零代码玩转工业物联网:用EMQ Neuron+明道云实现空压机智能运维
最近和几位在工厂负责设备管理的朋友聊天,大家普遍头疼一个问题:车间里那些“傻大黑粗”的生产设备,比如空压机、水泵、风机,每天闷头干活,能耗多少、状态如何、什么时候该保养,全靠老师傅的经验和定期巡检。一旦出故障,轻则产线停顿,重则造成安全事故。他们问我,有没有一种办法,不用写一行代码,就能让这些“哑巴设备”开口说话,实现预测性维护?这让我想起了之前深度体验过的一套组合方案:EMQ Neuron和明道云。今天,我就以一个空压机房的实际能耗数据采集与智能运维项目为例,拆解如何一步步搭建这套系统,让你亲眼看到数据如何从设备边缘“流”到管理者的决策看板上。
这套方案的核心思路非常清晰:在设备现场,用Neuron这个工业协议网关“听懂”空压机PLC的Modbus语言,把数据采集上来;然后,利用eKuiper在网关侧对数据进行实时清洗和计算,比如计算瞬时功率、识别异常波动,只把有价值的结果上报,这能节省大量上行带宽和云端计算资源;最后,通过MQTT协议将处理后的数据推送到明道云平台,利用其零代码能力,快速搭建出设备档案、实时监控、报警工单和预测性维护看板。整个过程,你只需要在图形界面上进行配置和拖拽,完全不需要开发人员介入。这对于设备运维工程师、生产主管甚至IT部门的同事来说,门槛大大降低,却能带来实实在在的降本增效。
1. 项目规划与边缘侧设备连接
在动手连接线缆和配置软件之前,清晰的规划是成功的一半。我们这次的目标是工厂里三台关键的螺杆式空压机,每台都自带西门子S7-1200 PLC控制器,用于监测运行状态、出口压力、温度、运行时间和累积耗电量。我们的任务是让这些数据“上网”。
1.1 硬件与网络架构准备
首先,你需要一台部署在空压机房现场的工业计算机或网关设备。它的角色至关重要,相当于整个系统的“边缘大脑”。我推荐使用具备以下特性的硬件:
- 处理器:x86或ARM架构均可,主频1GHz以上。
- 内存:至少2GB RAM。
- 存储:32GB SSD或更大容量,用于安装系统和存储临时数据。
- 网络:至少两个网口,一个连接工厂内网(通往云端),另一个连接设备层网络(通常是与PLC通讯的局域网)。
- 操作系统:推荐安装Ubuntu Server 20.04 LTS或更高版本,系统稳定且软件生态丰富。
物理连接很简单:用网线将网关的第二个网口与空压机PLC所在的交换机或直接与PLC的网口连接。确保网关的第一个网口可以访问互联网(或至少能连接到部署了明道云服务的内部服务器)。拓扑结构可以理解为:空压机PLC -> 边缘网关(运行Neuron+eKuiper) -> 工厂网络/互联网 -> 明道云平台。
注意:在连接PLC网络前,务必与设备供应商或工厂电气工程师确认PLC的IP地址段、子网掩码和网关信息,避免配置冲突导致生产线网络异常。
1.2 Neuron网关的安装与基础配置
Neuron是EMQ开源的工业协议网关软件,它的任务就是充当“翻译官”,把各种工业协议(如Modbus TCP/RTU, OPC UA, Siemens S7等)转换成统一的MQTT消息。我们通过SSH登录到边缘网关,开始安装。
# 添加EMQ的APT仓库并安装Neuron
echo "deb [signed-by=/usr/share/keyrings/emqx.gpg] https://repos.emqx.io/neuron/deb/ubuntu/ ./jammy main" | sudo tee /etc/apt/sources.list.d/emqx_neuron.list
curl -fsSL https://repos.emqx.io/gpg.pub | sudo gpg --dearmor -o /usr/share/keyrings/emqx.gpg
sudo apt update
sudo apt install neuron
安装完成后,启动Neuron服务:sudo systemctl start neuron。默认情况下,Neuron的Web管理界面运行在7000端口。在局域网内用浏览器访问 http://<你的网关IP>:7000 即可看到管理界面。
首次登录后,我们需要创建一个“北向应用”,这是Neuron与外界通讯的出口。我们选择MQTT作为协议,并配置它连接到本机即将部署的EMQX Broker(MQTT服务器),或者你也可以直接配置连接到云端的公共MQTT服务。这里为了简化,我们在同一台网关上也安装EMQX。
# 安装EMQX
wget https://www.emqx.com/zh/downloads/broker/5.0/emqx-5.0.26-ubuntu20.04-amd64.deb
