Platforma monitoringu IoT z Grafaną | Wgląd w dane w czasie rzeczywistym

Klient

Firma produkcyjna potrzebowała pełnej widoczności pracy linii produkcyjnych i maszyn. Kluczowe były dashboardy pokazujące bieżący status każdej maszyny oraz stan całego procesu produkcyjnego. Dodatkowo wymagane były rozbudowane analizy historyczne, aby identyfikować trendy dla poszczególnych maszyn i optymalizować wydajność.

Wyzwanie

Klient mierzył się z kilkoma kluczowymi problemami:

Oprócz zbierania danych z brokera MQTT konieczne było obliczanie szeregu wyspecjalizowanych wskaźników, które nie były dostępne bezpośrednio z PLC i linii produkcyjnych.
Aby to osiągnąć, przygotowano zestaw skryptów, które pobierały dane z surowej bazy, wyliczały metryki w locie i zapisywały wyniki w osobnej bazie danych do zaawansowanej wizualizacji.

Rozwiązanie umożliwiło monitoring w czasie rzeczywistym, a jednocześnie działało podobnie do Power BI — pozwalając na głębszą analizę danych.

Opis rozwiązania

1. Broker MQTT do przechwytywania i agregowania danych z maszyn oraz metryk linii produkcyjnych.
2. Telegraf, Kapacitor, InfluxDB i Grafana do budowy dashboardów live oraz analiz trendów historycznych.
3. Serwer z Red Hat Enterprise Linux i Podman do uruchamiania aplikacji w kontenerach. Podejście kontenerowe uprościło wdrożenie i utrzymanie, a także zwiększyło bezpieczeństwo i przenośność. Dzięki zgodności z nowoczesnymi praktykami cloud-native rozwiązanie można łatwo zaadaptować do Kubernetes lub usług AWS, co zapewnia elastyczność pod przyszłą rozbudowę i integracje.

Rezultaty i dostarczona wartość

1. Skonfigurowaliśmy serwer Red Hat Enterprise Linux z Podman jako środowiskiem uruchomieniowym kontenerów.
2. Przygotowaliśmy Podman Compose dla całego stacku aplikacyjnego, dzięki czemu klient może łatwo modyfikować i aktualizować usługi przy zachowaniu dobrych praktyk wdrożeń kontenerowych.
3. Skonfigurowaliśmy zadania Kapacitor, które w sposób ciągły przetwarzają dane i wyliczają niestandardowe metryki procesowe.
4. Wdrożyliśmy InfluxDB do przechowywania danych IoT odbieranych z brokera MQTT — jako wysokowydajną bazę time-series zarówno do analiz w czasie rzeczywistym, jak i historycznych.
5. Skonfigurowaliśmy dashboardy Grafana wizualizujące dane z InfluxDB, zapewniając interesariuszom czytelny interfejs do monitorowania trendów, wykrywania anomalii i podejmowania decyzji w oparciu o dane.

Wykorzystane technologie

1. System operacyjny: Red Hat Enterprise Linux
2. Monitoring: Grafana, InfluxDB, Telegraf, Kapacitor
3. Konteneryzacja: Podman