Name: Communication de données basée sur MQTT dans un processus d’extrusion de polymère (Vidéo) | JoVE Journal
Uploaded: 2022-07-15T13:00:00.000+00:00
Duration: 8 min 15 s
Description: Découvrez une méthode de communication de données flexible pour le traitement des polymères utilisant le protocole MQTT. Cette approche permet la surveillance en temps réel des données d'extrusion via Internet.

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

Cette étude a été soutenue par le programme de recherche financé par la SeoulTech (Université nationale des sciences et de la technologie de Séoul).

1. Installation du courtier
REMARQUE: Pour surveiller et enregistrer les données de traitement via Internet, un système informatique qui relaie les données doit être préparé. Le système doit être accessible à la fois auprès des éditeurs et des abonnés, comme le montre la figure 2. Ainsi, il doit avoir une adresse IP publique connue avant toute communication. Un courtier MQTT ouvert appelé Eclipse Mosquitto est installé sur le système13.
<ol><li>Connectez un ordinateur à Internet en donnant une adresse IP publique. Indiquez l’adresse dans le paramètre IP du système d’exploitation.</li>
	<li>Installez un logiciel de courtage tel que Eclipse Mosquitto sur l’ordinateur. Téléchargez le fichier d’installation à l’aide d’un navigateur et exécutez-le.</li>
	<li>Testez le courtier avec un programme de test tel que MQTT Lens. Téléchargez MQTT Lens à l’aide d’un navigateur et installez-le. Ensuite, assurez-vous que les messages publiés sont abonnés.</li>
</ol>2. Préparation de l’éditeur principal
REMARQUE : Cet ordinateur publie les données de la machine via MQTT sur TCP sur le broker. Les données héritées doivent être interprétées et reconditionnées pour être envoyées. Cela peut généralement être fait par RS485 ou Ethernet. La connexion au niveau matériel doit être vérifiée en fonction du type de bus. La machine d’extrusion envoie les données via Modbus via un port Ethernet.
<ol><li>Placez physiquement un ordinateur sur le site de la machine et configurez-le en tant qu’éditeur principal. NOTE: Bien que non obligatoire, un ordinateur industriel a été sélectionné dans ce travail.</li>
	<li>Installez Python3 sur l’ordinateur. Téléchargez le fichier d’installation à l’aide d’un navigateur et exécutez-le.</li>
	<li>Installez PyModbus16. Téléchargez le fichier d’installation à l’aide d’un navigateur et exécutez-le.</li>
	<li>Examinez le contrôleur d’extrusion avec l’IHM contrôlant la machine et connectez le contrôleur d’extrusion à l’éditeur principal.</li>
	<li>Identifiez complètement les données et l’adresse correspondante dans le protocole Modbus à partir de la machine à l’aide d’un outil Modbus tel que ModbusPoll ou QModMaster. Assurez-vous que les données de la machine envoyées sont affichées dans les cellules correspondantes de l’outil Modbus.</li>
	<li>Écrivez un code Python sur le PC de l’éditeur qui récupère les données du contrôleur d’extrusion. REMARQUE : Voici un exemple de code : à partir de pyModbusTCP.client importer ModbusClient client = ModbusClient(host="192.168.1.*** », port=***, unit_id=***) client.open() ExtrusionData = str(client.read_holding_registers(1000, 58))</li>
	<li>Fusionnez des flux de données supplémentaires provenant d’autres périphériques via PCIe, USB, RS232 et RS485. REMARQUE: C’est simple. Une fois qu’une chaîne de données supplémentaire est obtenue, ajoutez simplement les données au flux de données existant, ce qui est fait par le code suivant : ExtrusionData += AdditionalData</li>
	<li>Importez le paho.mqtt.client après avoir installé paho-mqtt par pip install paho-mqtt17 .</li>
	<li>Implémentez le code pour connecter et publier des données sur le broker. Remarque : Reportez-vous à l’exemple de code suivant : url="117.xx.xxx.xx »; port = 1883; nom d’utilisateur = « **** »; mot de passe = « xxxxx »; topic = « Extrudeuse » mqttc = mqtt. Client() mqttc.username_pw_set(nom d’utilisateur,mot de passe) mqttc.connect(hôte=url, port=port) mqttc.loop_start() ExtrusionData = str(client.read_holding_registers(1000, 58)) Pub1= mqttc.publish(topic, ExtrusionData)) Pub1.wait_for_publish()</li>