sudo apt install ./emqx-5.0.26-ubuntu20.04-amd64.deb
sudo systemctl start emqx
回到Neuron界面,在北向应用配置中,填写MQTT服务器地址为 127.0.0.1:1883(本地EMQX),并设置一个客户端ID和主题前缀,例如 neuron/aircompressor。
接下来是关键一步:添加“南向设备”,也就是我们的空压机PLC。在Neuron中创建一个新的设备节点,驱动选择 Modbus TCP,填写PLC的IP地址(例如 192.168.1.100)和端口(默认为502)。然后,我们需要根据空压机PLC的Modbus寄存器映射表,来创建对应的数据采集点(Tags)。
假设我们从厂家手册中获得了以下关键数据点的寄存器地址:
| 数据点名称 | 寄存器地址 | 数据类型 | 系数 | 单位 | 说明 |
|---|---|---|---|---|---|
| 运行状态 | 40001 | UINT16 | 1 | - | 1运行,0停止 |
| 出口压力 | 40002 | INT16 | 0.1 | Bar | 实际值=寄存器值*0.1 |
| 电机温度 | 40003 | INT16 | 1 | °C | |
| 累计运行时间 | 40004-40005 | UINT32 | 1 | Hour | 双字寄存器 |
| 累计耗电量 | 40006-40007 | UINT32 | 0.1 | kWh | 双字寄存器 |
在Neuron的Web界面中,为这个设备节点逐一添加这些Tag。对于双字(32位)数据,如累计耗电量,需要特别注意字节序(Byte Order),通常Modbus设备使用“大端序”(Big-Endian)。添加完成后,Neuron就会开始以你设定的频率(比如每秒一次)轮询这些寄存器,并将读取到的值转换为浮点数或整数,通过之前配置的MQTT北向应用发布出去。到这一步,设备数据就已经成功“采上来”了。
2. 边缘流处理:用eKuiper实现数据清洗与轻量计算
如果让Neuron把每秒采集的所有原始数据都原封不动地发往云端,会产生巨大的数据流量,且很多数据(比如长时间不变的状态位)价值很低。这时,就需要eKuiper出场了。eKuiper是EMQ旗下的边缘流式处理引擎,它能在数据离开网关前,进行实时过滤、聚合和计算。
2.1 eKuiper的部署与规则创建
eKuiper可以单独部署,也可以与Neuron集成。为了部署简便,我们采用Docker方式在网关上运行eKuiper。
# 拉取eKuiper镜像
docker pull emqx/ekuiper:latest
# 运行eKuiper容器,并映射配置和日志目录
docker run -d --name kuiper \
-p 9081:9081 \
-v /path/to/kuiper/data:/kuiper/data \
-v /path/to/kuiper/log:/kuiper/log \
-v /path/to/kuiper/plugins:/kuiper/plugins \
emqx/ekuiper:latest
运行后,可以通过 http://<网关IP>:9081 访问eKuiper的管理控制台。我们需要创建一条规则,来处理Neuron上报的MQTT数据流。
首先,创建一个流(Stream),定义数据源。我们的数据来自EMQX Broker上Neuron发布的主题。
-- 在eKuiper的SQL编辑器中执行
CREATE STREAM aircompressor_stream (
node_name string,
group_name string,
tstp bigint,
status uint16,
pressure float,
temperature float,
total_runtime uint32,
total_energy float
) WITH (DATASOURCE="neuron/aircompressor/+/upload", FORMAT="json");
这条SQL语句创建了一个名为 aircompressor_stream 的流,它订阅了匹配 neuron/aircompressor/+/upload 模式的所有MQTT主题(+是通配符,代表设备节点名),并定义了JSON消息中各个字段的名称和类型。
2.2 设计实时计算逻辑
现在,我们可以针对这个流编写处理规则。对于空压机运维,我们关心以下几个衍生指标:
