TRANSFORMAÇÃO DIGITAL 42 um conjunto específico de variáveis críticas da máquina. Seguidamente, o NiFi realiza a extração e a transformação destas variáveis, configurando dois processadores personalizados para estabelecer um fluxo de dados entre o Servidor OPC e o NiFi, obtendo os valores do PLC da máquina de maquinagem. Posteriormente, os dados são enviados para um sistema de filas, como o Kafka, que retém os dados até que o PySpark os consuma, garantindo a sequência de entrega através do método FIFO. O PySpark, na sua modalidade Streaming, processa e analisa o conjunto de dados utilizando DataFrames, comparando-os com leituras históricas para supervisionar o estado atual de cada variável e detetar possíveis anomalias. Quanto ao armazenamento e persistência dos dados, opta-se pelo InfluxDB como base de dados não relacional, onde os dados de séries cronológicas são armazenados e ordenados de acordo com os registos de data e hora. A visualização destes dados é feita através do Grafana, que realiza consultas ao InfluxDB e apresenta os resultados num painel de controlo através de painéis, permitindo a interpretação intuitiva dos valores para os trabalhadores da fábrica. TESTES E RESULTADOS Nesta secção, abordamos testes que examinam o desempenho de 3 dos protocolos industriais mencionados anteriormente, centrando-nos na taxa de amostragem e na utilização da CPU e da RAM como aspetos fundamentais. Ao avaliar a taxa de amostragem, procuramos determinar a eficiência dos protocolos na transmissão e receção de dados. De igual modo, a avaliação da utilização da CPU e da RAM proporciona perspetivas sobre o impacto destes protocolos nos recursos computacionais do sistema. A extração de variáveis do PLC realiza-se, como se mostra na Figura 4, através de uma ligação direta à máquina por meio de um cabo Ethernet. Este processo requer a ligação do cabo a um equipamento com um ambiente Python e as bibliotecas necessárias para extrair dados, ou a um ambiente NiFi. Durante os testes, foram avaliados três protocolos em três máquinas diferentes. Especificamente, foi utilizado o Modbus TCP para obter variáveis da máquina de brochagem EKIN A218, o Ethernet/IP para a máquina de torneamento Danobat TV-1500 e, por fim, o OPC-UA para extrair variáveis da fresadora de 5 eixos IBARMIA THR 16. Frequências de amostragem Em ambientes IIoT, conseguir uma conetividade de alto desempenho é crucial devido à importância dos requisitos de baixa latência na tomada de decisões em tempo real para aplicações de extração de dados. Nesta secção, centramo-nos na avaliação da taxa de amostragem dos protocolos industriais. No primeiro teste, foi medido o tempo que cada protocolo demorava a recuperar lotes de diferentes tamanhos, em que cada lote corresponde a um conjunto diferente de variáveis da máquina. Além disso, foram recolhidas métricas de desempenho para lotes maiores, a fim de avaliar a escalabilidade da plataforma. Figura 3. Plataforma de deteção de anomalias em tempo real.
RkJQdWJsaXNoZXIy Njg1MjYx