# PMC_OEE

**Repository Path**: weloveut1/pmc_oee

## Basic Information

- **Project Name**: PMC_OEE
- **Description**: AI的项目
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-09-19
- **Last Updated**: 2025-10-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 项目名称：基于OPCUA协议的设备性能指标统计软件

## 产品概述

本产品是一款专为工业设备监控和性能分析设计的软件解决方案，基于OPC-UA协议实现设备数据的采集、传输、存储和可视化展示。系统通过MQTT协议实现数据的实时传输，利用InfluxDB进行时序数据的高效存储，同时提供直观的Web界面进行数据监控和性能指标分析。该软件旨在帮助企业提高设备管理效率，降低故障率，优化生产流程，实现数字化转型。

## 项目背景

随着工业4.0和智能制造的快速发展，工业设备的智能化管理和性能监控成为企业提升竞争力的关键因素。然而，传统的设备监控系统往往存在数据采集不及时、分析手段落后、可视化效果不佳等问题。此外，不同厂商的设备采用不同的通信协议，导致数据孤岛现象严重，难以实现统一管理和分析。

OPC-UA（OPC Unified Architecture）作为工业自动化领域的通用通信协议，具有跨平台、高安全性、可靠性强等特点，已成为工业物联网的重要标准。本项目基于OPC-UA协议开发设备性能指标统计软件，旨在解决传统设备监控系统的不足，为企业提供全面、高效的设备管理解决方案。

## 软件优势

1. **标准化协议支持**：基于OPC-UA标准协议，确保与各种工业设备的兼容性和数据互通性。
2. **实时数据采集**：支持高频数据采集和传输，确保监控数据的实时性和准确性。
3. **高效时序存储**：采用InfluxDB作为时序数据库，高效存储和查询海量设备运行数据。
4. **直观数据可视化**：提供丰富的图表和仪表盘，直观展示设备性能指标和运行趋势。
5. **灵活部署方案**：支持本地部署和远程访问，适应不同企业的网络环境和安全需求。
6. **模拟数据支持**：在无真实数据时自动生成模拟数据，确保系统功能完整性和演示效果。
7. **响应式界面设计**：适配不同屏幕尺寸，支持PC端和移动设备访问。
8. **易于扩展定制**：模块化设计，便于功能扩展和定制开发，满足不同行业和场景需求。

## 运行环境

### 硬件环境
- CPU：Intel Core i3或更高配置
- 内存：4GB或更高
- 硬盘空间：至少10GB可用空间
- 网络：支持以太网或Wi-Fi连接

### 软件环境
- 操作系统：Windows 7/10/11，Linux（Ubuntu 18.04+，CentOS 7+）
- Web浏览器：Chrome 90+，Firefox 88+，Safari 14+，Edge 90+
- Python版本：3.6及以上
- MQTT服务器：Eclipse Mosquitto 2.0及以上
- InfluxDB：v2.x版本
- OPC-UA服务器：兼容OPC-UA 1.04规范的服务器

## 总体设计

### 系统架构

本系统采用多层架构设计，主要包括：

1. **数据采集层**：通过OPC-UA客户端（opcua_client1.py）从OPC-UA服务器采集设备数据。
2. **数据传输层**：使用MQTT协议将采集到的数据实时传输到前端应用。
3. **数据存储层**：利用InfluxDB存储历史数据，支持时序数据的高效查询和分析。
4. **数据处理层**：通过Flask后端服务（backen.py）处理数据查询、聚合和分析请求。
5. **数据展示层**：提供Web界面（mqtt_data_display.html和dashboard.html）进行实时监控和历史数据分析。

### 核心组件

1. **OPC-UA客户端**：负责与OPC-UA服务器建立连接，读取设备数据并发布到MQTT。
2. **MQTT服务器**：作为数据传输的中间件，实现客户端和服务器之间的消息传递。
3. **Flask后端**：提供RESTful API，处理前端的数据请求，与InfluxDB交互。
4. **InfluxDB数据库**：存储时序数据，支持高效的数据查询和分析。
5. **Web前端应用**：提供用户界面，展示实时数据和历史数据图表。