</ol>3. Préparation supplémentaire de l’éditeur
REMARQUE: Cet ordinateur publie également les données de la machine via MQTT sur TCP au courtier. Parfois, des mesures supplémentaires qui ne peuvent pas être effectuées sur l’éditeur principal sont nécessaires. Les appareils de l’Internet des objets (IoT) tels que Raspberry Pi et Arduino peuvent jouer le rôle. Dans ce travail, Raspberry Pi a été utilisé pour les données de température et les données d’éclairement. La procédure est similaire à la section 2 du protocole.
<ol><li>Placez un Raspberry Pi près de l’emplacement du capteur. REMARQUE: Comme la distance de câblage est limitée, le Raspberry Pi ne peut pas être placé très loin de l’emplacement de mesure. Cependant, comme le voisinage de l’extrudeuse est très chaud, l’appareil doit être placé à au moins 1 m de l’emplacement de mesure.</li>
	<li>Installez Python3 sur le Raspberry Pi par les commandes suivantes dans la ligne de commande : sudo apt mise à jour sudo apt installer Python3 idle3</li>
	<li>Implémentez le code pour acquérir les données du capteur. Les données du capteur peuvent être transmises via I2C ou GPIO. REMARQUE : Reportez-vous à l’exemple de code suivant pour obtenir des données de température supplémentaires via GPIO : à partir de max6675 importer MAX6675 cs_pin1 = 24; clock_pin1 = 25; data_pin1 = 18 cs_pin2 = 9; clock_pin2 = 11; data_pin2 = 19 unités = « C » thermocouple1 = MAX6675(cs_pin1, clock_pin1, data_pin1, unités) thermocouple2 = MAX6675(cs_pin2, clock_pin2, data_pin2, unités) T1 = thermocouple1.get() T2 = thermocouple2.get()</li>
	<li>Importez paho.mqtt.client.</li>
	<li>Réutilisez le code de la section 2 pour connecter et publier des données sur le broker.</li>
</ol>4. Configuration de l’abonné
REMARQUE: Tous les appareils sur Internet peuvent recevoir les données de traitement via le courtier. Les données sont également traitées et visualisées par un code Python. Dans le cas où le développement est difficile, des applications disponibles telles que MQTT Client dans Google Play et MQT Tool dans l’App Store peuvent être utilisées. Étant donné que la mise en œuvre de l’interface utilisateur est assez longue, les détails ne sont pas décrits ici. Notez également que les applications existantes telles que MQT Tool dans l’App Store peuvent recevoir les données.
<ol><li>Engagez un appareil pour l’abonnement à Internet. Assurez-vous d’une connexion par câble physique, puis exécutez un ping sur l’adresse IP du broker sur la ligne de commande (par exemple, ping 117.xx.xxx.xx).</li>
	<li>Installez un environnement Python approprié en fonction de l’appareil et du système d’exploitation. Par exemple, installez Pydroid3 sur un appareil Android au lieu de Python3 à partir du Google Play.</li>
	<li>Importez paho.mqtt.client et paho.mqtt.subscribe pour vous connecter et recevoir des données du courtier. Remarque : Reportez-vous à l’exemple de code suivant : importer paho.mqtt.client en tant que mqtt importer paho.mqtt.subscribe en tant qu’abonné url="117.xx.xxx.xx »; port = 1883; nom d’utilisateur = « **** »; mot de passe = « xxxxx »; topic = « Extrudeuse » mqttc.username_pw_set(nom d’utilisateur, mot de passe) mqttc.connect(hôte=url, port=port) mqttc.subscribe(sujet, 0) mqttc.loop_start() Sub1 = subscribe.simple(topic, hostname=url) ExtruderData = Sub1.payload.decode(« utf-8 »)</li>
	<li>Créez une interface utilisateur selon vos besoins à l’aide de PyQT5. REMARQUE: Cette partie est très longue et se concentre sur la représentation graphique des données reçues plutôt que sur la communication. Le code correspondant est fourni à titre de données supplémentaires.</li>
