Pi Modbus, um Modbus-Konnektivität und -Kommunikation zu aktivieren. Untersuchen Sie die Modbus-Funktionscodes der Extrusionssteuerung und verbinden Sie sie mit dem Hauptherausgeber.
Identifizieren Sie die Daten und die zugehörige Adresse sowie die Modbus-Codes von der Maschine mit einem Modbus-Tool wie Modbus-Umfrage oder Q-Mod-Master auf dem Hauptherausgeber. Schreiben Sie dann einen Python-Code auf dem Publisher, der die Daten von der Extrusionssteuerung abruft. Kombinieren Sie außerdem den Datenstrom über PCIE USB RS-232 und RS-485 von anderen Geräten.
Importieren Sie paho dot MQTT dot client und implementieren Sie den Code, um Daten mit dem Broker zu verbinden und zu veröffentlichen. Drittens, zusätzliche Publisher-Vorbereitung. Zusätzlich zum Hauptverlag können wir zusätzliche IOT-Geräte einsetzen, um Umgebungstemperaturen und Filmbeleuchtungsstärke zu erfassen und zu veröffentlichen.
Um dies zu tun. Zwei Raspberry Pi-Geräte wurden eingesetzt. Jedes Gerät veröffentlicht die gemessenen Daten an den Broker, wie es der Hauptherausgeber tut.
Stellen Sie die Geräte in der Nähe der Sensorpositionen auf. Installieren Sie dann Python drei auf den Geräten und implementieren Sie den Code, um die Sensordaten zu erfassen. Die Sensordaten werden von I2C für den Beleuchtungsstärkesensor und von GPIO für die Temperaturen übertragen.
Verwenden Sie den vorherigen Python-Code erneut, um die Daten zu veröffentlichen. Dank der Geräteunabhängigkeit von Python. Der Code für Windows kann für den Raspberry Pis wiederverwendet werden.
Viertens richten sich die Abonnenten ein. Lassen Sie uns nun erklären, wie Sie die Verarbeitungsdaten abonnieren können. Wie bereits erwähnt, können alle Geräte im Internet die Daten über den Broker empfangen.
Auch hier können die Daten durch einen Python-Code verarbeitet und visualisiert werden. Installieren Sie auf einem mit dem Internet verbundenen Gerät je nach Gerät und Betriebssystem eine geeignete Python-Umgebung. Zum Beispiel sollte auf einem Android-Gerät Pydroid 3 anstelle von Python 3 installiert werden, dann importieren Sie sowohl paho dot MQTT dot client als auch paho dot MQTT dot subscribe, um eine Verbindung zum Broker herzustellen und Daten vom Broker zu empfangen.
Erstellen Sie dann nach Bedarf eine Benutzeroberfläche basierend auf Pi QT5. Da die Implementierung dieses Teils ziemlich langwierig ist und mühsam sein kann. Die Details werden hier nicht weiter beschrieben, wobei dieser Code die eingehenden Daten auf der GUI anzeigt.
Wissen Sie auch, dass vorhandene Anwendungen wie das MQT-Tool im App Store die Daten empfangen können. Fünftens, die Datenprotokollierung. Um die Daten während der Überwachung aufzuzeichnen, sollte Python auf eine Datenbank zugreifen können.
Bei dieser Arbeit werden die Daten in eine Microsoft Access-Datei geschrieben. Unter Berücksichtigung der Datenskalierung und der Softwareverfügbarkeit. Wählen Sie ein Teilnehmergerät aus, um die Daten aufzuzeichnen.
Importieren Sie dann pyodbc in den Python-Code, um auf die Datenbank zuzugreifen. Um die Verarbeitungsdaten aufzuzeichnen, senden Sie eine Abfrage an die Datenbank durch den Python-Code. Um die aufgezeichneten Daten abzurufen, senden Sie eine weitere Abfrage an die Datenbank.
Sobald die Daten abgerufen wurden, können die Daten analysiert werden, indem die Daten nach Bedarf umstrukturiert werden. Eine Tabelle, die in einer Tabelle lesbar ist, kann sofort erstellt werden. Sechstens, Bereitstellung.
Nachdem alle Elemente entwickelt wurden, sollten die Python-Codes auf jedem Gerät bereitgestellt werden. Der Modus der kabelgebundenen oder drahtlosen Verbindung ist nicht wichtig, aber es muss sichergestellt werden, dass jedes Gerät auf den Broker zugreifen kann. Dies bedeutet, dass der Broker als Gateway an der Grenze zwischen Internet und Internet für den Sicherheitszweck spielt.
Um eine bessere Sicherheit zu gewährleisten, verbinden Sie den Extrusionscontroller den Hauptherausgeber und die zusätzlichen Herausgeber mit dem Internet. Verbinden Sie dann einen Ethernet-Port des Brokers mit dem Internet und den anderen mit dem Internet, um die Verarbeitungsdaten zu überwachen und aufzuzeichnen. Verbinden Sie Abonnenten nach Bedarf mit dem Internet.
Siebtens, Hinrichtung. Um das gesamte System zu testen, starten Sie die Extrusionslinie. Schalten Sie als Nächstes alle Computergeräte ein.
Starten Sie dann die Broker-Software Mosquito und führen Sie alle Python-Codes aus. Repräsentative Ergebnisse. Als Ergebnis der Ausführung des entworfenen und implementierten Systems werden die Verarbeitungsdaten überwacht und visualisiert.
