Summary
Detta arbete föreslår en flexibel metod för datakommunikation mellan ett filmsträngsprutningssystem och övervakningsenheter baserat på ett meddelandeprotokoll som heter Message Queuing Telemetry Transport (MQTT).
Abstract
Detta arbete syftar till att bygga en flexibel datakommunikationsstruktur för en polymerbearbetningsmaskin genom att använda ett utgivar-abonnentbaserat protokoll som heter Message Queuing Telemetry Transport (MQTT), som drivs över TCP / IP. Även vid användning av konventionell utrustning kan bearbetningsdata mätas och registreras av olika enheter var som helst via en internetkommunikation. Ett meddelandebaserat protokoll möjliggör flexibel kommunikation som övervinner bristerna i det befintliga server-klientprotokollet. Flera enheter kan prenumerera på bearbetningsdata som publicerats av källenheter. Den föreslagna metoden underlättar datakommunikationen mellan flera utgivare och prenumeranter. Detta arbete har implementerat ett system som publicerar data från utrustningen och ytterligare sensorer till en meddelandemäklare. Prenumeranterna kan övervaka och lagra processdata som vidarebefordras av mäklaren. Systemet har driftsatts och körts för en filmsträngsprutningslinje för att demonstrera effektiviteten.
Introduction
I vågen av den fjärde industriella revolutionen har förvärv och övervakning av olika bearbetningsdata blivit viktiga uppgifter1. I synnerhet kommer förbättring av tillverkningsprocessen med hjälp av processdata och upprättande av effektiva driftsplaner att vara ett viktigt mål för alla tillverkningsanläggningar 2,3. Stilleståndstiden kan minskas kraftigt om ett larm kan skickas ut från fabriken eller om prediktivt underhåll kan utföras i tid4. Nyligen har många ansträngningar gjorts för dataanalyser i polymerprocesser 5,6. Det är emellertid inte lätt att utföra dessa uppgifter på grund av svårigheterna att förvärva sådana uppgifter från de befintliga systemen7. Den hierarkiska strukturen för kontroll och instrumentering gör datainsamling och kommunikation svår.
Först och främst är det inte möjligt att få data från olika maskiner med olika tillverkningsdatum. Det är svårt att realisera kommunikationen mellan olika maskiner eftersom detta kräver interoperabilitet mellan olika fältbussar i proprietära format. På detta sätt hålls kommunikationsmetoder och dataformat privata. Detta hjälper en att enkelt upprätthålla datasäkerhet men håller användarna beroende av maskinbyggaren för tjänsterna och framtida utveckling. De senaste kontrolldatorerna inklusive människa-maskingränssnitt (HMI) anslutna till polymerbearbetningsmaskiner är mestadels Windows-baserade idag men laddas med programvara som skapats i en proprietär utvecklingsmiljö. Det är möjligt att använda programmerbara logiska styrenheter (PLC) från olika företag för att kommunicera med sensorerna eller ställdonen, men i många fall är det övre övervakningskontroll- och datainsamlingssystemet (SCADA) beroende av styrdatorerna8. Denna praxis har orsakat många protokoll, fältbussar och styrsystem att konkurrera på marknaden. Även om denna komplexitet har lindrats lite efter lite över tiden, är många typer av fältbussar och protokoll fortfarande i aktiv användning.
Å andra sidan har kommunikationen mellan styrenheter och SCADA standardiserats av Open Platform Communications United Architecture (OPCUA)9. Dessutom har kommunikationen mellan SCADA och Manufacturing Execution System (MES) också huvudsakligen skett genom OPCUA. I en så snäv hierarkisk struktur är det inte lätt att fritt extrahera data för processövervakning och analys. Vanligtvis måste data extraheras från SCADA eller MES10. Som tidigare nämnts är dessa system leverantörsspecifika och dataformaten är sällan öppna. Som ett resultat kräver datautvinningen betydande stöd från de ursprungliga leverantörerna av IT/OT-lösningar (Information Technology/Operational Technology). Detta kan hindra datainsamling för övervakning och analys.