- 瞬时功率:通过计算单位时间内的耗电量差值来估算。由于PLC只提供累计耗电量,我们需要用eKuiper的
lag函数获取上一秒的数据。 - 能效比:粗略计算为当前输出压力与瞬时功率的比值,用于监控设备效率是否下降。
- 异常状态检测:当电机温度持续超过阈值(如90°C),或压力在运行状态下异常低于设定值,需要产生告警。
-- 创建处理规则
SELECT
node_name,
group_name,
tstp,
status,
pressure,
temperature,
total_runtime,
total_energy,
-- 计算瞬时功率 (kW): (本次能耗 - 上次能耗) / 时间间隔(小时)。假设1秒采集一次,间隔为1/3600小时。
(total_energy - lag(total_energy)) * 3600 as instant_power,
-- 计算简易能效比 (Bar/kW),当功率大于0.5kW时才计算,避免除零错误。
CASE WHEN (total_energy - lag(total_energy)) * 3600 > 0.5 THEN pressure / ((total_energy - lag(total_energy)) * 3600) ELSE 0 END as efficiency_ratio,
-- 判断高温告警
CASE WHEN temperature > 90 THEN 1 ELSE 0 END as overtemp_alarm,
-- 判断低压告警(设备运行中但压力低于6 Bar)
CASE WHEN status = 1 AND pressure < 6.0 THEN 1 ELSE 0 END as lowpressure_alarm
INTO processed_aircompressor
FROM aircompressor_stream
WHERE isNull(lag(total_energy)) = false -- 过滤掉第一条没有前值的数据
这条规则会持续运行,对每一批新到的数据进行计算,并将结果(包含原始数据和计算出的新字段)发布到新的MQTT主题,例如 ekuiper/processed/aircompressor。同时,我们还可以创建另一条规则,专门提取告警信息,并发布到一个独立的告警主题。
-- 创建告警规则
SELECT
node_name,
tstp,
'高温告警' as alarm_type,
temperature as alarm_value
INTO alarm_topic
FROM aircompressor_stream
WHERE temperature > 90
UNION ALL
SELECT
node_name,
tstp,
'低压告警' as alarm_type,
pressure as alarm_value
FROM aircompressor_stream
WHERE status = 1 AND pressure < 6.0
通过eKuiper的预处理,我们实现了:
- 数据降维:只上传经过计算、富含信息量的数据,流量减少超过60%。
- 边缘响应:告警规则在边缘侧毫秒级触发,比云端往返快得多。
- 减轻云端负载:复杂的流计算在边缘完成,云端只需做存储和展示。
3. 零代码构建明道云设备管理应用
数据已经通过EMQX Broker(作为MQTT中枢)从边缘网关汇聚过来。现在,我们需要在明道云中创建一个应用,来接收、存储、展示这些数据,并实现业务流程自动化。
3.1 配置数据接入:MQTT到工作表
明道云本身不直接订阅MQTT,我们需要一个“桥梁”。这里有两种主流方法:
- 使用EMQX的企业版数据桥接功能,直接将数据写入明道云支持的数据信(如MySQL)。
- 编写一个简单的HTTP推送服务(可以用Python Flask快速实现),订阅EMQX的
ekuiper/processed/aircompressor主题,然后调用明道云的OpenAPI将数据写入工作表。
为了体现零代码和方案的完整性,我们假设采用第一种方法的变体:在网关上安装MySQL,EMQX将处理后的数据写入本地MySQL,明道云通过其“数据集成”功能,从这台MySQL数据库同步数据。
首先,在网关安装MySQL,并创建一张表来接收数据。
CREATE DATABASE iiot;
USE iiot;
CREATE TABLE aircompressor_data (
id INT AUTO_INCREMENT PRIMARY KEY,
node_name VARCHAR(50),
group_name VARCHAR(50),
