分享
基于Node-red的工业大数据人才培养探索.pdf
下载文档

ID:3074743

大小:2.75MB

页数:5页

格式:PDF

时间:2024-01-19

收藏 分享赚钱
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
基于 Node red 工业 数据 人才培养 探索
张安思:基于 Node-red 的工业大数据人才培养探索055基于 Node-red 的工业大数据人才培养探索张安思(贵州大学省部共建公共大数据国家重点实验室,贵州贵阳550025)摘要:在新工科建设与“中国制造 2025”的战略背景下,本文基于 IBM 公司开源的数据流可视化编程工具 Node-red,探索工业大数据人才培养的方法与途径。目前,高校工业大数据人才培养大多缺乏必要的业务“场景”和技术,考虑到 Node-red 可灵活、高效地编写各种专业 IoT 项目的优势,使用 Node-red 对工业设备数据进行感知、融合及可视化实践,可以使学生获得对工业大数据较为全面的认识,从而形成实践性的认识方法和思维方式。关键词:Node-red;人才培养;工业大数据;智能制造;新工科基金项目:贵州省高等学校人才培养基地项目(黔教合 KY 字2020009);贵州省教育厅青年科技人才成长项目(黔教合 KY 字2022142 号);贵州大学引进人才科研项目(贵大人基合字202174 号)。作者简介:张安思,男,博士,贵州大学省部共建公共大数据国家重点实验室讲师。无论是德国“工业 4.0”、美国“工业互联网”还是“中国制造 2025”,各国制造业创新战略的实施,都是以工业大数据的搜集和特征分析为基础,并以此为未来制造系统搭建无忧环境1。工业大数据是未来工业在全球市场竞争中发挥优势的关键。因此,在国家新工科建设与“中国制造 2025”的战略背景下,探索工业大数据人才培养方法和途径具有重要意义2。本文针对目前工业大数据人才培养中存在的问题,结合工业大数据人才培养方法、途径及实践经验,对优化与改进工业大数据人才培养模式提出建议。一、工业大数据人才培养中存在的问题工业大数据广泛分布于机器设备、工056 Academic and Practise 学术与实践业产品、管理系统、互联网等各个环节,结构复杂,既有结构化和半结构化的传感数据,也有非结构化数据。工业大数据涉及的内容较广,具有多学科交叉、知识点分散的特点。由于每个行业特点差别较大,专业侧重点也不同,在工业大数据人才培养中存在学生学习不系统、学习内容重难点不突出等问题,难以形成一个完整的知识体系。通过调研和学生反馈,发现工业大数据人才培养中存在以下问题亟需解决:工业大数据相关专业缺乏必要的工业业务“场景”和技术训练,容易使学生对工业大数据技术应用的理解停留在抽象的概念层面上,当有机会面临真实的工作场景时,难以胜任工作提出的各项任务和要求。二、Node-red 简介Node-red 是 2013 年由 IBM(International Business Machines Corporation)旗下的新兴技术集团项目开发的一个基于流程编程的可视化编程开发工具,最初目的是简化物联网和集成项目的概念验证工作。由于 IBM新兴技术集团的许多项目涉及大部分用于集成不同设备和传感器的样板代码,造成每次重写身份验证或硬件-硬件集成之类的库都十分麻烦。所以,IBM 新兴技术集团就研发了 Node-red,其可以隐藏样板代码并形成可调用节点来代替许多命令以及功能,从而实现只拖动节点便可大量复制代码。Node-red 是开源的。目前,Node-red已经开源了 3 200 多个节点,包括各种硬件类型、API 集成和其他独特的场景。使用者可以在自己的硬件系统中添加和使用这些节点,大大提高工作效率。在浏览器界面编辑 Node-red,通过拖拽和连接节点可以把硬件设备、API 和在线服务连接在一起,利用一些节点对信息进行运算、处理,或自定义信息显示可视化界面,从而达到想要实现的功能。得益于 Node-red 允许使用者在无需拥有大量编程知识设计代码的情况下连接设备与网络,因此使用的人也越来越多。快速性、便捷性、灵活性让 Node-red 已经成为连接硬件设备的流行工具。无论是对于个人还是团体,Node-red 都具有非常广泛的用途。对个人而言,Node-red 的便捷性可以让使用者利用 Node-red 打造自己的智能家居,通过 Node-red 的仪表板来开启或关闭联网灯、温度计、湿度计。甚至可以用 Node-red 连接任何一个已连接家庭网络的设备。在其他领域,Node-red 也有非常广泛的应用。比如医疗机构可以利用 Node-red 监控医院中的设备,或者通过协调和跟踪设备,减轻医疗工作者重复检查设备的工作,提高工作效率。