## 软件程序流程图

```
设备数据 → OPC-UA服务器 → OPC-UA客户端(opcua_client1.py) → MQTT服务器
                                                                ↓
Web浏览器 → Web前端应用(mqtt_data_display.html) ←──────┘
     ↓
Web前端应用(dashboard.html) → Flask后端(backen.py) → InfluxDB数据库
```

## 软件启动步骤

### 1. 启动MQTT服务器

使用项目中的mosquitto.conf配置文件启动Mosquitto MQTT服务器：

```bash
# Windows系统
mosquitto -c mosquitto.conf

# Linux系统
sudo mosquitto -c mosquitto.conf
```

### 2. 启动InfluxDB服务器

按照InfluxDB的安装指南启动InfluxDB服务：

```bash
# Windows系统（通过服务管理器启动或使用命令行）
net start influxdb

# Linux系统
sudo systemctl start influxdb
```

### 3. 启动OPC-UA客户端

运行Python脚本连接到OPC-UA服务器并开始采集数据：

```bash
python opcua_client1.py
```

### 4. 启动Flask后端服务

运行Flask后端服务以提供数据API：

```bash
cd dashboard
python backen.py
```

### 5. 打开Web应用

- 双击打开`mqtt_data_display.html`文件，访问实时数据监控页面
- 双击打开`dashboard/dashboard.html`文件，访问数据可视化仪表盘

## 项目描述

本项目是基于OPCUA协议的设备性能指标统计软件，通过MQTT协议接收和展示OPC-UA数据，并利用InfluxDB进行数据存储和分析。系统提供实时数据监控、历史数据查询、设备性能指标分析和数据可视化功能，帮助用户直观地了解设备运行状态和各项关键指标。

## 软件功能

### 1. 实时数据采集与传输
- 通过OPC-UA协议从设备采集实时运行数据
- 支持MQTT协议进行数据的实时传输
- 数据采集频率可配置，满足不同场景需求

### 2. 数据存储与管理
- 使用InfluxDB时序数据库存储历史数据
- 支持数据的长期保存和高效查询
- 提供数据聚合功能，优化存储和查询性能

### 3. 实时数据监控
- 实时显示设备运行状态和关键指标
- 提供连接状态指示和错误处理机制
- 支持断线重连和模拟数据生成

### 4. 历史数据分析与可视化
- 提供多时间范围的数据查询功能（今天、本周、本月、本年）
- 生成设备性能指标趋势图表（开动率、设备利用率、设备停机率、MTBF、MTTR）
- 支持图表的缩放、平移和数据提示功能

### 5. 设备性能指标统计
- 自动计算设备开动率、利用率和停机率
- 统计MTBF（平均故障间隔时间）和MTTR（平均修复时间）
- 支持多种模式和状态的累计运行时间统计

### 6. 用户界面功能
- 响应式设计，适配不同屏幕尺寸
- 美观的深色主题，提高长时间使用的舒适度
- 数据更新时的平滑动画效果，提升用户体验

## 项目结构

```
c:\python\
├── app.js                # 主应用逻辑文件，包含MQTT连接和数据处理功能
├── dashboard\            # 仪表盘相关文件
│   ├── backen.py         # Flask后端服务，提供数据API和InfluxDB查询功能
│   └── dashboard.html    # 数据可视化仪表盘页面
├── lib\                  # 第三方库文件
│   ├── echarts.min.js    # ECharts图表库（本地版本）
│   └── font-awesome.min.css # Font Awesome图标库
├── mosquitto.conf        # MQTT服务器配置文件
├── mqtt.min.js           # Paho MQTT JavaScript客户端库（本地版本）
├── mqtt_data_display.html # 实时数据监控页面
├── opcua_client1.py      # OPC-UA客户端脚本
├── styles.css            # 样式文件，定义页面外观
└── README.md             # 项目说明文档
```

## 系统要求

- Web浏览器（支持HTML5和JavaScript）
- Python 3.6+（用于运行后端服务）
- 运行中的MQTT服务器（推荐使用Mosquitto）
- 运行中的InfluxDB服务器（用于数据存储和查询）
- OPC-UA服务器（提供数据来源）