tstp BIGINT,
status SMALLINT,
pressure DECIMAL(5,2),
temperature DECIMAL(5,2),
total_runtime INT,
total_energy DECIMAL(10,2),
instant_power DECIMAL(8,2),
efficiency_ratio DECIMAL(8,2),
overtemp_alarm SMALLINT,
lowpressure_alarm SMALLINT,
create_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);
然后,在EMQX Dashboard中配置规则引擎,将eKuiper处理后的主题消息写入这张表。规则SQL如下:
SELECT
payload.node_name as node_name,
payload.group_name as group_name,
payload.tstp as tstp,
payload.status as status,
payload.pressure as pressure,
payload.temperature as temperature,
payload.total_runtime as total_runtime,
payload.total_energy as total_energy,
payload.instant_power as instant_power,
payload.efficiency_ratio as efficiency_ratio,
payload.overtemp_alarm as overtemp_alarm,
payload.lowpressure_alarm as lowpressure_alarm
FROM "ekuiper/processed/aircompressor"
为这条规则添加一个“动作”,动作类型选择“保存数据到MySQL”,配置好数据库连接信息(地址:localhost,端口:3306,数据库名:iiot,表名:aircompressor_data)和字段映射。至此,数据流就从设备端完整地流入了数据库。
接下来,登录明道云,创建一个新的应用,比如叫“空压机智能运维”。在应用内,创建一个“工作表”来对应数据库中的表。通过“集成中心”->“数据集成”,新建一个MySQL数据源,指向网关上的MySQL数据库。创建一个同步任务,将 aircompressor_data 表的数据实时同步到明道云的工作表中。明道云会自动根据表结构创建字段,你只需要做一次字段映射即可。之后,数据就会近乎实时地出现在明道云的工作表里。
3.2 搭建设备档案与监控看板
有了数据基础,我们就可以像搭积木一样构建应用界面。
- 设备档案表:新建一个工作表,手动录入或导入三台空压机的基础信息,如设备编号、型号、安装位置、供应商、上次保养日期等。通过“关联记录”字段,将实时数据表与设备档案表关联起来(通过
node_name或设备编号)。这样,在查看实时数据时,也能看到设备的静态信息。 - 实时监控看板:使用明道云的“仪表盘”功能。拖拽几个“统计卡片”组件,分别设置其数据源为实时数据表,并配置计算方式。例如:
- 卡片1:显示“当前运行数量”,数据筛选条件为
status = 1,计算方式为“计数”。 - 卡片2:显示“平均出口压力”,计算方式为“平均值”,字段选择
pressure。 - 卡片3:显示“总瞬时功率”,计算方式为“求和”,字段选择
instant_power。
- 卡片1:显示“当前运行数量”,数据筛选条件为
- 历史趋势图:拖拽一个“折线图”组件。X轴选择时间字段(可以用
create_time),Y轴可以添加多个序列,比如“压力”、“温度”、“瞬时功率”。你可以设置时间筛选器,查看过去1小时、24小时或自定义时间段的数据曲线。这个图对于发现压力缓慢下降、温度逐渐升高等趋势性异常非常有用。 - 告警列表:再创建一个“表格”组件,数据源设置为实时数据表,但添加筛选条件:
overtemp_alarm = 1 OR lowpressure_alarm = 1。这样,所有正在发生的告警都会实时显示在这个表格里,并且可以配置“刷新间隔”为10秒,实现准实时刷新。
3.3 实现自动化运维工作流
零代码的威力在业务流程自动化上体现得淋漓尽致。我们希望系统不仅能“看”,还能“干”。
场景一:自动生成预防性维护工单 空压机累计运行时间达到500小时就需要保养。我们可以在明道云中创建一个“自动化规则”(工作流)。
- 触发条件:选择“当记录被创建或更新时”(针对实时数据表)。