	<li>Affichez les données entrantes sur l’interface graphique en exécutant le code généré.</li>
</ol>5. Enregistrement des données
REMARQUE: Les données de traitement peuvent être écrites dans une base de données lors de la surveillance. Dans ce travail, une base de données à l’échelle du laboratoire a été choisie. Les données sont connectées à un fichier Microsoft Access pour écrire et récupérer facilement à partir d’un ordinateur utilisateur. En outre, une table peut être instantanément créée par une requête pour analyser les données dans une feuille de calcul telle que Microsoft Excel.
<ol><li>Sélectionnez un appareil abonné pour enregistrer les données.</li>
	<li>Importez pyodbc en exécutant « pip install pyodbc » sur la ligne de commande pour que le code Python accède à la base de données comme illustré à la Figure 318.</li>
	<li>Envoyez une requête à la base de données par le code Python pour enregistrer les données de traitement. Reportez-vous au code Python de la figure 3 pour la méthode.</li>
	<li>Envoyez une requête à la base de données pour récupérer les données enregistrées. REMARQUE: Un exemple de code pour la récupération de données est donné ci-dessous: importer pyodbc x pour x dans pyodbc.drivers() si x.startswith('Microsoft Access Driver')] conn_str = ( r’DRIVER={Pilote Microsoft Access (*.mdb, *.accdb)};' r’DBQ=C:\Users\data_analysis\db1.accdb;' ) cnxn = pyodbc.connect(conn_str) crsr = cnxn.cursor() pour table_info dans crsr.tables(tableType='TABLE') : print(table_info.nom_table) sql = « ""\ SÉLECTIONNEZ * DANS Process_Condition """ crsr = cnxn.execute(sql) pour la ligne dans crsr: RetrievedData =.read_sql(sql, cnxn) crsr.close() cnxn.close()</li>
</ol>6. Déploiement
REMARQUE: Si tous les appareils peuvent être connectés à Internet, la configuration est simple. Toutefois, pour sécuriser les données côté machine, les éditeurs peuvent être dans l’intranet uniquement. Dans ce cas, le courtier peut être une passerelle vers Internet. Pour ce faire, le courtier doit être équipé de deux adaptateurs Ethernet, dont l’un doit avoir une adresse IP publique. Une fois tous les éléments développés, les codes doivent être déployés sur chaque appareil, comme illustré à la figure 4. Le mode de connexion, filaire ou sans fil, n’est pas important, mais il doit être sécurisé pour que chaque appareil puisse accéder au courtier. Cela signifie que le courtier peut agir comme une passerelle à la frontière entre l’intranet et Internet à des fins de sécurité. Bien sûr, même si tous les appareils sont exposés à Internet, il n’y a pas de problème du point de vue de la communication.
<ol><li>Connectez le contrôleur d’extrusion, l’éditeur principal et les éditeurs supplémentaires au port Intranet via Ethernet.</li>
	<li>Connectez un port Ethernet du courtier à l’intranet et l’autre à Internet.</li>
	<li>Connectez les abonnés à Internet en répétant l’étape 4.1 pour chacun d’entre eux.</li>
</ol>7. Exécution
REMARQUE: Pour tester l’ensemble du système, nous avons démarré la ligne d’extrusion et exécuté tous les codes Python et Mosquitto.
<ol><li>Démarrez le processus d’extrusion. Sur l’IHM de la machine, réglez les températures et allumez le chauffage en appuyant sur le bouton de l’écran IHM. Une fois la température requise atteinte, démarrez la rotation de la vis pour extruder le polymère fondu.</li>
	<li>Allumez tous les ordinateurs, démarrez le logiciel broker sur le périphérique broker par la commande « net start mosquitto », puis exécutez les codes Python pour surveiller et enregistrer les données de traitement si nécessaire. REMARQUE : L’ordre des étapes 7.1 et 7.2 peut être inversé. Les codes Python peuvent être exécutés simplement en tapant « python3 xxxxx.py » sur la ligne de commande, puis en appuyant sur Entrée. Ajoutez cette commande aux programmes de démarrage pour éviter de taper la commande chaque fois que l’appareil redémarre.</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>