## 关闭软件步骤

### 1. 关闭Web浏览器

关闭打开的Web浏览器窗口，退出所有Web应用页面。

### 2. 停止Flask后端服务

在运行Flask后端服务的终端窗口中，按Ctrl+C组合键停止服务。

### 3. 停止OPC-UA客户端

在运行OPC-UA客户端的终端窗口中，按Ctrl+C组合键停止客户端。

### 4. 停止InfluxDB服务器

```bash
# Windows系统
net stop influxdb

# Linux系统
sudo systemctl stop influxdb
```

### 5. 停止MQTT服务器

在运行MQTT服务器的终端窗口中，按Ctrl+C组合键停止服务器，或使用以下命令：

```bash
# Windows系统
net stop mosquitto

# Linux系统
sudo systemctl stop mosquitto
```

## 安装指南

### 1. 安装并配置MQTT服务器

1. 下载并安装Mosquitto MQTT服务器
2. 使用项目中的`mosquitto.conf`配置文件启动服务器，确保开启了WebSocket支持（端口9001）

### 2. 安装并配置InfluxDB

1. 下载并安装InfluxDB（推荐使用v2.x版本）
2. 创建组织（org）、桶（bucket）和访问令牌（token）
3. 确保InfluxDB配置与`backen.py`中的设置匹配

### 3. 安装Python依赖

1. 确保已安装Python 3.6或更高版本
2. 安装所需的Python库：
   ```
   pip install flask influxdb-client
   ```

### 4. 部署项目

1. 将项目文件放置在本地目录中
2. 启动Flask后端服务：
   ```
   python dashboard/backen.py
   ```
3. 直接双击`mqtt_data_display.html`打开实时监控页面
4. 直接双击`dashboard/dashboard.html`打开数据可视化仪表盘

## 使用说明

### 实时数据监控（mqtt_data_display.html）

1. 确保MQTT服务器正在运行（端口1883用于MQTT，端口9001用于WebSocket）
2. 打开`mqtt_data_display.html`文件
3. 系统会自动尝试连接到本地MQTT服务器（ws://127.0.0.1:9001）
4. 成功连接后，页面将显示实时接收到的数据
5. 如果连接失败，系统会自动切换到模拟数据模式

### 数据可视化仪表盘（dashboard/dashboard.html）

1. 确保Flask后端服务正在运行（端口5000）
2. 确保InfluxDB服务器正在运行并已存储历史数据
3. 打开`dashboard/dashboard.html`文件
4. 页面会自动连接到后端服务获取历史数据
5. 可以通过时间范围选择器（今天、本周、本月、本年）查看不同时间段的数据
6. 点击"刷新数据"按钮可以手动更新图表数据
7. 所有图表均支持响应式布局，可适应不同屏幕尺寸

### 数据聚合查询

1. 后端服务`backen.py`已配置为每分钟聚合查询数据
2. 当选择不同时间范围时，系统会根据范围采用合适的采样率
   - 今天：每5分钟一个数据点
   - 本周：每30分钟一个数据点
   - 本月：每2小时一个数据点
3. 如果InfluxDB中没有数据，系统会自动生成模拟数据以确保良好的用户体验

## 主要功能

### 实时数据监控功能

- 实时显示当前模式时间、状态时间和总时间
- 展示各模式（模式0-3）的累计运行时间
- 详细显示模式1的17种状态累计时间
- 提供连接状态指示和错误处理
- 支持断线重连和模拟数据生成
- 响应式设计，适配不同屏幕尺寸
- 数据更新时的动画效果

### 数据可视化仪表盘功能

- 设备性能指标趋势图表（开动率、设备利用率、设备停机率、MTBF、MTTR）
- 多时间范围数据查询（今天、本周、本月、本年）
- 每分钟数据聚合计算平均值
- 根据时间范围自动调整数据采样率
- 图表支持缩放、平移和数据提示
- 完整的错误处理和模拟数据生成
- 美观的深色主题设计
- 完全本地引用的ECharts库支持离线使用

## 配置说明

### MQTT连接配置

在`app.js`文件中可以修改以下配置：
- `mqttBroker`: MQTT服务器WebSocket地址
- `clientId`: 客户端ID（自动生成随机ID）
- `reconnectInterval`: 重连间隔时间（毫秒）
- `topics`: 要订阅的MQTT主题列表

### Mosquitto服务器配置

`mosquitto.conf`文件包含MQTT服务器的配置，主要包括：
- 监听器配置（端口1883用于MQTT，端口9001用于WebSocket）
- 匿名访问设置
- 其他高级配置选项

