introducción
Sparkplug es un protocolo de comunicación basado en MQTT diseñado específicamente para aplicaciones de IoT y automatización industrial. Para crear una solución Sparkplug, se necesitan dos componentes principales: uno es el intermediario MQTT, que es responsable de la distribución y administración de mensajes; el otro es el nodo perimetral, que es responsable de conectar los dispositivos locales al intermediario para el procesamiento de datos en tiempo real. y análisis.
En este artículo, utilizaremos el MQTT Broker distribuido de código abierto EMQX y el software de puerta de enlace de protocolo industrial de borde Neuron para construir una plataforma escalable y robusta para implementar soluciones Sparkplug. Exploraremos la arquitectura de la solución Sparkplug en detalle y profundizaremos en los roles que desempeñan EMQX y Neuron en ella.
El papel de EMQX en Sparkplug
EMQX se utiliza para crear el espacio de nombres del tema MQTT que se ajusta a la especificación Sparkplug. El espacio de nombres Sparkplug define la estructura y el contenido de los mensajes MQTT publicados y suscritos por los dispositivos. A través de EMQX, podemos asegurarnos de que todos los mensajes enviados y recibidos del espacio de nombres Sparkplug tengan el formato adecuado y cumplan con la especificación Sparkplug.
El papel de Neuron en Sparkplug
Neuron se utiliza para conectar dispositivos perimetrales al espacio de nombres Sparkplug en EMQX Broker. Actúa como una puerta de enlace responsable de recopilar datos de sensores y controladores locales y publicarlos en EMQX utilizando el formato de carga útil Sparkplug. Al mismo tiempo, Neuron también se suscribe a los mensajes en el espacio de nombres Sparkplug y los reenvía al dispositivo local según sea necesario.
El nuevo papel de EMQX y Neuron
Mediante el uso sinérgico de EMQX y Neuron, se puede crear un espacio de nombres unificado para aplicaciones de IoT industrial. Este es un método de nomenclatura común basado en temas de MQTT, para que los dispositivos y las aplicaciones puedan comunicarse entre sí utilizando cualquier protocolo en cualquier ubicación. Todos los dispositivos y aplicaciones usan la misma jerarquía de temas MQTT, basada en un conjunto común de convenciones de nomenclatura y modelos de datos. Esto permite el descubrimiento automático y la comunicación entre dispositivos sin enrutamiento complejo o mecanismos de traducción.
EMQX implementa soporte para un espacio de nombres unificado mediante la definición de una jerarquía de temas que se ajusta a las convenciones de nomenclatura de dispositivos y aplicaciones y modelos de datos. Tal jerarquía de temas puede incluir temas como datos de dispositivos, comandos de control, alarmas y eventos, todos organizados de manera estandarizada. Este diseño de espacio de nombres unificado permite que los dispositivos y las aplicaciones se descubran e interactúen entre sí.
Neuron admite un espacio de nombres unificado mediante el uso de las mismas reglas de nomenclatura y modelo de datos que MQTT Broker. Esto permite que Neuron se integre a la perfección con otros componentes del sistema IoT, lo que permite que los dispositivos se comuniquen con diferentes protocolos en diferentes ubicaciones.
Arquitectura de solución de bujía
El uso de EMQX y la solución MQTT Sparkplug de Neuron se puede integrar en una arquitectura de tres niveles. Como se muestra en la figura a continuación, todos los dispositivos y aplicaciones conectados al espacio de nombres unificado se pueden dividir en dos niveles, el productor de datos inferior o el consumidor de datos superior. EMQX y Neuron están ubicados en la capa intermedia, desempeñando el papel de intercambio de datos y realizando la comunicación entre productores y consumidores de datos.
- Capa de automatización : en el proceso de producción automatizado, la capa de automatización consta de varios dispositivos y aplicaciones que generan grandes cantidades de datos en bruto y no estructurados. La mayoría de estos dispositivos y aplicaciones se implementan en fábricas o centros de datos.
- Capa de espacio de nombres unificado : esta capa consta de EMQX MQTT Broker y Neuron Gateway, que son responsables de la transmisión y conversión de datos. Neuron ayuda a publicar datos de sensores o dispositivos en EMQX en formato de mensaje Sparkplug, y EMQX reenvía los datos de los productores a los suscriptores. EMQX también es responsable de mantener la información de estado del sistema, incluidos los equipos y sus datos relacionados.
- Capa de aplicación : esta es la capa compuesta por aplicaciones, que obtienen datos de la capa de espacio de nombres unificado y los utilizan para funciones como análisis, monitoreo y control. Estas aplicaciones se pueden implementar localmente o en la nube según los requisitos del sistema.
