基于MQTT的数据通信在聚合物挤出工艺中的应用
Summary
这项工作提出了一种基于称为消息队列遥测传输（MQTT）的消息协议，在薄膜挤出系统和监控设备之间进行数据通信的灵活方法。
Abstract
这项工作旨在通过采用基于发布者 – 订户的协议（称为消息队列遥测传输（MQTT））为聚合物处理机构建灵活的数据通信结构，该协议通过TCP / IP操作。即使使用传统设备，处理数据也可以通过互联网通信在任何地方由各种设备进行测量和记录。基于消息的协议允许灵活的通信，克服了现有服务器-客户端协议的缺点。多个设备可以订阅源设备发布的处理数据。所提出的方法便于多个发布者和订阅者之间的数据通信。这项工作已经实现了一个系统，该系统将数据从设备和附加传感器发布到消息代理。订阅者可以监视和存储代理中继的过程数据。该系统已部署并运行用于薄膜挤出生产线，以证明其有效性。
Introduction
在第四次工业革命的浪潮中，各种加工数据的采集和监控已成为重要的任务1.特别是，使用过程数据改进制造过程并建立有效的运营计划将是所有制造设施2，3的重要目标。如果可以在工厂外发出警报，或者可以及时执行预测性维护，则可以大大减少停机时间4.最近，在聚合物工艺5，6中的数据分析方面已经做出了许多努力。然而，由于难以从现有系统7获取此类数据，因此执行这些任务并不容易。控制和仪表的分层结构使数据采集和通信变得困难。
首先，不可能从具有不同制造日期的不同机器获取数据。很难实现不同机器之间的通信，因为这需要不同现场总线之间以专有格式进行互操作性。通过这种方式，通信方法和数据格式保持私密。这有助于人们轻松维护数据安全性，但使用户依赖机器制造商的服务和未来发展。最近连接到聚合物加工机器的人机界面（HMI）在内的控制计算机现在大多基于Windows，但加载了在专有开发环境中创建的软件。可以使用来自不同公司的可编程逻辑控制器（PLC）与传感器或执行器进行通信，但在许多情况下，上层监控和数据采集（SCADA）系统依赖于控制计算机8。这种做法导致许多协议，现场总线和控制系统在市场上竞争。虽然随着时间的推移，这种复杂性已经逐渐减轻，但许多类型的现场总线和协议仍在积极使用。
另一方面，控制设备和SCADA之间的通信已由开放平台通信联合架构（OPCUA）9标准化。此外，SCADA和制造执行系统（MES）之间的通信也主要通过OPCUA进行。在如此严格的层次结构中，自由提取数据以进行过程监控和分析并不容易。通常，必须从SCADA或MES10中提取数据。如前所述，这些系统是特定于供应商的，数据格式很少是开放的。因此，数据提取需要原始信息技术/运营技术（IT/OT）解决方案供应商的大量支持。这可能会阻碍用于监测和分析的数据采集。
在薄膜挤出生产线中，控制PC由SCADA系统11监控。SCADA系统由不易修改的计算机程序操作。计算机程序可能是可编辑的，但编辑非常昂贵且耗时。为了轻松监视和分析处理数据，应可从任何位置访问数据。为了监视远离现场的处理数据，计算机程序应该能够将处理数据流式传输到因特网12。此外，自由开放方法降低了数据采集13的费用。这种方法即使在无力投资商业IT解决方案的小型工厂中也可以进行数据分析14.
在本研究中，采用了基于发布者-订阅者模型的消息协议。消息队列遥测传输 （MQTT） 是一种开放且标准的协议，它支持在多个数据提供者和使用者15 之间进行消息传递。在这里，我们提出了一个系统，该系统使用MQTT为现有制造设施获取，传输和监控数据。该系统在薄膜挤出生产线上进行测试，以验证性能。来自原始控制器的数据 通过 Modbus协议传输到边缘设备。然后，数据发布到代理。与此同时，两个Raspberry Pis将测量的温度和照度发布给同一个经纪人。然后，互联网上的任何设备都可以订阅数据，然后监视和记录它，如图 1所示。这项工作中的协议显示了如何完成整个过程。
Protocol
Representative Results
Discussion
通过遵循所提出的协议，可以监控和记录处理数据，而无需昂贵的IT解决方案，如MES。物联网技术可以更容易地从传统机器获取和交付数据。已经证明，基于消息的协议MQTT成功地充当了聚合物加工生产线的数据通信平台。此外，可以灵活地测量和传输其他数据。这部作品中雇用的其他出版商是Raspberry Pis。值得注意的是，通过将它们安装在工业Raspberry Pi外壳中，可以进一步保护它们，以确保在恶劣…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
这项研究得到了首尔科技大学（Seoul Tech）资助的研究计划的支持。
Materials
| 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 |
Riferimenti
- 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. , (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. Ingegneria. 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. SCADA systems in the industrial automation. Tecnología en Marcha. 28 (4), 3-14 (2015).
- 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).
- . 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).
