Summary
Dette arbeidet foreslår en fleksibel metode for datakommunikasjon mellom et filmekstruderingssystem og overvåkingsenheter basert på en meldingsprotokoll kalt Message Queuing Telemetry Transport (MQTT).
Abstract
Dette arbeidet tar sikte på å bygge en fleksibel datakommunikasjonsstruktur for en polymerbehandlingsmaskin ved å bruke en utgiverabonnentbasert protokoll kalt Message Queuing Telemetry Transport (MQTT), som drives over TCP/IP. Selv når du bruker konvensjonelt utstyr, kan behandlingsdata måles og registreres av forskjellige enheter hvor som helst gjennom en Internett-kommunikasjon. En meldingsbasert protokoll tillater fleksibel kommunikasjon som overvinner manglene i den eksisterende serverklientprotokollen. Flere enheter kan abonnere på behandlingsdataene som publiseres av kildeenheter. Den foreslåtte metoden letter datakommunikasjon mellom flere utgivere og abonnenter. Dette arbeidet har implementert et system som publiserer data fra utstyret og tilleggssensorer til en meldingsmegler. Abonnentene kan overvåke og lagre prosessdataene som videresendes av megleren. Systemet er distribuert og kjørt for en filmekstruderingslinje for å demonstrere effektiviteten.
Introduction
I bølgen av den fjerde industrielle revolusjonen har innsamling og overvåking av ulike prosesseringsdata blitt viktige oppgaver1. Spesielt vil forbedring av produksjonsprosessen ved hjelp av prosessdata og etablering av effektive driftsplaner være et viktig mål for alle produksjonsanlegg 2,3. Nedetid kan reduseres kraftig hvis en alarm kan sendes ut av fabrikken eller hvis prediktivt vedlikehold kan utføres i tide4. I det siste er det gjort mye arbeid for dataanalyser i polymerprosesser 5,6. Det er imidlertid ikke lett å utføre disse oppgavene på grunn av vanskelighetene med å skaffe slike data fra de eksisterende systemene7. Den hierarkiske strukturen til kontrollen og instrumenteringen gjør datainnsamlingen og kommunikasjonen vanskelig.
Først av alt er det ikke mulig å skaffe data fra forskjellige maskiner med forskjellige produksjonsdatoer. Det er vanskelig å realisere kommunikasjon mellom ulike maskiner siden dette krever interoperabilitet mellom ulike feltbusser i proprietære formater. På denne måten holdes kommunikasjonsmetoder og dataformater private. Dette hjelper en enkelt å opprettholde datasikkerhet, men holder brukerne avhengige av maskinbyggeren for tjenestene og den fremtidige utviklingen. De nylige kontrolldatamaskinene, inkludert human-machine interface (HMI), som er koblet til polymerbehandlingsmaskiner, er for det meste Windows-baserte i disse dager, men er lastet med programvare opprettet i et proprietært utviklingsmiljø. Det er mulig å bruke programmerbare logiske kontrollere (PLCer) fra forskjellige selskaper for å kommunisere med sensorene eller aktuatorene, men i mange tilfeller er det øvre tilsynskontroll- og datainnsamlingssystemet (SCADA) avhengig av kontrolldatamaskinene8. Denne praksisen har ført til at en rekke protokoller, feltbusser og kontrollsystemer har konkurrert i markedet. Selv om denne kompleksiteten har blitt lindret litt etter litt over tid, er mange typer feltbusser og protokoller fortsatt i aktiv bruk.
På den annen side har kommunikasjon mellom kontrollenheter og SCADA blitt standardisert av Open Platform Communications United Architecture (OPCUA)9. Videre er kommunikasjon mellom SCADA og Manufacturing Execution System (MES) også hovedsakelig gjort gjennom OPCUA. I en så stram hierarkisk struktur er det ikke lett å fritt trekke ut data for prosessovervåking og analyse. Vanligvis må data trekkes ut av SCADA eller MES10. Som nevnt tidligere er disse systemene leverandørspesifikke, og dataformatene er sjelden åpne. Som et resultat krever datautvinningen betydelig støtte fra de opprinnelige leverandørene av IT/OT-løsninger (IT/OT). Dette kan hindre datainnsamling for overvåking og analyse.