Les auteurs ne déclarent aucun conflit d’intérêts.

En suivant le protocole présenté, les données de traitement peuvent être surveillées et enregistrées sans solutions informatiques coûteuses telles que le MES. Les technologies IoT peuvent faciliter l’acquisition et la diffusion de données à partir de machines conventionnelles. Il a été démontré que le protocole basé sur les messages, MQTT, sert avec succès de plate-forme pour la communication de données pour les lignes de traitement des polymères. De plus, des données supplémentaires peuvent être mesurées et transmises e...

Dans la vague de la 4ème révolution industrielle, l’acquisition et le suivi de diverses données de traitement sont devenus des tâches importantes1. En particulier, l’amélioration du processus de fabrication à l’aide de données de processus et l’établissement de plans d’exploitation efficaces seront un objectif important de toutes les installations de fabrication 2,3. Les temps d’arrêt peuvent être considérablement réduits si une alarme peut être envoyée hors de l’usine ou si la maintenance prédictive peut être effectuée à temps4. Récemment, de nombreux efforts ont été faits pour l’analyse des données dans les procédés polymères 5,6. Cependant, il n’est pas facile d’effectuer ces tâches en raison des difficultés d’acquisition de ces données à partir des systèmes existants7. La structure hiérarchique du contrôle et de l’instrumentation rend difficile l’acquisition et la communication des données.
Tout d’abord, il n’est pas possible d’obtenir des données de différentes machines avec des dates de fabrication différentes. Il est difficile de réaliser une communication entre différentes machines car cela nécessite une interopérabilité entre différents bus de terrain dans des formats propriétaires. De cette façon, les méthodes de communication et les formats de données restent privés. Cela permet de maintenir facilement la sécurité des données, mais garde les utilisateurs dépendants du constructeur de machines pour les services et les développements futurs. Les ordinateurs de contrôle récents, y compris l’interface homme-machine (IHM) connectés aux machines de traitement des polymères, sont principalement basés sur Windows de nos jours, mais sont chargés de logiciels créés dans un environnement de développement propriétaire. Il est possible d’utiliser des automates programmables (PLC) de différentes entreprises pour communiquer avec les capteurs ou les actionneurs, mais dans de nombreux cas, le système supérieur de contrôle de supervision et d’acquisition de données (SCADA) dépend des ordinateurs de contrôle8. Cette pratique a entraîné la concurrence sur le marché de nombreux protocoles, bus de terrain et systèmes de contrôle. Bien que cette complexité ait été atténuée peu à peu au fil du temps, de nombreux types de bus de terrain et de protocoles sont toujours utilisés activement.
D’autre part, la communication entre les dispositifs de contrôle et SCADA a été normalisée par l’Open Platform Communications United Architecture (OPCUA)9. En outre, la communication entre SCADA et le système d’exécution de la fabrication (MES) s’est également faite principalement par l’intermédiaire de l’OPCUA. Dans une structure hiérarchique aussi étroite, il n’est pas facile d’extraire librement des données pour la surveillance et l’analyse des processus. Habituellement, les données doivent être extraites du SCADA ou du MES10. Comme mentionné précédemment, ces systèmes sont spécifiques au fournisseur et les formats de données sont rarement ouverts. Par conséquent, l’extraction des données nécessite un soutien substantiel de la part des fournisseurs de solutions de technologie de l’information et de technologie opérationnelle (TI/OT) d’origine. Cela peut entraver l’acquisition de données pour la surveillance et l’analyse.
Dans une ligne d’extrusion de film, le PC de contrôle est supervisé par un système SCADA11. Le système SCADA est exploité par un programme informatique qui ne peut pas être facilement modifié. Le programme informatique peut être modifiable, mais l’édition est assez coûteuse et prend beaucoup de temps. Pour surveiller et analyser facilement les données de traitement, celles-ci doivent être accessibles depuis n’importe quel endroit. Pour surveiller les données de traitement en dehors du site, le programme informatique doit être capable de diffuser les données de traitement sur Internet12. De plus, une méthode libre ouverte réduit les dépenses pour l’acquisition de données13. Cette approche permet d’analyser les données même dans les petites usines qui n’ont pas les moyens d’investir dans des solutions informatiques commerciales14.
Dans cette étude, un protocole de message basé sur le modèle éditeur-abonné est utilisé. Le transport de télémétrie Message Queuing (MQTT) est un protocole ouvert et standard qui permet la messagerie entre plusieurs fournisseurs de données et consommateurs15. Ici, nous proposons un système qui acquiert, transmet et surveille les données à l’aide de MQTT pour les installations de fabrication existantes. Le système est testé dans une ligne d’extrusion de film pour vérifier les performances. Les données du contrôleur d’origine sont transmises à un périphérique périphérique via le protocole Modbus. Ensuite, les données sont publiées au courtier. En attendant, deux Raspberry Pi publient les températures et l’éclairement mesurés sur le même courtier. Ensuite, n’importe quel appareil sur Internet peut s’abonner aux données, puis les surveiller et les enregistrer comme illustré à la figure 1. Le protocole de ce travail montre comment l’ensemble de la procédure peut être effectuée.

