• 「直播回放」使用 PLC + OPC + TDengine,快速搭建烟草生产监测系统


    在烟草工业场景里,多数设备的自动控制都是通过 PLC 可编程逻辑控制器来实现的,PLC 再将采集的数据汇聚至 OPC 服务器。传统的 PI System、实时数据库、组态软件等与 OPC 相连,提供分析、可视化、报警等功能,这类系统存在一些问题:

    1. 收费是按照测点数进行的,价格昂贵,而且需要有商务谈判才能开始 PoC,无法在购买决策前做足够的验证测试工作;
    2. 系统封闭,如果想集成一个新的 BI、AI 或可视化工具,需要原厂商的支持,十分困难;
    3. 数据的实时分发、分享功能薄弱;
    4. 架构落后,往往基于 Windows,部署维护还十分复杂。

    借助 TDengine 3.0 云服务或 TDengine Enterprise(企业版),上述问题便可迎刃而解。作为物联网、工业大数据平台,TDengine 内嵌对 OPC UA/DA、MQTT 等协议的支持。通过网页上简单的配置,无需一行代码,就能将 PLC 采集的数据通过 OPC 连接器源源不断的写入 TDengine,再通过与可视化工具 Grafana、BI 工具(如 Power BI、帆软、永洪)的无缝集成,就可以提供数据的可视化、报表、报警等系列功能。而且由于 TDengine 支持标准的 JDBC、ODBC 接口,众多的 BI、AI 和报表工具都可以无缝集成,而不被厂商绑定。

    同时,你可以使用 TDengine Cloud,无商务谈判,免费注册,几分钟内就可以搭建好整个系统,验证是否工作,无任何前期费用和风险。如果验证没问题,可以继续使用云服务,也可以切换到 TDengine Enterprise 做本地化部署。对于云服务,5 万个测点,如果数据采集间隔是一秒,最基础的 TDengine Cloud 入门级就可满足要求,一个月仅需 1200 元。与传统昂贵的工业软件相比,大大降低了投入的成本。

    本文以 TDengine Cloud 为例,介绍该方案在烟草制丝车间的具体实现。

    在下面例子里,我们将从 OPC Server 采集三个指标:冷床出口水分、计量秤工艺流量及烘丝出口温度,并希望在可视化界面实现以下功能:

    1. 实时监测数采完备率和在线状态:避免数据采集出现异常时不能及时观察到,导致长时间原始数据缺失
    2. 实时监测各指标值、变化趋势曲线:及时掌握生产过程中关键指标的变化

    本文中可视化工具选择了开源的 Grafana,你也可以使用国产的 BI 软件来实现。这个方案也适用于 TDengine Enterprise 企业版。

    1. TDengine Cloud OPC 接入介绍

    为方便不同数据源的接入,涛思打造了一套数据接入方案来接入各种不同类型的数据源。它的核心功能组件是 taosExplorer(TDengine Cloud 为控制台)、taosX Agent 及各类数据源连接器。TDengine 支持两种 OPC 接入:OPC UA、OPC DA。

    需要注意的是,TDengine Cloud 仅支持代理模式接入各类数据源。TDengine Enterprise 则是直连、代理两种连接模式均支持。

    以某个工厂为例,它的数据中心部署在工厂内部(车间机房、工厂中心机房),各车间通过 OPC 向外提供的数据服务和数据中心处于同一内部网络,这种情况可采用直连模式。如果该工厂的数据中心部署在云端(TDengine Cloud、共有云、上级集团私有云),且工厂与云端之间没有 VPN 连接时,这种情形可采用代理模式。

    下面以 TDengine Cloud 云服务+代理模式为例,介绍如何快速搭建 OPC UA+TDengine+Grafana 环境,实现工业 OPC 数据采集的可视化。

    2. 部署环境

    本文的部署拓扑图如下:

    • 本地 MacBook Pro,Grafana 部署在本机
    • taosX Agent 代理、OPC UA Simulation Server 部署在虚拟机 vm1 上,Ubuntu 20.04
    • TDengine 采用 TDengine Cloud 云服务入门版

    提示:

    Grafana 数据源安装

    Grafana 安装后,需要安装 TDengine 的数据源插件,有两种方式供选择:

    • 在 Grafana Configuration – Datasource 页面中,搜索 TDengine,完成安装【推荐】
    • 通过运行下面的命令完成该插件安装【以 Linux 为例】
    bash -c "$(curl -fsSL https://raw.githubusercontent.com/taosdata/grafanaplugin/master/install.sh)"