I en filmsträngsprutningslinje övervakas styrdatorn av ett SCADA-system11. SCADA-systemet drivs av ett datorprogram som inte enkelt kan modifieras. Datorprogrammet kan vara redigerbart, men redigeringen är ganska dyr och tidskrävande. För att enkelt övervaka och analysera bearbetningsdata bör data vara tillgängliga från vilken plats som helst. För att övervaka bearbetningsdata bort från webbplatsen bör datorprogrammet kunna strömma bearbetningsdata till Internet12. Dessutom minskar en öppen fri metod kostnaderna för datainsamlingen13. Detta tillvägagångssätt gör att dataanalys kan utföras även i små fabriker som inte har råd att investera i kommersiella IT-lösningar14.
I denna studie används ett meddelandeprotokoll baserat på utgivar-abonnentmodellen. Message Queuing Telemetry Transport (MQTT) är ett öppet och standardprotokoll som möjliggör meddelanden mellan flera dataleverantörer och konsumenter15. Här föreslår vi ett system som förvärvar, överför och övervakar data med MQTT för befintliga tillverkningsanläggningar. Systemet testas i en filmsträngsprutningslinje för att verifiera prestandan. Data från den ursprungliga styrenheten överförs till en kantenhet via Modbus-protokollet. Sedan publiceras uppgifterna till mäklaren. Under tiden publicerar två Raspberry Pis de uppmätta temperaturerna och belysningsstyrkan till samma mäklare. Sedan kan alla enheter på Internet prenumerera på data, följt av övervakning och inspelning av dem som visas i figur 1. Protokollet i detta arbete visar hur hela proceduren kan göras.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Mäklare installation
OBS: För att övervaka och registrera bearbetningsdata via Internet bör ett datorsystem som vidarebefordrar data förberedas. Systemet bör vara tillgängligt för både utgivare och prenumeranter enligt figur 2. Således måste den ha en offentlig IP-adress som är känd före någon kommunikation. En öppen MQTT-mäklare som heter Eclipse Mosquitto är installerad på systemet13.
- Anslut en dator till Internet som ger en offentlig IP-adress. Ange adressen i operativsystemets IP-inställning.
- Installera en mäklarprogramvara som Eclipse Mosquitto på datorn. Ladda ner installationsfilen med en webbläsare och kör den.
- Testa mäklaren med ett testprogram som MQTT Lens. Ladda ner MQTT Lens med en webbläsare och installera den. Se sedan till att publicerade meddelanden prenumereras.
2. Huvudsaklig förberedelse av utgivare
Den här datorn publicerar datordata via MQTT via TCP till koordinatorn. Äldre data bör tolkas och paketeras om för att skickas ut. Detta kan vanligtvis göras med RS485 eller Ethernet. Anslutningen på hårdvarunivå bör verifieras beroende på busstyp. Extruderingsmaskinen skickar ut data via Modbus via en Ethernet-port.
- Placera en dator fysiskt på maskinens webbplats och ställ in den som huvudutgivare.
OBS: Även om det inte var obligatoriskt, valdes en industriell dator i detta arbete. - Installera Python3 på datorn. Ladda ner installationsfilen med en webbläsare och kör den.
- Installera PyModbus16. Ladda ner installationsfilen med en webbläsare och kör den.
- Undersök extruderingsstyrenheten med HMI som styr maskinen och anslut extruderingsstyrenheten till huvudutgivaren.
- Identifiera fullständigt data och motsvarande adress i Modbus-protokollet från maskinen med hjälp av ett Modbus-verktyg som ModbusPoll eller QModMaster. Se till att de skickade maskindata visas i motsvarande celler i Modbus-verktyget.
- Skriv en Python-kod på utgivardatorn som hämtar data från extruderingskontrollanten.
OBS: Här är ett kodexempel:
från pyModbusTCP.client importera ModbusClient
client = ModbusClient(host="192.168.1.***", port=***, unit_id=***)
client.open()
ExtruderingData = str(client.read_holding_registers(1000, 58)) - Slå samman ytterligare dataströmmar från andra enheter via PCIe, USB, RS232 och RS485.
OBS: Detta är enkelt. När ytterligare en datasträng har erhållits lägger du bara till data i den befintliga dataströmmen, vilket görs med följande kod:
ExtruderingData += AdditionalData - Importera paho.mqtt.client efter installation av paho-mqtt av pip install paho-mqtt17 .
- Implementera koden för att ansluta och publicera data till den a broker.
