Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/77900
Type: | TCC |
Title: | Supervisão de dados utilizando Node-Red, Node.Js e ReactJS para adaptação de sistemas legados ao contexto da indústria 4.0 |
Authors: | Ponte, Francisco Werlley Gonçalves |
Advisor: | Melo, Reuber Regis de |
Keywords in Brazilian Portuguese : | Node-RED;Node.Js;ReactJS;Indústria 4.0;Sistema de supervisão |
Keywords in English : | Industry 4.0;Supervision System |
Knowledge Areas - CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
Issue Date: | 2022 |
Citation: | PONTE, Francisco Werlley Gonçalves. Supervisão de dados utilizando Node-Red, Node.Js e ReactJS para adaptação de sistemas legados ao contexto da indústria 4.0, 2022. TCC (Curso de graduação em Engenharia Elétrica) - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2022. |
Abstract in Brazilian Portuguese: | Neste trabalho foi desenvolvido um ecossistema ciberfísico como proposta para pequenas e médias automações, adaptando sistemas legados aos conceitos de Indústria 4.0. O controlador lógico programável da Siemens é utilizado em comunicação com gateway usando a ferramenta Node-RED para enviar os dados obtidos à aplicação desenvolvida com Node.js, que por sua vez é hospedada no serviço de cloud da Amazon. Para leitura dos dados foi desenvolvido um sistema de supervisão WEB privado em ReactJS capaz de apresentar de forma gráfica as amostras obtidas em tempo real, assim como realizar o download do seu histórico. De modo a aferir informações das amostras coletadas, foi utilizado o classificador k-vizinhos mais próximos (do inglês, K-Nearest Neighbors – KNN) para diagnosticar as falhas que possam ocorrer no processo estudado, de maneira a alertar o usuário. Por fim, o ecossistema foi aplicado em um dispositivo do laboratório de controle da universidade, e utilizando um conjunto de 82 amostras obtidas a partir de um dataset foi possível executar com êxito o ecossistema proposto. Após a execução do sistema, foi observado que todas as 82 amostras adquiridas foram coletadas e armazenadas sem nenhuma perda e o classificador de falhas apresentou 85% de acurácia. O acompanhamento dos parâmetros do sistema aconteceu de forma fácil, prática e intuitiva por meio do sistema de supervisão desenvolvido sem nenhum investimento financeiro em licenças de softwares externos ou treinamentos. |
Abstract: | In this paper a cyber ecosystem was developed as a proposal for small and medium automations, adapting legacy systems to concepts of Industry 4.0. The Siemens Programmable Logic Controller is used in gateway communication using the Node-RED tool to send data obtained to the application developed with Node.Js, which in turn is hosted on the Amazon Cloud service. To read the data, a private web supervision system has been developed in ReactJS able to graphically display the samples obtained in real time, as well as downloading your history. In order to assess information from the collected samples, the K - Nearest Neighbors (KNN) classifier was used to diagnose failures that may occur in the process studied, so as to alert the user. Finally, the ecosystem was applied to a device in the university’s control laboratory, and using a set of 82 samples from a dataset it was possible to successfully run the proposed ecosystem. After the system was executed, it was observed that all 82 purchased samples were collected and stored without any loss and the failure classifier showed 85% accuracy. The follow-up of system parameters happened easily, practical and intuitively through the supervision system developed without any financial investment in external software licenses or training. |
URI: | http://repositorio.ufc.br/handle/riufc/77900 |
Author's Lattes: | http://lattes.cnpq.br/1057405045229273 |
Advisor's ORCID: | https://orcid.org/0000-0003-4462-7764 |
Advisor's Lattes: | http://lattes.cnpq.br/6125671540583140 |
Access Rights: | Acesso Aberto |
Appears in Collections: | ENGENHARIA ELÉTRICA - SOBRAL - Monografias |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
2022_tcc_fwgponte.pdf | 3,76 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.