备案控制台
探索云世界
开发者社区 数据库 文章 正文

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

2023-11-01 83
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
云原生数据库 PolarDB MySQL 版，Serverless 5000PCU 100GB
推荐场景：
PolarDB for MySQL 多主集群体验
云数据库 Redis 版，社区版 2GB
推荐场景：
搭建游戏排行榜
云数据库 RDS MySQL Serverless，0.5-2RCU 50GB
推荐场景：
学生管理系统数据库设计 搭建个人博客
简介： 本文以 TDengine Cloud 为例，介绍如何使用 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。


tar xf taosx-agent-xxx-linux-x64.tar.gz
cd taosx-agent-xxx-linux-x64
./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)


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
tbname,point_id,type,stable,ts_col,tag::nchar(10)::unit
d_1008,ns=3;i=1008,double,stb_double,ts,%H
d_1009,ns=3;i=1009,double,stb_double,ts,kg/h
d_1010,ns=3;i=1010,double,stb_double,ts,℃
d_1011,ns=3;i=1011,double,stb_double,ts,%H
d_1012,ns=3;i=1012,double,stb_double,ts,kg/h
d_1013,ns=3;i=1013,double,stb_double,ts,℃
d_1014,ns=3;i=1014,double,stb_double,ts,%H
d_1015,ns=3;i=1015,double,stb_double,ts,kg/h
d_1016,ns=3;i=1016,double,stb_double,ts,℃
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。


taos> desc stb_double;
             field              |          type          |   length    |    note    |
=====================================================================================
 ts                             | TIMESTAMP              |           8 |            |
 quality                        | INT                    |           4 |            |
 val                            | DOUBLE                 |           8 |            |
 point_id                       | VARCHAR                |         256 | TAG        |
 point_name                     | VARCHAR                |         256 | TAG        |
 unit                           | NCHAR                  |          10 | TAG        |
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 https://www.taosdata.com/uncategorized/21958.html），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：

文章标签：
可观测可视化 Grafana 版
数据可视化
数据采集
BI
监控
算法
TDengine
目录
相关文章
河北稳控科技
|
存储 域名解析 数据安全/隐私保护
离线云监测系统OCMS软件
OCMS 是什么？ OCMS （ Offline Cloud Monitoring System）是利用人们熟知的稳定可靠的第三方电子邮件、FTP 服务商提供的数据永久存储服务作为中间环节，监测设备向服务器发送数据，监测软件从服务器获取数据的以非实时在线的方式工作的无线监测预警系统。 具有数据可靠、部署快捷、操作简单、无需在线等主要优势和特点。
河北稳控科技
168 0
离线云监测系统OCMS软件
阿珊和她的猫
|
1月前
|
Web App开发 编解码 安全
WebRTC 入门：开启实时通信的新篇章(下)
WebRTC 入门：开启实时通信的新篇章(下)
阿珊和她的猫
54 1
阿珊和她的猫
|
1月前
|
Web App开发 移动开发 前端开发
WebRTC 入门：开启实时通信的新篇章(上)
WebRTC 入门：开启实时通信的新篇章(上)
阿珊和她的猫
42 0
深度学习入门到放弃
|
6月前
|
存储 SQL 监控
生产在线监控SCADA系统设计与实现
生产在线监控SCADA系统设计与实现
深度学习入门到放弃
56 0
道亦无名
|
7月前
|
存储 安全
在线监测污水排放的方案
在线监测污水排放的方案
道亦无名
56 0
山东布谷科技魏
|
7月前
|
运维 监控 安全
软件源码开发，网络中的“摄像头”：运维监控系统
总之，监控运维系统在软件源码开发平台中有着不可或缺的作用，通过以上分析，可以看出监控运维系统不只是监控着服务器、数据库、操作系统等，还可以为软件源码开发平台运维团队提供资源管理、容量规划、日志与事件记录等作用，确保着软件源码开发平台的系统和服务的正常运行。
山东布谷科技魏
115 2
软件源码开发，网络中的“摄像头”：运维监控系统
HeartSuit
|
11月前
|
存储 JavaScript 前端开发
TDengine极简实战：从采集到入库，从前端到后端，体验物联网设备数据流转
TDengine极简实战：从采集到入库，从前端到后端，体验物联网设备数据流转
HeartSuit
1057 1
架构师研究会
|
11月前
|
数据采集 传感器 存储
工控系统 SCADA（监控和数据采集）系统简介
工控系统 SCADA（监控和数据采集）系统简介
架构师研究会
767 0
wljslmz
|
存储 监控 安全
网络视频监控如何入门？如何安装和配置、设备选择和实时监控？
网络视频监控如何入门？如何安装和配置、设备选择和实时监控？
wljslmz
662 0
快跑bug来啦
|
缓存 数据处理
海思3559万能平台搭建：协议的采集和解析
海思3559万能平台搭建：协议的采集和解析
快跑bug来啦
130 0
海思3559万能平台搭建：协议的采集和解析

数据库

热门文章

最新文章

  • 1
    ETCD系列之一：简介
  • 2
    为PostgreSQL讨说法 - 浅析《UBER ENGINEERING SWITCHED FROM POSTGRES TO MYSQL》
  • 3
    德哥的PostgreSQL私房菜 - 史上最屌PG资料合集
  • 4
    redis4.0、codis、阿里云redis 3种redis集群对比分析
  • 5
    什么场景应该用 MongoDB ？
  • 6
    PostgreSQL 如何实现批量更新、删除、插入
  • 7
    MongoDB Sharded cluster架构原理
  • 8
    Redis Stream——作为消息队列的典型应用场景
  • 9
    PostgreSQL upsert功能(insert on conflict do)的用法
  • 10
    Linux 性能诊断 perf使用指南
  • 1
    初体验：数据库监控、管理和可观测性工具（PMM）
    5
  • 2
    史上首次！阿里云（PolarDB）荣膺“2023年度十大软件著作权人”
    13
  • 3
    mysql用in查询大量数据的方法
    11
  • 4
    MySQL的`IN`的优化经验
    10
  • 5
    深入剖析Redis哨兵模式的原理和应用
    11
  • 6
    阿里云数据库内核 Apache Doris 基于 Workload Group 的负载隔离能力解读
    18
  • 7
    【Spring系列笔记】依赖注入，循环依赖以及三级缓存
    8
  • 8
    国内独家｜阿里云瑶池发布ClickHouse企业版：云原生Serverless新体验
    20
  • 9
    clickhouse SQL优化
    11
  • 10
    Redis分区容错秘诀：解密主从模式
    18

    • 相关课程

    更多
  • 大数据分析之企业级网站流量运营分析系统开发实战（第二阶段）
  • 阿里云实时数仓实战 - 数据生成及采集
  • 大数据分析之企业级网站流量运营分析系统开发实战（第四阶段）
  • 运维监控系统
  • 应用发布新版本如何保障流量无损
  • 大数据分析之企业级网站流量运营分析系统开发实战（第三阶段）

    • 相关电子书

    更多
  • 基于云的实时音视频通信系统
  • 亿级场景化的实时音视频通讯服务
  • 多媒体行业质量监控最佳实践

    • 相关实验场景

    更多
  • 配置流程编排实现根据天气情况播放歌曲
  • 基于DTS构建一站式实时数据服务
  • 利用大模型大规模分发技术，实现AIGC在线应用秒级弹性
  • 温控器设备接入IoT物联网平台与数据管理实践
  • 使用物联网平台远程管理运维设备
  • lindorm多模间数据无缝流转
    • 下一篇
    2024年阿里云免费云服务器及学生云服务器申请教程参考