<table><tbody><tr><td>Edge Device</td><td>Adavantech</td><td>UNO 420</td><td>Intel Atom E3815 Fanless</td></tr><tr><td>Film Extrusion Machine</td><td>EM Korea</td><td>Non disponible</td><td>Pour la production de film 450 mm</td></tr><tr><td>Pydroid</td><td>IIEC</td><td>Non disponible</td><td>Appareils Android Python3</td></tr><tr><td></td><td>Python Software Foundataion</td><td>Non disponible</td><td>Windows, Linux</td></tr><tr><td>Raspberry Pi 4</td><td>CanaKit</td><td>Non disponible Kit</td><td>standard</td> disponible</tr></tbody></table>

communication de données basée sur mqtt dans un processus d’extrusion de polymère

Data Communication Based on MQTT in a Polymer Extrusion Process

Ce travail vise à construire une structure de communication de données flexible pour une machine de traitement de polymère en utilisant un protocole basé sur l’éditeur-abonné appelé Message Queuing Telemetry Transport (MQTT), qui est exploité sur TCP / IP. Même lors de l’utilisation d’équipements conventionnels, le traitement des données peut être mesuré et enregistré par divers appareils n’importe où via une communication Internet. Un protocole basé sur des messages permet une communication flexible qui surmonte les lacunes du protocole serveur-client existant. Plusieurs appareils peuvent s’abonner aux données de traitement publiées par les périphériques sources. La méthode proposée facilite la communication de données entre plusieurs éditeurs et abonnés. Ce travail a mis en place un système qui publie les données de l’équipement et des capteurs supplémentaires à un courtier de messages. Les abonnés peuvent surveiller et stocker les données de processus relayées par le courtier. Le système a été déployé et exécuté pour une ligne d’extrusion de film afin de démontrer l’efficacité.

Il a été constaté que les données présentées dans l’IHM et mesurées par le Raspberry Pis étaient surveillées et enregistrées dans les abonnés, comme le montre la figure 5. Comme présenté dans la vidéo, les données de traitement sont enregistrées dans la base de données.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/63717/63717fig01.jpg"> Figure 1 : Aperçu de la transmi...

Ce travail propose une méthode flexible de communication de données entre un système d’extrusion de film et des dispositifs de surveillance basée sur un protocole de message appelé Message Queuing Telemetry Transport (MQTT).

Communication de données basée sur MQTT dans un processus d’extrusion de polymère

This work aims at building a flexible data communication structure for a polymer processing machine by employing a publisher-subscriber based protocol ...