### InfluxDB服务器配置

在`backen.py`文件中可以修改以下InfluxDB配置：
```python
# InfluxDB连接配置
INFLUXDB_URL = "http://127.0.0.1:8086"
INFLUXDB_TOKEN = "kUkD07jJNMNQbjW4Bd2McanlQKl-jXpjr5TtO7gJNP-90gOjoB-J2NJLEjPRoaauSkap2LgjUjRiNyw0WykxWw=="
INFLUXDB_ORG = "lee"
INFLUXDB_BUCKET = "pmc"
```

### Flask后端服务配置

在`backen.py`文件中可以修改以下配置：
- 数据聚合间隔（默认为每分钟聚合）
- 不同时间范围的数据采样率
- Flask服务器运行端口（默认5000）
- 日志级别和输出方式

### 数据聚合和采样率配置

在`backen.py`文件中的`generate_mock_data`函数可以调整不同时间范围的采样率：
```python
# 采样率设置（根据时间范围调整数据点密度）
sample_rates = {
    "day": 5,    # 每5分钟一个点
    "week": 30,  # 每30分钟一个点
    "month": 120,# 每2小时一个点
    "year": 720  # 每12小时一个点
}
```

## 开发说明

### 实时监控页面开发

如需扩展或修改实时监控页面，可以：
1. 在`app.js`中添加更多数据处理逻辑
2. 在`styles.css`中修改页面样式
3. 在`mqtt_data_display.html`中调整页面布局或添加新的数据展示区域
4. 根据需要添加更多的MQTT主题订阅

### 后端服务开发

如需扩展或修改Flask后端服务，可以：
1. 在`backen.py`中添加新的API端点
2. 调整InfluxDB查询逻辑和数据聚合方式
3. 修改模拟数据生成算法以更好地模拟真实场景
4. 添加新的错误处理和日志记录功能

### 仪表盘开发

如需扩展或修改数据可视化仪表盘，可以：
1. 在`dashboard.html`中添加新的图表或数据展示组件
2. 使用ECharts配置更多类型的图表
3. 修改图表样式以匹配整体设计风格
4. 添加新的交互功能，如数据筛选、导出等

### API接口说明

Flask后端服务提供以下主要API接口：

#### `/api/performance-data`
获取设备性能指标的历史数据
- **参数**：`time_range`（可选，默认为"day"）- 时间范围，可选值："day", "week", "month", "year"
- **返回**：JSON格式的性能数据，包含时间戳和各项指标值

#### `/api/latest-metrics`
获取最新的设备性能指标
- **参数**：无
- **返回**：JSON格式的最新指标数据

#### `/api/health`
检查后端服务和数据库连接健康状态
- **参数**：无
- **返回**：JSON格式的健康状态信息

#### `/`
根路径，返回简单的服务状态信息
- **参数**：无
- **返回**：文本格式的服务状态信息

## 算法说明
总时间 =生产总时间+维修总时间+手动操作总时间
生产总时间=状态UNDEFINED+状态CLEARING+状态STOPPED+状态STARTING+状态IDLE+状态SUSPENDED+状态EXECUTE+状态STOPPING+状态ABORTING+状态ABORTED+状态HOLDING+停线时间+状态UNHOLDING+状态SUSPENDING+状态UNSUSPENDING+状态RESETTING+状态COMPLETING+状态COMPLETED
开动率=状态EXECUTE/生产总时间*100%
设备利用率=状态EXECUTE/总时间*100%
设备停机率=1-设备利用率
MTBF=状态EXECUTE/停线次数
MTTR=停线时间/停线次数

## 状态清单
状态0:状态UNDEFINED
状态1:状态CLEARING
状态2:状态STOPPED
状态3:状态STARTING
状态4:状态IDLE
状态5:状态SUSPENDED
状态6:状态EXECUTE
状态7:状态STOPPING
状态8:状态ABORTING
状态9:状态ABORTED
状态10:状态HOLDING
状态11:停线时间
状态12:状态UNHOLDING
状态13:状态SUSPENDING
状态14:状态UNSUSPENDING
状态15:状态RESETTING
状态16:状态COMPLETING
状态17:状态COMPLETED

## 许可证

本项目采用MIT许可证。