    3. 配置OPC UA Server

    为方便展示,本文将采用 PROSYS OPC UA Simulation Server 的功能,模拟生成 10 个双精度点位的随机数。

    在 MacBook Pro 上,启动 PROSYS OPC UA Simulation Server。

    切换至 Objects 页面,右键点击 Random:BaseDataVariableType,Duplicate Node 创建 10 个采集点位,均为双精度浮点数。完成此步骤后,将生成节点地址 ns=3;i=1008~1017。

    生成的点位默认随机数范围是 [-2,2],如需修改,可点击每个点位 Value 标签进行设置。默认的数值生成间隔为 1000ms。

    4. 创建代理并部署 taosX Agent

    登录 TDengine Cloud 后进入控制台,点击数据写入->数据源->创建新的代理

    根据提示,在 vm1 上下载并部署 taosX Agent。

    1. tar xf taosx-agent-xxx-linux-x64.tar.gz
    2. cd taosx-agent-xxx-linux-x64
    3. ./install.sh

    设置代理名称:agent-vm1

    获得 Endpoint 和 token,将其复制、粘贴至 vm1 上的 taosX Agent 的配置文件中:/etc/taos/agent.toml

    在 vm1 上启动 taosX Agent:

    systemctl start taosx-agent

    5. 数据准备

    在配置 OPC UA 采集任务之前,还有两个准备工作需要完成:

    • 在 TDengine Cloud 创建 opcdemo 库
    • 创建批量导入用的采集点位 CSV 文件

    5.1 创建 opcdemo 库

    登录 TDengine Cloud 后进入控制台,点击数据浏览器-> + 创建数据库,输入名称 opcdemo、设置 CACHEMODEL 为 both 后,完成创建。

    5.2 创建点位 CSV 文件

    为方便批量导入采集点位,TDengine Cloud 提供了以 CSV 文件批量导入点位信息的功能。

    根据前面的 OPC UA Simulation Server 创建的 10 个点位信息,创建 CSV 文件。

    文件填写说明:

    • point_id: OPC 点位地址
    • tbname: 该点位地址对应 TDengine 中的子表名
    • type: 该点位地址值的数据类型,对应普通列 val。常见的数据类型有 int/bigint/float/double/varchar/nchar/bool,其中 varchar/ncahr 需给出最大允许长度,如 varchar(50)/nchar(50)
    • stable: 子表所属的超级表名
    • 时间戳列:
      • ts_col: OPC 原始采集时间戳的列名,默认 ts,默认为首列时间戳
      • received_ts_col: 【可选】TDengine 接收时间戳对应的列名
      • 一旦配置了 received_ts_col 列,该列将取代 ts_col 成为首列时间戳,ts_col 列将做为普通列保留
    • 普通列:
      • val 列:存放采集值,类型由用户定义,本文中类型为 double
      • quality 列:质量信息,INT 型,系统默认自动创建
    • tag:: 标签列定义,以tag::nchar(10)::unit为例,将创建一个名为 unit,类型为 nchar(10) 的标签列。需要说明的是,每张超级表默认创建两个标签列:point_id VARCHAR(256), point_name VARCHAR(256)
    1. 信息点编码,OPC TAG点地址,数据类型,对应超级表表名,OPC原始时间列名,标签列1
    2. tbname,point_id,type,stable,ts_col,tag::nchar(10)::unit
    3. d_1008,ns=3;i=1008,double,stb_double,ts,%H
    4. d_1009,ns=3;i=1009,double,stb_double,ts,kg/h
    5. d_1010,ns=3;i=1010,double,stb_double,ts,℃
    6. d_1011,ns=3;i=1011,double,stb_double,ts,%H
    7. d_1012,ns=3;i=1012,double,stb_double,ts,kg/h
    8. d_1013,ns=3;i=1013,double,stb_double,ts,℃
    9. d_1014,ns=3;i=1014,double,stb_double,ts,%H
    10. d_1015,ns=3;i=1015,double,stb_double,ts,kg/h
    11. d_1016,ns=3;i=1016,double,stb_double,ts,℃
    12. d_1017,ns=3;i=1017,double,stb_double,ts,℃

    以上 CSV 文件成功导入后,将在 TDengine 中在指定的库中(本文为 opcdemo)创建一张名为 stb_double 的超级表,并以之为模板创建 10 张子表,名为 d_1008/d_1009…/d_1017。