在工业领域,许多张安思:基于 Node-red 的工业大数据人才培养探索057大公司的产品都支持 Node-red,比如西门子公司的 IoT20003。研华公司的 WISE PaaS 网 关 以 及 美 国 OPTO Groov EPIC 等设备中都安装了 Node-red,表明 Node-red在工业物联网和控制中已经开始广泛应用。Node-red 和 Docker、MQTT、InFluxDB 等术语同时出现在许多网络文章中4-6。三、基于 Node-red 的工业大数据人才培养探索针对目前高校工业大数据人才培养存在的问题,本文基于 MTconnect 和 Node-red 对数控设备的监控功能,重点展示Node-red 如何灵活、高效地完成工业大数据数据感知及可视化过程,以期为工业大数据人才培养的业务“场景”、技术、方法和途径提供一些启发。2008 年,美国制造技术协会推出了一项名为“MTconnect 协议”的机床通用标准,并向全世界的生产设备制造商推广。该协议能够使相互孤立的机床通过互联网相连接,构成一个庞大的机床网络,用户可以随时远程访问机床数据,实时对设备的状态、信息等进行监控。MTconnect 和 Node-red 对数控设备的状态监控主要分为设备数据获取、数据解析和数据可视化三个主要步骤。在 Node-red 里,设备数据获取、解析和可视化的所有节点流程如图 1 所示。第一,数据获取。当网络成功连接后,利用 Node-red 使用 http 请求节点,向获取图 1Node-red 在设备数据获取、解析和可视化的节点流程058 Academic and Practise 学术与实践数据网址发送请求,Node-red 实现代码如图 2 所示。图中左边是 http 请求模块,右边是输入的链接配置代码。第二,数据解析。Node-red 接收到远端的 xml 数据文件后,需要使用 Node-red中的 xml 节点对数据进行解析。Node-red实现代码如图 3 所示。右边的 xml 节点无需配置,xml 模块处理输出转化后形成 json数据,可输入到 function 节点编写代码,提取感兴趣的数据。第三,数据可视化。使用 Node-red 中的 dashboard 仪表盘,将可视化节点拖进后进行简单配置,就可以完成如图 4 所示的设备数据可视化展示。图 4基于 Node-red 仪表盘模块的设备数据可视化结果图 2Node-red 使用 http 节点请求设备 MTconnect 数据图 3Node-red 使用 xml 节点解析数据张安思:基于 Node-red 的工业大数据人才培养探索059通过以上步骤,完成基于 MTconnect和 Node-red 的数控设备状态监控业务。若使用常用的程序语言开发新设备,需掌握的相关知识更多,开发工作量也更大,使用 Node-red 完成数控设备状态监控业务,明晰、方便、高效。四、结语Node-red 已经开源了 3 200 多个节点,包括各种硬件类型、API 集成和其他独特的场景,Node-red 可通过请求服务器的人工智能数据处理算法接口,对采集到的工业大数据进行融合分析。所以,Node-red 同时也具备强大的数据融合分析能力。基于Node-red 工具,学生可方便、高效地搭建工业数据感知及可视化业务“场景”和技术训练,以此提升业务能力,为以后从事大数据相关工作作好准备。参考文献:1 李培根.工科何以而新 J.高等工程教育研究,2017(4):1-4+15.2 蔡红霞,刘丽兰,王小静.智能制造新工科专业建设探索 J.教育教学论坛,2019(20):107-110.3 王弘扬,肖威,孙云辉,等.OPC UA 与 Node-red 技术在 IOT2040 物联网网关的应用 J.制造业自动化,2018,40(7):58-60.4 谢作如,林淼焱.用 Node-RED 让物联网数据可视化 J.中国信息技术教育,2019(11):78-81.5 Niulescu I V,Korodi A.Supervisory Control and Data Acquisition Approach in Node-RED:Application and DiscussionsJ.IoT,2020,1:76-91.6 Fiaidhi J,Mohammed S.Virtual Care for Cyberphysical Systems(VH_CPS):NODE-RED,Community of Practice and Thick Data Analytics EcosystemJ.Computer Communications,2021,170:84-94.

此文档下载收益归作者所有

下载文档
你可能关注的文档
收起
展开