A continuación, presentaremos la situación de cada nivel por separado.
capa de automatización
La capa de automatización puede proporcionar información sobre todo el proceso de producción automatizado de la fábrica. Esta información proviene de los siguientes tipos de dispositivos o sistemas:
- Dispositivos de campo: dispositivos que realizan la recopilación y el control de datos en el mundo físico, como máquinas herramienta CNC, sensores y actuadores.
- Equipos de control: Diversos controladores utilizados para controlar el funcionamiento de los equipos de campo, como PLC, PAC, DCS, etc. Ejecutan algoritmos de control y se comunican con dispositivos de campo.
- Sistemas de supervisión: dispositivos tales como interfaz hombre-máquina (HMI) y sistemas de control y adquisición de datos (SCADA) de supervisión.
- Sistemas de información: aplicaciones de software como bases de datos, historiadores de datos, sistemas de ejecución de fabricación (MES), planificación de recursos empresariales (ERP), etc., utilizadas para almacenar y analizar datos adquiridos de los equipos o sistemas mencionados anteriormente.
En la producción diaria, los dispositivos de campo se encargan de recopilar datos del mundo físico y enviarlos a los dispositivos de control. El dispositivo de control procesa los datos y envía comandos a los dispositivos de campo para controlar su comportamiento. El sistema de monitoreo monitorea el estado operativo del equipo de control y retroalimenta la información al operador y al sistema de información. El sistema de información es responsable de recopilar y almacenar datos de varios dispositivos y sistemas de bajo nivel, y de proporcionar servicios de consulta de información a otros sistemas empresariales. Este flujo de información permite que los sistemas automatizados funcionen de manera eficiente y confiable. Sin embargo, esta información son datos sin procesar y sin estructura que deben normalizarse y recibir una semántica contextual antes de que puedan usarse para un análisis más profundo.
Capa de espacio de nombres unificado
La capa de espacio de nombres unificado integra todos los datos no estructurados y sin procesar generados por la capa de automatización y realiza un procesamiento semántico contextual. Es un proceso de normalización y contextualización de datos que reúne datos de una variedad de fuentes dispares en una fuente de información unificada y con marca de tiempo. Estos datos se organizan y se accede a ellos de manera uniforme y estandarizada, independientemente de la fuente o el formato.
Estos datos normalizados y contextualizados contienen toda la información relevante para un propósito específico, como el rendimiento del equipo, las condiciones ambientales, la producción y otros indicadores importantes para las operaciones industriales. Es decir, brindar semántica contextual brinda una vista única, significativa y unificada de todos los datos dentro de una organización. Las organizaciones industriales pueden aprovechar estos datos contextualizados para obtener una visión completa y holística de sus operaciones, lo que les permite tomar decisiones más informadas y optimizar sus procesos para una mayor eficiencia y rentabilidad.
capa de aplicación
La capa de aplicación es donde las aplicaciones aprovechan los datos con semántica contextual para el análisis, como inteligencia artificial/aprendizaje automático y mantenimiento predictivo, y optimizan las operaciones de la planta en función de los resultados del análisis. Estas aplicaciones pueden suscribirse a puntos de datos o nodos de equipos de interés y obtener información actualizada en tiempo real, lo que permite que las fábricas respondan a los cambios en el proceso de producción de manera oportuna.
Los datos con semántica contextual pueden mejorar la calidad de los datos utilizados por la inteligencia artificial y los modelos de aprendizaje automático. Estos modelos pueden aprovechar información contextual adicional y metadatos para comprender e interpretar mejor los datos, reducir los errores y aumentar la precisión. Además, los datos con semántica contextual también mejoran el poder predictivo de la inteligencia artificial y los modelos de aprendizaje automático. Los modelos pueden hacer predicciones más precisas sobre eventos o resultados futuros basados en información más contextual.
epílogo
En resumen, al usar EMQX y Neuron en una solución Sparkplug, se puede lograr fácilmente un análisis contextual y los datos se pueden compartir de manera precisa y consistente en todo el sistema. Esta solución no solo permite el descubrimiento y la comunicación entre dispositivos y aplicaciones de diferentes sistemas de nombres, sino que también es compatible con varias aplicaciones analíticas, como inteligencia artificial/aprendizaje automático, análisis comercial de BI y control predictivo. Esto permite a los tomadores de decisiones obtener información más precisa y resultados procesables para tomar decisiones informadas basadas en datos y análisis confiables.
Declaración de derechos de autor: este artículo es original de EMQ, indique la fuente para la reimpresión.
Enlace original: https://www.emqx.com/zh/blog/mqtt-sparkplug-solution-for-industrial-iot-using-emqx-and-neuron