    1. taos> desc stb_double;
    2. field | type | length | note |
    3. =====================================================================================
    4. ts | TIMESTAMP | 8 | |
    5. quality | INT | 4 | |
    6. val | DOUBLE | 8 | |
    7. point_id | VARCHAR | 256 | TAG |
    8. point_name | VARCHAR | 256 | TAG |
    9. unit | NCHAR | 10 | TAG |
    10. Query OK, 6 row(s) in set (0.008236s)

    6. 创建数据采集任务

    登入控制台,点击数据写入->数据源->添加数据源

    填写数据源名称,选择类型:OPC-UA,代理选刚新建的代理 agent-vm1,目标数据库 opcdemo,输入 OPC UA Server 的服务地址。

    本文代理模式下,OPC UA Server 部署在vm1上,服务地址填写 127.0.0.1 即可,端口号及详细信息参见 PROSYS Simulation Server 的 Status 页面。

    点击“选择文件”按钮,进入 CSV 文件导入界面。

    采集间隔设置为 1 秒,采集模式设置为 observe。

    本次 CSV 共采集 10 个点位,为优化写入性能,将批次大小调整为 10。如有必要,可选择开启 Debug 日志。

    7. 数据采集验证

    登入控制台,点击数据浏览器->Sql,执行多次最新数据查询语句,观察查询结果。如结果行时间戳单调递增,则表示数据采集链路工作正常,数据已正常入库了。

    select last_row(*) from opcdemo.stb_double;

    8. 数据可视化

    Grafana 部署在本地 MacBook Pro 上,希望访问云服务上的 TDengine 实例中的 opcdemo 库的数据。根据云服务控制台【工具-Grafana】页面的指引,填入 Host、Cloud Token,删除 User、Password,保存退出。

    选择 Import Dashboard,点击 Upload JSON file 导入 OPCDemo.json 文件(文件代码详见 OPC Demo-0925.json - TDengine | 涛思数据),选择对应的 TDengine 的 DataSource,完成 Dashboard 导入。

    点击 OPC Demo Dashboard,打开该仪表板,可以观察到实时数据的变化。

    9. OPC Demo Dashboard 使用说明

    该仪表盘可以选择三个物理量作为监控对象:metric01、metric02、metric03,分别对应:冷床出口水分、工艺流量、烘丝出口温度,位于第一行,可通过下拉框选择;用户可设置设备离线阈值 offline_threshold(单位:秒),通过下拉框选择。

    首行三个控件,分别是 metric01 的分钟级数采完备率、整体数采完备率以及在线状态。

    在烟草生产行业,数据采集是否有缺漏,是企业数据运营管理的基础。在本文中我们提出两个指标来衡量数采完备:分钟级数采完备率、整体数采完备率。

    9.1 分钟级数采完备率

    算法说明:以一分钟划分时间窗口,分段计算当前时间区间(最近 5/15/30 分钟…)内 metric01 物理量采集点数除以 60 后的比值 – 默认数据生成间隔为 1000ms,即 1 秒。

    select _wstart, count(*)/60 from opcdemo.$metric01 where _c0 >= $from and _c0 < $to interval(1m) limit 100 offset 1

    9.2 整体数采完备率

    算法说明:计算 metric01 物理量采集点数除以当前时间区间内秒级跨度的比值,spread 计算的时间值单位与 opcdemo 库的 precision 一致,默认为 ms。

    select count(*)/(spread(_c0 )/1000+1) from opcdemo.$metric01 where _c0 >= $from and _c0 < $to

    9.3 在线状态

    设备是否按设计要求及时上报数据,可通过在线状态的监测来实现。如在指定时间阈值内无采集数据到达,显示红色 offline 以示警。

    算法说明:判断 metric01 物理量在指定离线阈值内是否有数据入库,如有则判 Online,否则判 Offline。

    select count(*) from (select last_row(*) from opcdemo.$metric01 where _c0 >= now-$offline_thresholds)

    三个 Gauge 仪表表头控件,用于显示烘丝出口水分、工艺流量、烘丝出口温度的最新值。

    select last_row(val) from opcdemo.$metric01

    三个 TimeSeries 曲线控件,用于显示烘丝出口水分、工艺流量、烘丝出口温度在当前时间区间内的动态曲线,显示值为动态时间窗口内采集值的算术平均值。

    select _wstart, avg(val) from opcdemo.$metric01 where _c0 >= $from and _c0 < $to interval($interval) fill(null)