Le protocole de ce travail permet de construire une structure de communication de données flexible pour une machine de traitement Polymer en utilisant un code de protocole MQTT basé sur un abonné éditeur. Même lors de l’utilisation d’un équipement classique, le traitement des données peut être observé et enregistré par divers appareils n’importe où sur Internet. Le protocole facilite la communication de données entre plusieurs éditeurs et plusieurs abonnés.Nous avons mis en place un système qui publie les données de traitement d’une ligne d’extrusion existante vers les appareils abonnés via un dispositif de courtage. Les données d’un contrôleur d’extrusion hérité ont été interprétées dans un appareil et envoyées au courtier. Des dispositifs d’addition pour les températures ambiantes à deux endroits différents et pendant le traitement publient également les données au courtier.Ensuite, le courtier relaie les données aux appareils abonnés qui sont intéressés par ces données. Pour afficher et enregistrer les données. Le système d’abonné a été conçu et construit.Puisque tout le code pour les appareils participants a été écrit en Python. Le code peut être réutilisé sur les appareils avec différents systèmes d’exploitation. Enfin, le système est déployé et testé pour la ligne afin de démontrer la validité de l’installation du premier broker.Pour commencer, configurez le système de broker MQTT afin qu’il puisse surveiller et enregistrer les données de traitement sur Internet. Pour qu’un dispositif de courtage puisse relayer ces données, il doit être accessible à la fois par les éditeurs et les abonnés. Connectez un système informatique à Internet avec une adresse IP publique afin que le courtier soit accessible aux éditeurs et aux abonnés.Ensuite, sur l’installation de l’ordinateur, les logiciels de courtage ouverts tels que Eclipse Mosquito utilisent un outil de test comme la lentille MQTT pour examiner l’opérabilité des courtiers MQTT. Deuxièmement, la préparation de l’éditeur principal. Préparons maintenant l’appareil principal de l’éditeur.Comme mentionné précédemment, cet ordinateur publie les données de la machine via MQTT au courtier. Les données héritées doivent être interprétées et reconditionnées pour être envoyées. Cela peut généralement être fait par RS-485 ou Ethernet.La connexion au niveau matériel doit être vérifiée en fonction du type de bus. La machine d’extrusion considérée envoie des données via Modbus via un port Ethernet, pour acquérir des données de la machine d’extrusion et les publier. Placez un ordinateur en tant qu’éditeur principal dans le site de la machine.Sur cet ordinateur, installez Python three en tant qu’environnement logiciel. Ensuite, installez Pi Modbus pour activer la connectivité et la communication Modbus. Examinez les codes de fonction Modbus du contrôleur d’extrusion et connectez-le à l’éditeur principal.Identifiez complètement les données et l’adresse associée et les codes Modbus de la machine à l’aide d’un outil Modbus tel que Modbus poll ou Q mod master sur l’éditeur principal. Écrivez ensuite un code Python sur l’éditeur qui récupère les données du contrôleur d’extrusion. En outre, combinez le flux de données via PCIE USB RS-232 et RS-485 à partir d’autres appareils.Importez le client paho dot MQTT dot et implémentez le code pour connecter et publier des données sur le broker. Troisièmement, une préparation supplémentaire de l’éditeur. En plus de l’éditeur principal, nous utilisons des dispositifs IOT supplémentaires pour acquérir et publier les températures ambiantes et l’éclairement du film.Pour ce faire. Deux appareils Raspberry Pi ont été utilisés. Chaque appareil publie les données mesurées au courtier comme le fait l’éditeur principal.Placez les appareils à proximité des emplacements des capteurs. Ensuite, installez Python three sur les périphériques et implémentez