OBS: Se följande kodexempel:
url="117.xx.xxx.xx"; hamn = 1883; användarnamn = "****"; lösenord = "xxxxx"; ämne = "Extruder"
mqttc = mqtt. Klient()
mqttc.username_pw_set(användarnamn,lösenord)
mqttc.connect(host=url, port=port)
mqttc.loop_start()
ExtruderingData = str(client.read_holding_registers(1000, 58))
Pub1= mqttc.publish(ämne, ExtruderingData))
Pub1.wait_for_publish()
3. Ytterligare förberedelse av utgivare
Obs!: Den här datorn publicerar även maskindata via MQTT över TCP till koordinatorn. Ibland krävs ytterligare mätning som inte kan göras på huvudutgivaren. Internet of Things (IoT) -enheter som Raspberry Pi och Arduino kan ta rollen. I detta arbete användes Raspberry Pi för temperaturdata och belysningsdata. Förfarandet liknar protokoll avsnitt 2.
- Placera en Raspberry Pi nära sensorns plats.
OBS: Eftersom ledningsavståndet är begränsat kan Raspberry Pi inte placeras särskilt långt från mätplatsen. Men eftersom extruderns närhet är mycket varm måste enheten placeras minst 1 m från mätplatsen. - Installera Python3 på Raspberry Pi med följande kommandon på kommandoraden:
sudo apt uppdatering
sudo apt install Python3 idle3 - Implementera koden för att hämta sensordata. Sensordata kan överföras via I2C eller GPIO.
OBS: Se följande kodexempel för ytterligare temperaturdata via GPIO:
från max6675 importera MAX6675
cs_pin1 = 24; clock_pin1 = 25; data_pin1 = 18
cs_pin2 = 9; clock_pin2 = 11; data_pin2 = 19
enheter = "C"
termoelement1 = MAX6675(cs_pin1, clock_pin1, data_pin1, enheter)
termoelement2 = MAX6675(cs_pin2, clock_pin2, data_pin2, enheter)
T1 = termoelement1.get()
T2 = termoelement2.get() - Importera paho.mqtt.client.
- Återanvänd koden i avsnitt 2 för att ansluta och publicera data till koordinatorn.
4. Abonnentens inställning
OBS: Alla enheter på Internet kan ta emot behandlingsdata via mäklaren. Data bearbetas och visualiseras även av en Python-kod. Om utvecklingen är svår kan tillgängliga applikationer som MQTT Client i Google Play och MQT Tool i App Store användas. Eftersom implementeringen av användargränssnittet är ganska lång beskrivs inte detaljerna här. Observera också att befintliga applikationer som MQT Tool i App Store kan ta emot data.
- Engagera en enhet för prenumeration på Internet. Säkerställ en fysisk kabelanslutning och kör sedan en ping till koordinatorns IP på kommandoraden (t.ex. ping 117.xx.xxx.xx).
- Installera en lämplig Python-miljö beroende på enhet och operativsystem. Installera till exempel Pydroid3 på en Android-enhet istället för Python3 från Google Play.
- Importera både paho.mqtt.client och paho.mqtt.subscribe för att ansluta till och ta emot data från mäklaren.
OBS: Se följande kodexempel:
importera paho.mqtt.client som mqtt
importera paho.mqtt.subscribe som prenumerera
url="117.xx.xxx.xx"; hamn = 1883; användarnamn = "****"; lösenord = "xxxxx"; ämne = "Extruder"
mqttc.username_pw_set(användarnamn, lösenord)
mqttc.connect(host=url, port=port)
mqttc.subscribe(ämne, 0)
mqttc.loop_start()
Sub1 = subscribe.simple (ämne, värdnamn = url)
ExtruderData = Sub1.payload.decode("utf-8") - Skapa ett användargränssnitt efter behov med PyQT5.
OBS: Denna del är mycket lång och fokuserar på grafisk representation av mottagna data snarare än kommunikation. Motsvarande kod tillhandahålls som kompletterande uppgifter. - Visa inkommande data på det grafiska användargränssnittet genom att köra den byggda koden.
5. Loggning av data
OBS: Bearbetningsdata kan skrivas i en databas under övervakning. I detta arbete valdes en databas i labbskala. Data är anslutna till en Microsoft Access-fil för att enkelt skriva och hämta från en användardator. Dessutom kan en tabell omedelbart byggas av en fråga för att analysera data i ett kalkylblad som Microsoft Excel.