    以上以制丝车间的几个典型参数为例,介绍了如何利用 TDengine 的 OPC 连接器,将数据采集入库,并通过 Grafana 将这些参数以动态可视化方式直观地呈现出来。

    掌握了以上基本语法,大家可以举一反三,结合自己的实际业务要求,不用写一行代码,就可以轻松地定制自己专属的 Grafana Dashboard,进行实时采集数据监控了。

    10. 开发实时业务应用

    前面阐述了如何基于 TDengine 实现 OPC 数采接入、持久化,以及基于 Grafana 方便地实现实时数据的可视化。估计会有读者想更进一步了解如何基于 TDengine 来开发实时业务应用,如 SPC 统计过程控制能否方便地实现呢?

    下面我们简单介绍一下,如何利用 TDengine 来开发 SPC 实时业务应用。

    SPC:统计过程控制是工业界广泛使用的质量分析工具,它采用统计技术对生产过程的某个物理量进行实时监控计算,快速识别出生产过程中产品质量的随机波动与异常波动,对生产过程的异常趋势提出预警,以便生产管理人员及时采取措施,消除异常,恢复过程的稳定,从而达到提高和控制质量的目的。

    SPC 的第一步是计算标准差。TDengine 提供 stddev 标准差函数,方便用户快速从时序数据算得标准差 σ。

    通过实时查询可获取指定时间段的时序数据,再通过 TDengine 内嵌函数即可直接算得:均值 μ(avg)、最大(max)、最小(min)、跨距(spread)。

    结合前面算得的标准差 σ、该物理量设计的合格上下限范围 USL-LSL、目标值 T,可算得 SPC 各过程参数:Cp/Cr/Cpu/Cpl/Cpk/Cpm/Pp/Pr/Ppu/Ppl/Ppk/Ppm。

    TDengine 提供各种主流编程语言如 C/C++、Java、Go、RUST、Python、C# 的驱动程序,也提供 RESTful 接口,支持 SQL 语法,因此应用开发的学习成本几乎为零,十分简单。

    11. 总结

    很多用户对于如何快速、便捷呈现工业现场的实时时序数据比较畏惧,觉得需要耗费大量人力进行应用开发才能实现,影响了时序数据快速有效的利用。其实,和 IT 运维采用 Telegraf+TDengine+Grafana 一样,烟草生产企业可以非常方便地利用 TDengine 的 OPC 接入能力,通过搭建 OPC+TDengine+Grafana 方案,快速实现低代码的业务数据监控。

    需要说明的是,本文的例子是一较简单的场景:taosX Agent 代理和 OPC UA Server 部署在同一节点上。其他的场景可以从这个场景中演变而来,如:

    • taosX Agent 与 OPC UA Server 分别部署在不同节点上
    • 部署多个 taosX Agent,每个 Agent 对接多个 OPC UA Server

    实际部署拓扑都可以按需规划、实施,取决于您实际的部署需求。

    TDengine 不仅支持 OPC,也支持 MQTT, PI System, Wonderware 等数据源的无缝接入,受篇幅所限本文不多做介绍,仅分享基于 TDengine Cloud 提供 OPC+TDengine+Grafana 方案的具体实现。这套方案同样可以基于 TDengine Enterprise 企业版来实现,如果您有这样的需求,请联系北京涛思商务团队获取相关资源。

    直播视频回放:

    TDengine 行业产品经理聊聊以烟草行业为例,如何基于 PLC + OPC + TDengine 快速搭建工业生产监测系统_哔哩哔哩_bilibili


     了解更多 TDengine Database的具体细节,可在GitHub上查看相关源代码。

  • 相关阅读:
    IPv6与VoIP——配置Cisco CME实现VoIP实验
    Redis的Java客户端-Jedis
    Lua速成(2)
    《向量数据库指南》——用 Milvus Cloud和 NVIDIA Merlin 搭建高效推荐系统结果
    isset()函数判断变量是否设置且非NULL
    Linux进程间通信模式
    如此狂妄,自称高性能队列的Disruptor有啥来头?
    公众版与政企版,这两款云电脑我都要
    React-Native优质开源项目介绍
    Python Requests 丨爬虫基础入门
  • 原文地址:https://blog.csdn.net/taos_data/article/details/134155485