Die Daten können auf verschiedene Arten angezeigt werden, einschließlich Grafiken und Tabellen, auch auf einem mobilen Gerät können die Daten überwacht und aufgezeichnet werden. Darüber hinaus werden die Daten aufgezeichnet und abgerufen, um analysiert zu werden. Schlussfolgerung Es wurde festgestellt, dass die im HMI angezeigten und von den Raspberry PIs gemessenen Daten bei den Teilnehmern überwacht und aufgezeichnet werden.
Durch Befolgung des dargestellten Protokolls können die Verarbeitungsdaten ohne teure IT-Lösungen wie das MES überwacht und aufgezeichnet werden.
Sehen Sie sich das vollständige Transkript an und erhalten Sie Zugang zu Tausenden wissenschaftlicher Videos
Übersicht
Diese Arbeit schlägt eine flexible Methode für die Datenkommunikation zwischen einem Folienextrusionssystem und Überwachungsgeräten vor, die auf einem Nachrichtenprotokoll namens Message Queuing Telemetry Transport (MQTT) basiert. Das Protokoll ermöglicht die Beobachtung und Aufzeichnung von Daten klassischer Geräte über verschiedene Geräte im Internet.
Wichtige Studienkomponenten
Wissenschaftsbereich
- Datenkommunikation
- Polymerverarbeitung
- Überwachungssysteme
Hintergrund
- MQTT ist ein Publisher-Subscriber-Protokoll.
- Es ermöglicht die Kommunikation zwischen mehreren Publishern und Subscribern.
- Daten können von Legacy-Systemen veröffentlicht werden.
- Umgebungstemperaturdaten können ebenfalls in das System integriert werden.
Zweck der Studie
- Entwicklung einer flexiblen Datenkommunikationsstruktur.
- Ermöglichung der Echtzeit-Datenüberwachung.
- Verbesserung der Fähigkeiten bestehender Extrusionslinien.
Verwendete Methoden
- Implementierung des MQTT-Protokolls.
- Datenveröffentlichung von einer bestehenden Extrusionslinie.
- Verwendung eines Broker-Geräts für die Datenübertragung.
- Integration zusätzlicher Geräte für die Temperaturüberwachung.
Hauptergebnisse
- Erfolgreiche Datenkommunikation zwischen mehreren Geräten hergestellt.
- Echtzeitdaten von Extrusionsprozesse können aus der Ferne abgerufen werden.
- Legacy-Ausrüstung kann in moderne Überwachungssysteme integriert werden.
- Temperaturdaten von verschiedenen Standorten werden effektiv veröffentlicht.
Schlussfolgerungen
- Das MQTT-Protokoll bietet eine robuste Lösung für die Datenkommunikation.
- Flexibilität in Überwachungssystemen erhöht die betriebliche Effizienz.
- Integration verschiedener Datenquellen ist mit dieser Methode erreichbar.
Häufig gestellte Fragen
Executive Industry Relevance
Flexible, real-time data communication is critical for modernizing legacy polymer processing equipment and enabling scalable process monitoring across distributed R&D and manufacturing environments. MQTT-based publisher-subscriber architectures allow seamless integration of diverse data sources, supporting digital transformation and operational visibility without costly infrastructure overhauls. This approach enhances data accessibility and traceability, directly impacting process optimization and enterprise decision-making.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables continuous process data capture from legacy and modern equipment for hypothesis-driven process improvement.
- Supports integration of additional sensors, expanding the scope of monitored variables for mechanistic de-risking.
- Facilitates rapid identification of process deviations, improving predictive confidence in process outcomes.
Screening & Assay Development
- Provides standardized, real-time data streams for assay system monitoring and validation.
- Enables reproducible data logging across multiple devices and locations, supporting robust screening workflows.
- Supports scalable deployment of monitoring solutions, allowing for efficient expansion of assay platforms.
Translational & Preclinical Research
- Allows integration of environmental and process data to align with translational research requirements.
- Ensures continuity of data capture from discovery through preclinical process validation.
- Improves risk-adjusted advancement decisions by providing comprehensive process traceability.
Pipeline & Workflow Integration
This MQTT-based communication system bridges legacy process equipment with modern data analytics, supporting workflows from early discovery through process development and preclinical validation.
- Discovery Biology: Enables hypothesis testing and process optimization by providing accessible, real-time process data.
- Screening: Delivers reproducible, quantitative outputs for assay and process monitoring.
- Analytics: Facilitates structured data logging and retrieval for comparative analysis and reporting.
- Translational Research: Supports alignment of process data with translational endpoints when environmental or process variables are relevant.
- Enterprise Reuse: Offers a reusable, scalable data infrastructure adaptable to various process and monitoring needs.
Operational & Enterprise Impact
- Scientific Value: Enhances predictive confidence and process validation by enabling comprehensive data capture.
- Operational Value: Standardizes data communication and logging across heterogeneous devices and platforms.
- Strategic Value: Reduces IT overhead and accelerates digital transformation without major equipment replacement.
- Portfolio Impact: Improves risk-adjusted process development and supports data-driven prioritization decisions.
Implementation Considerations
- Requires expertise in Python programming and industrial communication protocols (e.g., Modbus, MQTT).
- Needs reliable network infrastructure and secure broker configuration for data integrity and access control.
- Demands cross-team standardization of data formats and logging practices for interoperability.
- Supports adaptation across various sensor types and legacy equipment with appropriate interface modules.
- Practical limitations include initial setup complexity and ongoing maintenance of distributed codebases.