I en filmekstruderingslinje overvåkes kontroll-PCen av et SCADA-system11. SCADA-systemet drives av et dataprogram som ikke lett kan endres. Dataprogrammet kan være redigerbart, men redigeringen er ganske dyr og tidkrevende. For å enkelt overvåke og analysere behandlingsdataene, bør dataene være tilgjengelige fra hvor som helst. For å overvåke behandlingsdataene bort fra nettstedet, bør dataprogrammet være i stand til å streame behandlingsdataene til Internett12. Videre reduserer en åpen fri metode utgiftene til datainnsamlingen13. Denne tilnærmingen gjør det mulig å utføre dataanalyse selv i små fabrikker som ikke har råd til å investere i kommersielle IT-løsninger14.
I denne studien benyttes en meldingsprotokoll basert på utgiverabonnentmodellen. Message Queuing Telemetry Transport (MQTT) er en åpen og standardprotokoll som gjør det mulig å sende meldinger mellom flere dataleverandører og forbrukere15. Her foreslår vi et system som anskaffer, overfører og overvåker data ved hjelp av MQTT for eksisterende produksjonsanlegg. Systemet testes i en filmekstruderingslinje for å bekrefte ytelsen. Dataene fra den opprinnelige kontrolleren overføres til en kantenhet via Modbus-protokollen. Deretter publiseres dataene til megleren. I mellomtiden publiserer to Raspberry Pis de målte temperaturene og belysningen til samme megler. Deretter kan alle enheter på Internett abonnere på dataene, etterfulgt av overvåking og registrering av dem som vist i figur 1. Protokollen i dette arbeidet viser hvordan hele prosedyren kan gjøres.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Installasjon av megler
MERK: For å overvåke og registrere behandlingsdata via Internett, bør et datasystem som videresender dataene, klargjøres. Systemet skal være tilgjengelig fra både utgiverne og abonnentene, som vist i figur 2. Dermed må den ha en offentlig IP-adresse som er kjent før kommunikasjon. En åpen MQTT megler kalt Eclipse Mosquitto er installert på systemet13.
- Koble en datamaskin til Internett med en offentlig IP-adresse. Angi adressen i IP-innstillingen for operativsystemet.
- Installer en meglerprogramvare som Eclipse Mosquitto på datamaskinen. Last ned installasjonsfilen ved hjelp av en nettleser og kjør den.
- Test megleren med et testprogram som MQTT Lens. Last ned MQTT Lens ved hjelp av en nettleser og installer den. Kontroller deretter at publiserte meldinger abonnerer.
2. Forberedelse av hovedutgivere
MERK: Denne datamaskinen publiserer maskindataene via MQTT over TCP til megleren. Eldre data bør tolkes og pakkes på nytt for å bli sendt ut. Dette kan vanligvis gjøres av RS485 eller Ethernet. Tilkoblingen på maskinvarenivå bør bekreftes avhengig av busstypen. Ekstruderingsmaskinen sender ut dataene via Modbus via en Ethernet-port.
- Plasser en datamaskin fysisk på maskinområdet, og konfigurer den som hovedutgiver.
MERK: Selv om det ikke er obligatorisk, ble en industriell datamaskin valgt i dette arbeidet. - Installer Python3 på datamaskinen. Last ned installasjonsfilen ved hjelp av en nettleser og utfør den.
- Installer PyModbus16. Last ned installasjonsfilen ved hjelp av en nettleser og utfør den.
- Undersøk ekstruderingskontrolleren med HMI som styrer maskinen, og koble ekstruderingskontrolleren til hovedutgiveren.
- Identifiser dataene og den tilsvarende adressen i Modbus-protokollen fra maskinen ved hjelp av et Modbus-verktøy som ModbusPoll eller QModMaster. Kontroller at de sendte maskindataene vises i de tilsvarende cellene i Modbus-verktøyet.
- Skriv en Python-kode på utgiver-PCen som henter dataene fra ekstruderingskontrolleren.
MERK: Her er et kodeeksempel:
fra pyModbusTCP.client importere ModbusClient
klient = ModbusClient(host="192.168.1.***", port=***, unit_id=***)
client.open()
Ekstruderingsdata = str(client.read_holding_registers(1000, 58)) - Slå sammen flere datastrømmer fra andre enheter via PCIe, USB, RS232 og RS485.
MERK: Dette er enkelt. Når en ekstra datastreng er hentet, legger du ganske enkelt til dataene i den eksisterende datastrømmen, som gjøres av følgende kode:
ExtrusionData += Tilleggsdata - Importer paho.mqtt.client etter installasjon av paho-mqtt av pip install paho-mqtt17 .
- Implementer koden for å koble til og publisere data til megleren.
