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

<!--StartFragment--> 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](https://www.taosdata.com/ "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](https://www.taosdata.com/ "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： * TDengine Cloud 的注册或登录请参照 <https://cloud.taosdata.com/login> * OPC UA Server 在本文中将采用 PROSYS OPCUA Simulation Server 5.4.6，下载地址为<https://www.prosysopc.com/products/opc-ua-simulation-server/> * Grafana 下载地址为 <https://grafana.com/grafana/download> ### 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](https://www.taosdata.com/ "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】](https://www.bilibili.com/video/BV1G94y1L7Vt/?share_source=copy_web&vd_source=52311e5ac647f1a7dd69f701f69e2528) <!--EndFragment-->