- 设置条件节点:判断
total_runtime字段值大于等于500,并且status为1(运行中)。 - 执行动作:
- 创建记录:在“保养工单”工作表中创建一条新记录,工单标题可以设置为“
{node_name}设备达到保养时限”,关联设备,并自动填入计划保养时间(当前时间)。 - 发送通知:通过“消息推送”动作,将工单信息发送到负责人的企业微信或钉钉群。
- 创建记录:在“保养工单”工作表中创建一条新记录,工单标题可以设置为“
场景二:紧急故障告警与派单
当eKuiper产生 overtemp_alarm 或 lowpressure_alarm 时,数据表中相应字段会变为1。
- 触发条件:同样选择实时数据表的“记录创建或更新”。
- 设置条件节点:判断
overtemp_alarm = 1 OR lowpressure_alarm = 1。 - 执行动作:
- 创建记录:在“紧急维修工单”工作表中创建记录,标题包含告警类型和设备名,优先级设为“高”。
- 分配任务:通过“更新记录”或“流程审批”节点,自动将工单分配给当班的维修班组。
- 多重通知:同时触发“发送短信”和“发送邮件”给相关责任人,确保告警不被遗漏。
通过这样两条简单的自动化流程,我们就将基于数据的洞察,转化为了可追踪、可考核的线下行动,形成了运维闭环。
4. 价值提炼与方案优化思考
项目上线运行一段时间后,我们回过头来审视,这套零代码方案到底带来了哪些实实在在的价值?除了显而易见的“无需编程”降低了技术门槛外,还有几个更深层次的收益点。
首先是成本结构的优化。很多初次接触物联网的工厂会担心流量费用。在我们的案例中,原始数据每秒上报一次,每条消息约几百字节,三台设备一天的数据量就很可观。而经过eKuiper边缘计算后,我们只上传了瞬时功率、能效比和告警状态等关键信息,数据量减少了70%以上。如果使用蜂窝网络(4G/5G)传输,这笔节省的流量费经年累月将非常可观。同时,边缘预处理也降低了对云端服务器计算性能的要求,可以使用更经济的云服务配置。
其次是响应速度的质变。传统的SCADA系统或云端分析,从数据采集到告警呈现,延迟通常在数秒到十几秒。而在我们的架构中,从Neuron采集数据,到eKuiper进行规则计算并产生告警消息,整个过程在边缘侧完成,延迟在毫秒级。对于空压机排气压力过低这种可能迅速影响生产的故障,这提前的几秒钟预警,可能就是避免一次停线的关键。
方案的灵活性与可扩展性也值得称道。假设工厂新购入了一台品牌、协议完全不同的空压机。我们不需要改动云端明道云的应用,只需要在边缘网关的Neuron中新增一个设备驱动(比如支持PROFINET),配置好新的数据点。eKuiper的规则可以复用或稍作修改,明道云的数据同步任务和看板通过简单的字段调整就能接入新设备的数据。整个扩展过程,核心业务逻辑(看板、工单)几乎不需要改动。
当然,在实际部署中,我们还会遇到一些需要优化和注意的细节:
- 数据断连与缓存:网络不稳定时,边缘网关需要具备数据缓存和断点续传能力。Neuron和eKuiper都支持将数据暂存于本地磁盘,待网络恢复后重新发布。需要在部署时配置合理的缓存策略。
- 安全加固:
- MQTT通信务必启用TLS加密,防止数据在传输中被窃听。
- EMQX和MySQL的访问需要设置强密码,并限制访问IP。
- 明道云的应用要做好角色权限管理,不同岗位的员工只能看到和操作自己权限范围内的数据和功能。
- 历史数据分析:明道云擅长实时监控和流程管理,但对于长期的、深度的历史数据分析(如预测设备剩余寿命)可能力有未逮。这时,可以定期将明道云工作表中的数据导出,或通过其API接口,同步到专门的数据分析平台(如帆软BI、Tableau)进行更复杂的建模分析。这套架构为后续的数据价值深挖留好了出口。
最后,我想分享一点个人体会。技术方案的选型,核心是匹配业务需求。对于大多数制造企业的设备运维部门,他们最需要的不是一个功能大而全、需要庞大团队维护的“工业互联网平台”,而是一个能快速上手、解决痛点、并且随着业务成长能灵活扩展的工具组合。EMQ Neuron + eKuiper + 明道云这套组合拳,恰好击中了这个甜蜜点。它把复杂的协议解析、实时计算和系统开发工作,封装成了可视化的配置和拖拽操作,让一线工程师能把精力从“怎么实现”转移到“怎么用好”上。当你看到车间主任每天早晨打开手机,就能对全厂空压机的健康状况和能耗一目了然,维修工单自动生成并推送到维修工的手机上,你就会觉得,这一切的折腾都是值得的。物联网的价值,最终就体现在这些具体、细微的效率提升和成本节约之中。
988



被折叠的 条评论
为什么被折叠?