le code pour acquérir les données du capteur. Les données du capteur sont transmises par I2C pour le capteur d’éclairement et par GPIO pour les températures.Réutilisez le code Python précédent pour publier les données. Grâce à l’indépendance de l’appareil de Python. Le code pour Windows peut être réutilisé pour le Raspberry Pis.Quatrièmement, les abonnés mis en place. Voyons maintenant comment vous abonner aux données de traitement. Comme indiqué précédemment, tous les appareils sur Internet peuvent recevoir les données via le courtier.Encore une fois, les données peuvent être traitées et visualisées par un code Python. Sur un appareil connecté à Internet, installez un environnement Python approprié en fonction de l’appareil et du système d’exploitation. Par exemple, sur un appareil Android, Pydroid 3 doit être installé à la place de Python 3, puis importez à la fois paho dot MQTT dot client et paho dot MQTT dot subscribe pour se connecter et recevoir des données du courtier.Ensuite, créez une interface utilisateur selon les besoins basée sur Pi QT5. Étant donné que la mise en œuvre de cette partie est assez longue et peut être laborieuse. Les détails ne sont pas décrits plus en détail ici avec ce code d’affichage des données entrantes sur l’interface graphique.Sachez également que les applications existantes telles que l’outil MQT dans l’App Store peuvent recevoir les données. Cinquièmement, l’enregistrement des données. Pour enregistrer les données pendant la surveillance, Python doit pouvoir accéder à une base de données.Dans ce travail, les données sont écrites dans un fichier d’accès Microsoft. Compte tenu de l’échelle des données et de la disponibilité des logiciels. Sélectionnez un appareil abonné pour enregistrer les données.Importez ensuite pyodbc dans le code Python pour accéder à la base de données. Pour enregistrer les données de traitement, envoyez une requête à la base de données par le code Python. Pour récupérer les données enregistrées, envoyez une autre requête à la base de données.Une fois les données récupérées, elles peuvent être analysées en les restructurant au besoin. Un tableau lisible dans une feuille de calcul peut être créé instantanément. Sixièmement, le déploiement.Une fois tous les éléments développés, les codes Python doivent être déployés sur chaque appareil. Le mode de connexion filaire ou sans fil n’est pas important, mais il doit être sécurisé que chaque appareil doit pouvoir accéder au courtier. Cela signifie que le courtier joue comme une passerelle à la frontière entre Internet et Internet à des fins de sécurité.Ici, pour maintenir une meilleure sécurité, connectez le contrôleur d’extrusion, l’éditeur principal et les éditeurs supplémentaires à Internet. Ensuite, connectez un port Ethernet du courtier à Internet et l’autre à Internet pour surveiller et enregistrer les données de traitement. Connectez les abonnés à Internet au besoin.Septièmement, l’exécution. Pour tester l’ensemble du système, démarrez la ligne d’extrusion. Ensuite, allumez tous les périphériques de l’ordinateur.Ensuite, démarrez le logiciel de courtage Mosquito et exécutez tous les codes Python. Résultats représentatifs. À la suite de l’exécution du système conçu et mis en œuvre, les données de traitement sont surveillées et visualisées.Les données peuvent être affichées de différentes manières, y compris des graphiques et des tableaux, même sur un appareil mobile, les données peuvent être surveillées et enregistrées. De plus, les données sont enregistrées et récupérées afin d’être analysées. Conclusion Il a été constaté que les données présentées dans l’IHM et mesurées par les IP Raspberry sont surveillées et enregistrées dans les abonnés.En suivant le protocole présenté, les données de traitement peuvent être surveillées et enregistrées sans solutions informatiques coûteuses telles que le MES.