MERK: Se følgende kodeeksempel:
url="117.xx.xxx.xx"; port = 1883; brukernavn = "****"; passord = "xxxxx"; emne = "Ekstruder"
mqttc = mqtt. Klient()
mqttc.username_pw_set(brukernavn;passord)
mqttc.connect(host=url, port=port)
mqttc.loop_start()
Ekstruderingsdata = str(client.read_holding_registers(1000, 58))
Pub1= mqttc.publish(emne, ExtrusionData))
Pub1.wait_for_publish()
3. Ytterligere klargjøring av utgiveren
MERK: Denne datamaskinen publiserer også maskindataene via MQTT over TCP til megleren. Noen ganger kreves det ytterligere måling som ikke kan utføres på hovedutgiveren. Internet of Things (IoT) enheter som Raspberry Pi og Arduino kan ta rollen. I dette arbeidet ble Raspberry Pi brukt til temperaturdata og belysningsdata. Prosedyren ligner på protokolldel 2.
- Plasser en Raspberry Pi i nærheten av sensorplasseringen.
MERK: Siden ledningsavstanden er begrenset, kan ikke Raspberry Pi plasseres veldig langt fra målestedet. Men siden ekstruderens nærhet er veldig varm, må enheten plasseres minst 1 m fra målestedet. - Installer Python3 på Raspberry Pi ved hjelp av følgende kommandoer i kommandolinjen:
sudo apt oppdatering
sudo apt installere Python3 inaktiv3 - Implementer koden for å hente sensordataene. Sensordataene kan overføres via I2C eller GPIO.
MERK: Se følgende kodeeksempel for ytterligere temperaturdata via GPIO:
fra max6675 import MAX6675
cs_pin1 = 24; clock_pin1 = 25; data_pin1 = 18
cs_pin2 = 9; clock_pin2 = 11; data_pin2 = 19
enheter = "C"
thermocouple1 = MAX6675(cs_pin1, clock_pin1, data_pin1, enheter)
thermocouple2 = MAX6675(cs_pin2, clock_pin2, data_pin2, enheter)
T1 = thermocouple1.get()
T2 = thermocouple2.get() - Importer paho.mqtt.client.
- Bruk koden på nytt i del 2 for å koble til og publisere data til megleren.
4. Abonnentens oppsett
MERK: Alle enheter på Internett kan motta behandlingsdataene via megleren. Dataene behandles og visualiseres også av en Python-kode. I tilfelle utviklingen er vanskelig, kan tilgjengelige applikasjoner som MQTT Client i Google Play og MQT Tool i App Store brukes. Siden implementeringen av brukergrensesnittet er ganske lang, er detaljene ikke beskrevet her. Vær også oppmerksom på at eksisterende applikasjoner som MQT Tool i App Store kan motta dataene.
- Engasjer en enhet for abonnement på Internett. Forsikre deg om en fysisk kabeltilkobling og utfør deretter en ping til megler-IP på kommandolinjen (f.eks. ping 117.xx.xxx.xx).
- Installer et passende Python-miljø avhengig av enheten og operativsystemet. Installer for eksempel Pydroid3 på en Android-enhet i stedet for Python3 fra Google Play.
- Importer både paho.mqtt.client og paho.mqtt.subscribe for å koble til og motta data fra megleren.
MERK: Se følgende kodeeksempel:
importere paho.mqtt.client som mqtt
importere paho.mqtt.subscribe som abonnere
url="117.xx.xxx.xx"; port = 1883; brukernavn = "****"; passord = "xxxxx"; emne = "Ekstruder"
mqttc.username_pw_set(brukernavn, passord)
mqttc.connect(host=url, port=port)
mqttc.subscribe(emne, 0)
mqttc.loop_start()
Sub1 = subscribe.simple(emne, hostname=url)
ExtruderData = Sub1.payload.decode("utf-8") - Bygg et brukergrensesnitt etter behov ved hjelp av PyQT5.
MERK: Denne delen er veldig lang og fokuserer på grafisk representasjon av mottatte data i stedet for kommunikasjon. Den tilsvarende koden leveres som supplerende data. - Vis innkommende data på brukergrensesnittet ved å kjøre den innebygde koden.
5. Datalogging
MERK: Behandlingsdataene kan skrives i en database under overvåking. I dette arbeidet ble det valgt en lab-skala database. Dataene er koblet til en Microsoft Access-fil for enkelt å skrive og hente fra en brukerdatamaskin. I tillegg kan en tabell bygges umiddelbart av en spørring for å analysere data i et regneark, for eksempel Microsoft Excel.