- Välj en abonnentenhet för att spela in data.
- Importera pyodbc genom att köra "pip install pyodbc" på kommandoraden för Python-koden för att komma åt databasen enligt bild 318.
- Skicka en fråga till databasen med Python-koden för registrering av bearbetningsdata. Se Python-koden i bild 3 för metoden.
- Skicka en fråga till databasen för hämtning av inspelade data.
OBS: Ett kodexempel för datahämtning ges nedan:
importera pyodbc
x för x i pyodbc.drivers() om x.startswith('Microsoft Access Driver')]
conn_str = (
r'DRIVER={Microsoft Access Driver (*.mdb, *.accdb)};'
r'DBQ=C:\Användare\data_analysis\db1.accdb;'
)
cnxn = pyodbc.connect(conn_str)
crsr = cnxn.cursor()
för table_info i crsr.tables(tableType='TABLE'):
print(table_info.table_name)
sql = """\
VÄLJ * FRÅN Process_Condition
"""
crsr = cnxn.execute(sql)
för rad i crsr:
HämtadData = pd.read_sql (sql, cnxn)
crsr.close()
cnxn.close()
6. Distribution
OBS: Om alla enheter kan anslutas till Internet är installationen enkel. Men för att skydda data på datorsidan kan utgivarna bara finnas i intranätet. I det här fallet kan mäklaren vara en gateway till Internet. För att vara så bör mäklaren vara utrustad med två Ethernet-adaptrar, varav en måste ha en offentlig IP-adress. När alla objekt har utvecklats ska koderna distribueras till varje enhet som visas i figur 4. Anslutningsläget, trådbundet eller trådlöst, är inte viktigt, men det måste säkras så att varje enhet ska kunna komma åt mäklaren. Det innebär att mäklaren kan fungera som en gateway på gränsen mellan intranätet och Internet av säkerhetsskäl. Naturligtvis, även om alla enheter utsätts för Internet, finns det inga problem ur kommunikationssynpunkt.
- Anslut extruderingskontrollanten, huvudutgivaren och de ytterligare utgivarna till intranätporten via Ethernet.
- Anslut en Ethernet-port i koordinatorn till intranätet och den andra till Internet.
- Anslut abonnenter till Internet genom att upprepa steg 4.1 för dem alla.
7. Utförande
OBS: För att testa hela systemet startade vi extruderingslinjen och körde alla Python-koder och Mosquitto.
- Starta extruderingsprocessen. Ställ in temperaturerna på maskinens HMI och slå på värmaren genom att trycka på knappen på HMI-skärmen. När den önskade temperaturen har uppnåtts, starta skruvrotationen för att extrudera polymersmältningen.
- Slå på alla datorer, starta koordinatorprogramvaran på koordinatorenheten med kommandot "net start mosquitto" och kör sedan Python-koderna för att övervaka och spela in bearbetningsdata efter behov.
OBS: Ordningen på steg 7.1 och steg 7.2 kan vändas. Python-koderna kan köras helt enkelt genom att skriva "python3 xxxxx.py" på kommandoraden följt av att trycka på Enter. Lägg till det här kommandot i startprogrammen för att undvika att skriva kommandot varje gång enheten startas om.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Det har visat sig att de data som visas i HMI och mäts av Raspberry Pis övervakades och registrerades hos abonnenterna som visas i figur 5. Som presenteras i videon loggas bearbetningsdata in i databasen.
Bild 1: Översikt över dataöverföringen med MQTT-protokollet. Mäklaren vidarebefordrar meddelandet från utgivarna till prenumeranterna. Utgivarna i det här diagrammet är huvudutgivaren och den extra utgivaren (Raspberry Pi). Huvudutgivaren är direkt ansluten till extruderingsmaskinen för att ta emot data. Antalet abonnenter är inte begränsat så länge nätkapaciteten tillåter. Prenumeranterna kan publicera data på nytt till andra prenumeranter för att spela in dem i en databas som Microsoft Access. Klicka här för att se en större version av denna figur.
Figur 2: Dataflöde efter publicering, förmedling och prenumeration i en filmsträngsprutningslinje. Bearbetningsdata publiceras av de fysiska system som representeras i den övre vänstra rutan. För prenumeranten skrivs en Python-kod som skapar ett grafiskt användargränssnitt baserat på PyQt5 för att visa mottagna data på skärmen. Klicka här för att se en större version av denna figur.
