##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Анотація
Впровадження концепції Індустрії 4.0 у сфері спиртової промисловості передбачає інтеграцію передових цифрових технологій та підходів у виробничий процес. Однією з інновацій є використання моделей машинного навчання в технологічній системі для забезпечення точного контролю та оптимізації процесів виробництва та якості продукції. Однак для реалізації таких моделей необхідний доступ до обширного архіву технологічних даних, а також відповідні інтерфейси для взаємодії з ними, що породжує проблему розробки програмно-інформаційної структури, яка задовольняє ці потреби і відповідає стандартам Промислового Інтернету Речей (IIoT).
У даному дослідженні розглядаються питання ефективного збору, передачі та збереження технологічних даних виробничого підприємства. Представлений механізм доступу до накопичених даних для їх подальшої обробки моделями інтелектуального аналізу. Також сформована базова архітектура, побудована на хмарному підході, для практичної реалізації системи обробки виробничої інформації. Цей підхід базується на результативних вітчизняних та міжнародних дослідженнях у цій області.
Для втілення хмарної архітектури використано такі програмні засоби: симулятор промислового контролера Unity Pro, інструмент потокової розробки Node-RED для передачі даних, база даних часових рядів InfluxDB та сервіс машинного навчання Grafana Machine Learning. Подано детальний опис налаштування взаємодії між цими компонентами на прикладі збору даних з об’єкта спиртової промисловості та досягнення прогнозування майбутньої поведінки системи.
Запропонована архітектура базується на гнучких програмних ресурсах, які надають широкий спектр API для взаємодії з різноманітними сервісами та додатками. Це дає можливість використовувати запропоновану структуру як основу для проектування подібних систем.
##plugins.themes.bootstrap3.article.details##
Посилання
2. I. Ungurean, N.C. Gaitan, "A software architecture for the Industrial Internet of Things – A conceptual model," Sensors, vol. 20, no. 19, pp. 5603, 2020. https://doi.org/10.3390/s20195603
3. C. E. Cotet, et al., "An innovative industry 4.0 cloud data transfer method for an automated waste collection system," Sustainability, vol. 12, no. 5, pp. 1839, 2020. https://doi.org/10.3390/su12051839
4. E. Manavalan, K. Jayakrishna, "A review of Internet of Things (IoT) embedded sustainable supply chain for industry 4.0 requirements," Computers & Industrial Engineering, vol. 127, pp. 925-953, 2019. https://doi.org/10.1016/j.cie.2018.11.030
5. M. T. Okano, "IOT and industry 4.0: the industrial new revolution," in International Conference on Management and Information Systems, vol. 25, 2017.
6. S. Krčo, B. Pokrić, F. Carrez, "Designing IoT architecture (s): A European perspective," in 2014 IEEE World Forum on Internet of Things (WF-IoT), pp. 79-84, 2014.
7. S. A. Al-Qaseemi, et al., "IoT architecture challenges and issues: Lack of standardization," in 2016 Future Technologies Conference (FTC), IEEE, 2016. https://doi.org/10.1109/FTC.2016.7821686
8. A. F. da Silva, et al., "A cloud-based architecture for the internet of things targeting industrial devices remote monitoring and control," IFAC-PapersOnLine, vol. 49, no. 30, pp. 108-113, 2016. https://doi.org/10.1016/j.ifacol.2016.11.137
9. I. Ungurean, N. C. Gaitan, "A software architecture for the Industrial Internet of Things—A conceptual model," Sensors, vol. 20, no. 19, pp. 5603, 2020. https://doi.org/10.3390/s20195603
10. T. M. Tukade, R. Banakar, "Data transfer protocols in IoT—An overview," Int. J. Pure Appl. Math, vol. 118, no. 16, pp. 121-138, 2018.
11. M. D. Mudaliar, N. Sivakumar, "IoT based real time energy monitoring system using Raspberry Pi," Internet of Things, vol. 12, pp. 100292, 2020. https://doi.org/10.1016/j.iot.2020.100292
12. K. Chooruang, K. Meekul, "Design of an IoT energy monitoring system," in 2018 16th International Conference on ICT and Knowledge Engineering (ICT&KE), IEEE, 2018. https://doi.org/10.1109/ICTKE.2018.8612412
13. S. Gangadhar, "The real time environmental time series data analysis using Influx DB," International Journal of Advanced Scientific Innovation, vol. 1, no. 1, 2020. https://doi.org/10.5281/zenodo.4641703
14. M. Nasar, M. A. Kausar, "Suitability of influxdb database for iot applications," International Journal of Innovative Technology and Exploring Engineering, vol. 8, no. 10, pp. 1850-1857, 2019.
15. S. N. Zehra Naqvi, S. Yfantidou, E. Zimányi, "Time series databases and influxdb," Studienarbeit, Université Libre de Bruxelles, vol. 12, 2017.
16. M. Cicioğlu, A. Calhan, "Internet of Things-based firefighters for disaster case management," IEEE Sensors Journal, vol. 21, no. 1, pp. 612-619, 2020. https://doi.org/10.1109/JSEN.2020.3013333
17. A. Gavlas, J. Zwierzyna, J. Koziorek, "Possibilities of transfer process data from PLC to Cloud platforms based on IoT," IFAC-PapersOnLine, vol. 51, no. 6, pp. 156-161, 2018. https://doi.org/10.1016/j.ifacol.2018.07.146