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

Research

Recherche

JoVE Journal

Engineering

Ingénierie

Une description de la formation d'un micro-réseau de polymère en utilisant une technique de photopolymérisation sur la puce. La caractérisation à haut débit de surface en utilisant la microscopie à force atomique, des mesures de contact avec l'eau d'angle, rayons X et spectroscopie de photoélectrons temps de vol des ions secondaires spectrométrie de masse et un dosage de la fixation des cellules est également décrit.

Microarrays polymères pour la découverte à haut débit des biomatériaux

Source : Cabeen, M. T., et al. Analyse microfluidique monocellulaire de Bacillus subtilis. J. Vis. Exp. (2018)La vidéo montre l’utilisation d’un dispositif microfluidique pour observer la croissance bactérienne au niveau de la cellule unique. Il montre comment les cellules bactériennes non mobiles, confinées dans des tranchées à l’échelle microscopique, sont continuellement nourries et imagées au microscope à fluorescence. Cette configuration permet la visualisation en temps réel de la division...

Suivi de la croissance bactérienne à une seule résolution cellulaire dans un système microfluidique

Dans cet article, nous décrivons différentes techniques pour les plateformes de prototypage rapide microfluidique. Les techniques proposées sont basées sur des époxydes sensibles aux ultraviolets (UV) et durcissant à la température, des tubes à base de polydiméthylsiloxane (PDMS), des fils collés et des films adhésifs anisotropes. Les procédures d’assemblage présentées sont développées à la fois pour les dispositifs à usage unique et les systèmes microfluidiques réutilisables.

Méthodes d’emballage de prototypage microfluidique à haut débit, rapide et à faible coût

Deux fluides adjacents passant par un canal microfluidique rainuré peuvent être dirigés pour former une gaine autour d’un noyau de prépolymère; déterminant ainsi à la fois la forme et la section transversale. La polymérisation photoinitiée, telle que la chimie du clic thiol, est bien adaptée à la solidification rapide du fluide central en une microfibre avec une taille et une forme prédéterminées.

Fabrication microfluidique de fibres polymères et biohybrides avec une taille et une forme redessinées

Ici, nous présentons un protocole pour fabriquer librement suspendus, micron / submicroniques fibres de polymère d'échelle et des structures "web-like" générés via automatisé procédure d'écriture directe au moyen d'un système de distribution à 3 axes.

Prescrit 3-D Direct Rédaction de Micron / Sous-micron Structures Échelle de fibres en suspension par l&#39;intermédiaire d&#39;un système de distribution robotique

Nous présentons ici un protocole pour produire des longs filaments de silicone de polydiméthylsiloxane (PDMS) par gravité-dessin dans un four. Les filaments sont de l’ordre de plusieurs centaines de micromètres de diamètre et plusieurs dizaines de centimètres de long et sont hydrophobiquement en via un système de décharge de corona contrôlé par Arduino.

Dessin et hydrophobie-structuration Long Filaments de Silicone Polydimethylsiloxane

Ici, nous présentons un protocole pour concevoir et fabriquer des dispositifs microfluidiques personnalisés avec un minimum d'investissement financier et de temps. L'objectif est de faciliter l'adoption de technologies microfluidiques dans les laboratoires de recherche biomédicale et les milieux éducatifs.

Fabrication rapide d'appareils microfluidiques personnalisés pour la recherche et les applications éducatives

Avec une technique non invasive et en temps réel, le mouvement nanoscopique du polymère à l’intérieur d’un filament polymère est imagé pendant l’impression 3D. Le réglage fin de ce mouvement est crucial pour produire des constructions avec des performances et une apparence optimales. Cette méthode atteint le cœur de la fusion des couches plastiques, offrant ainsi un aperçu des conditions d’impression optimales et des critères de conception des matériaux.

Imagerie en temps réel du collage dans des couches imprimées en 3D

L’impression 3D à l’échelle micrométrique permet le prototypage rapide de dispositifs polymères pour les cultures cellulaires neuronales. En tant que preuve de principe, les connexions structurelles entre les neurones ont été contraintes par la création de barrières et de canaux influençant la croissance des neurites, tandis que les conséquences fonctionnelles d’une telle manipulation ont été observées par électrophysiologie extracellulaire.

Polymérisation à deux photons : impression 3D de dispositifs de culture de cellules neuronales à micro-échelle

Ici, nous présentons un protocole pour adapter l’expérience de dispersion de Taylor à l’échelle microscopique en utilisant des microcanaux fabriqués en interne avec un découpeur de bureau. La plateforme expérimentale peut être utilisée pour calculer le coefficient de diffusion de traceurs passifs monospécifiques et pour visualiser l’interaction et la séparation des ions multispécifiques.

Adaptation de la dispersion de Taylor pour mesurer le coefficient de dispersion des solutions d’électrolytes via une configuration microfluidique accessible

Découvrez une méthode de communication de données flexible pour le traitement des polymères utilisant le protocole MQTT. Cette approche permet la surveillance en temps réel des données d'extrusion via Internet.

Communication de données basée sur MQTT dans un processus d’extrusion de polymère

Explorer plus de vidéos