Bild 3: Registrera prenumererade data till en MS Access-fil via ODBC. För att upprätta en anslutning till Microsoft Access användes ODBC. Python-koden som använder pyodbc skrivs för anslutningen, vilket möjliggör loggning och analys genom att överföra frågor som genereras av användare. Klicka här för att se en större version av denna figur.
Bild 4: Distribution av hela systemet. Mäklarenheten i byggnad 2 kräver två Ethernet-portar, en till intranätet och den andra till Internet. Av säkerhetsskäl är utgivarna anslutna till intranätet, medan abonnenterna är anslutna till Internet. Mäklaren kräver att en offentlig IP-adress nås utanför campus. Som ett resultat kan alla enheter på Internet prenumerera på publicerade data. Klicka här för att se en större version av denna figur.
Bild 5: Kör dataövervakningssystemet medan du använder filmsträngsprutningslinjen. Bearbetningsdata kan övervakas under extruderingsoperationen (längst ned till höger) när hela systemet har distribuerats. Data som visas i HMI (uppe till höger) publiceras utanför. När mäklaren har startats ska koderna i utgivarens och prenumerantenheterna köras. Sedan börjar dataflödena som planerat i systemet. Med hjälp av inkommande data kan den filmade extruderingslinjen övervakas och visas (nedre vänster). Klicka här för att se en större version av denna figur.
Kompletterande uppgifter. Klicka här för att ladda ner den här filen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Genom att följa det presenterade protokollet kan bearbetningsdata övervakas och registreras utan dyra IT-lösningar som MES. IoT-tekniken kan göra det enklare att skaffa och leverera data från konventionella maskiner. Det har visat sig att det meddelandebaserade protokollet, MQTT, framgångsrikt fungerar som en plattform för datakommunikation för polymerbearbetningslinjer. Dessutom kan ytterligare data mätas flexibelt och överföras tillsammans. De ytterligare förlag som anställdes i detta arbete var Raspberry Pis. I synnerhet kan de skyddas ytterligare genom att hysa dem i industriella Raspberry Pi-höljen för att säkerställa robust drift under svåra förhållanden. Abonnenterna kan vara vilken enhet som helst var som helst med vilket operativsystem som helst. Abonnentenheten kan bara ta emot nödvändiga data genom att välja det ämne som ska prenumereras. Detta arbete har visat att MQTT tillsammans med IoT-enheterna möjliggör dataövervakning för en polymerbearbetningslinje utan stora svårigheter. Moderna industriella kommunikationsarkitekturer tenderar att avvika från pyramidarkitekturer som Purdue-modellen, och den föreslagna metoden visar också att denna trend är motiverad.
Genom att implementera programvaran med Python kan koden återanvändas för olika plattformar19. Följaktligen skulle enheterna med olika plattformar kunna delta i publiceringen och prenumerationen på behandlingsuppgifterna. Dessutom kan mycket kodningsbelastning minskas genom att importera flera förbyggda koder som PyModbus, pyodbc, paho.mqtt och PyQT5. Eftersom utvecklingen kring MQTT var enkel och okomplicerad var det inte mycket svårt att felsöka. Det krävdes dock stora ansträngningar för att föra bearbetningsdata från den äldre kontrollanten till utgivarenheten. Om dataformatet och protokollet inte är tydligt kända bör datapaketet analyseras noggrant. Cybersäkerhetsfrågan bör också undersökas för att förhindra oönskat dataläckage.
En stor fabrik med många maskiner kan fortfarande behöva konventionell MES-baserad datainsamling, förmodligen med OPCUA-kommunikation. I sådana fall kan investeringar i IT-systemet göras utan alltför stor risk. Men för små fabriker med snäva budgetar är den föreslagna modellen ett lovande alternativ20. Således förväntas MES och IoT samexistera och utvecklas under en avsevärd tidsperiod. Förutom polymerprocesserna såsom formsprutning och extrudering kan detta tillvägagångssätt tillämpas på alla tillverkningsprocesser som kräver datakommunikation.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Författarna förklarar inga intressekonflikter.
Acknowledgments
Denna studie stöddes av forskningsprogrammet finansierat 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).