- Velg en abonnentenhet for å registrere dataene.
- Importer pyodbc ved å utføre "pip install pyodbc" på kommandolinjen for Python-koden for å få tilgang til databasen, som vist i figur 318.
- Send en spørring til databasen ved hjelp av Python-koden for registrering av behandlingsdataene. Se Python-koden i figur 3 for metoden.
- Send en spørring til databasen for henting av de registrerte dataene.
MERK: Et kodeeksempel for henting av data er gitt nedenfor:
importere pyodbc
x for x i pyodbc.drivers() hvis x.startswith('Microsoft Access Driver')]
conn_str = (
r'DRIVER={Microsoft Access-driver (*.mdb, *.accdb)};
r'DBQ=C:\Brukere\data_analysis\db1.accdb;'
)
cnxn = pyodbc.connect(conn_str)
crsr = cnxn.cursor()
for table_info i crsr.tables(tableType='TABLE'):
skrive ut (table_info.table_name)
sql = """\
SELECT * FRA Process_Condition
"""
crsr = cnxn.execute(sql)
for rad i crsr:
RetrievedData = pd.read_sql(sql, cnxn)
crsr.close()
cnxn.close()
6. Distribusjon
MERK: Hvis alle enhetene kan kobles til Internett, er oppsettet enkelt. For å sikre maskinsidedataene kan utgiverne imidlertid bare være på intranettet. I dette tilfellet kan megleren være en inngangsport til Internett. For å være slik, bør megleren være utstyrt med to Ethernet-adaptere, hvorav den ene må ha en offentlig IP-adresse. Når alle varene er utviklet, skal kodene distribueres til hver enhet, som vist i figur 4. Tilkoblingsmodusen, kablet eller trådløs, er ikke viktig, men den må sikres slik at hver enhet skal kunne få tilgang til megleren. Dette betyr at megleren kan fungere som en gateway på grensen mellom intranettet og Internett av sikkerhetshensyn. Selvfølgelig, selv om alle enhetene er utsatt for Internett, er det ikke noe problem fra et kommunikasjonssynspunkt.
- Koble ekstruderingskontrolleren, hovedutgiveren og de ekstra utgiverne til intranettporten via Ethernet.
- Koble den ene Ethernet-porten til megleren til intranettet og den andre til Internett.
- Koble abonnenter til Internett ved å gjenta trinn 4.1 for dem alle.
7. Utførelse
MERK: For å teste hele systemet startet vi ekstruderingslinjen og kjørte alle Python-kodene og Mosquitto.
- Start ekstruderingsprosessen. På maskinens HMI stiller du inn temperaturene og slår på varmeren ved å trykke på knappen på HMI-skjermen. Når ønsket temperatur er nådd, start skruerotasjonen for å ekstrudere polymersmeltingen.
- Slå på alle datamaskinene, start meglerprogramvaren på meglerenheten ved kommandoen "net start mosquitto", og kjør deretter Python-kodene for å overvåke og registrere behandlingsdataene etter behov.
MERK: Rekkefølgen på trinn 7.1 og trinn 7.2 kan reverseres. Python-kodene kan utføres ganske enkelt ved å skrive "python3 xxxxx.py" på kommandolinjen etterfulgt av å trykke enter. Legg til denne kommandoen i oppstartsprogrammene for å unngå å skrive inn kommandoen hver gang enheten starter på nytt.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Det har blitt funnet at dataene vist i HMI og målt av Raspberry Pis ble overvåket og registrert i abonnentene som vist i figur 5. Som presentert i videoen, logges behandlingsdataene inn i databasen.
Figur 1: Omriss av dataoverføringen ved hjelp av MQTT-protokollen. Megleren videresender meldingen fra utgiverne til abonnentene. Utgiverne i dette diagrammet er hovedutgiveren og tilleggsutgiveren (Raspberry Pi). Hovedutgiveren er direkte koblet til ekstruderingsmaskinen for å motta dataene. Antall abonnenter er ikke begrenset så lenge nettverkskapasiteten tillater det. Abonnentene kan publisere dataene på nytt til andre abonnenter for å registrere dem i en database, for eksempel Microsoft Access. Klikk her for å se en større versjon av denne figuren.
Figur 2: Dataflyt etter publisering, megling og abonnement i en filmekstruderingslinje. Behandlingsdataene publiseres av de fysiske systemene som er representert i boksen øverst til venstre. For abonnenten er en Python-kode som oppretter et grafisk brukergrensesnitt skrevet basert på PyQt5 for å vise de mottatte dataene på skjermen. Klikk her for å se en større versjon av denne figuren.
Figur 3: Registrere de abonnerte dataene i en MS Access-fil via ODBC. ODBC-en ble brukt til å opprette en tilkobling til Microsoft Access. Python-koden ved hjelp av pyodbc er skrevet for tilkoblingen, som tillater logging og analyse ved å overføre spørringer generert av brukere. Klikk her for å se en større versjon av denne figuren.
Figur 4: Distribusjon av hele systemet. Meglerenheten i bygning 2 krever to Ethernet-porter, den ene til intranettet og den andre til Internett. Av sikkerhetsgrunner er utgiverne koblet til intranettet, mens abonnentene er koblet til Internett. Megleren krever en offentlig IP-adresse for å få tilgang utenfor campus. Som et resultat kan alle enheter på Internett abonnere på de publiserte dataene. Klikk her for å se en større versjon av denne figuren.
Figur 5: Kjøre dataovervåkingssystemet mens du bruker filmekstruderingslinjen. Behandlingsdataene kan overvåkes under ekstruderingsoperasjonen (nederst til høyre) når hele systemet er distribuert. Dataene som vises i HMI (øverst til høyre) publiseres utenfor. Etter at megleren er startet, skal kodene i utgiveren og abonnentenhetene utføres. Deretter begynner dataflytene som planlagt i systemet. Ved hjelp av innkommende data kan den filmede ekstruderingslinjen overvåkes og vises (nederst til venstre). Klikk her for å se en større versjon av denne figuren.
Supplerende data. Klikk her for å laste ned denne filen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Ved å følge protokollen som presenteres, kan behandlingsdataene overvåkes og registreres uten dyre IT-løsninger som MES. IoT-teknologiene kan gjøre det enklere å skaffe og levere data fra konvensjonelle maskiner. Det har vist seg at den meldingsbaserte protokollen, MQTT, fungerer vellykket som en plattform for datakommunikasjon for polymerbehandlingslinjer. Videre kan ytterligere data måles fleksibelt og overføres sammen. De ekstra forlagene som var ansatt i dette arbeidet var Raspberry Pis. Spesielt kan de beskyttes ytterligere ved å huse dem i industrielle Raspberry Pi-innkapslinger for å sikre robust drift under tøffe forhold. Abonnentene kan være hvilken som helst enhet hvor som helst med hvilket som helst operativsystem. Abonnentenheten kan bare motta de nødvendige dataene ved å velge emnet du vil abonnere på. Dette arbeidet har vist at MQTT sammen med IoT-enhetene muliggjør dataovervåking for en polymerbehandlingslinje uten store problemer. Moderne industrielle kommunikasjonsarkitekturer har en tendens til å avvike fra pyramidearkitekturer som Purdue-modellen, og den foreslåtte metoden viser også at denne trenden er berettiget.
Ved å implementere programvaren ved hjelp av Python, kan koden brukes på nytt for forskjellige plattformer19. Følgelig kan enhetene med forskjellige plattformer delta i publisering og abonnering av behandlingsdataene. Videre kan mye kodingsbelastning reduseres ved å importere flere forhåndsbygde koder som PyModbus, pyodbc, paho.mqtt og PyQT5. Siden utviklingen angående MQTT var enkel og grei, var det ikke mye problemer med feilsøking. Det krevde imidlertid betydelig innsats for å bringe behandlingsdataene fra den eldre kontrolleren til utgiverenheten. Hvis dataformatet og protokollen ikke er tydelig kjent, bør datapakken analyseres nøye. Cybersikkerhetsproblemet bør også undersøkes for å forhindre uønsket datalekkasje.
En stor fabrikk med mange maskiner kan fortsatt trenge den konvensjonelle MES-baserte datainnsamlingen, sannsynligvis ved hjelp av OPCUA-kommunikasjon. I slike tilfeller kan investeringer i IT-systemet gjøres uten for mye risiko. Men for små fabrikker med stramme budsjetter er den foreslåtte modellen et lovende alternativ20. Dermed forventes MES og IoT å sameksistere og utvikle seg i en betydelig periode. I tillegg til polymerprosessene som sprøytestøping og ekstrudering, kan denne tilnærmingen brukes på alle produksjonsprosesser som krever datakommunikasjon.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Forfatterne erklærer ingen interessekonflikter.
Acknowledgments
Denne studien ble støttet av forskningsprogrammet finansiert av 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).
