工业生产线 AI 监控系统

PLC AI 工业生产线 图形化界面
发布日期:   2026-04-29
更新日期:   2026-04-30
文章字数:   3.3k
阅读时长:   14 分
阅读次数:  

工业生产线 AI 监控系统

  • 目标：生产线实时监控 + 图形化界面 + AI 分析反馈决策

一、整体架构设计

采用工业物联网标准四层架构：

Neuron、EMQ X 与Ell集成架构

【PLC生产线】 ←Modbus TCP→ 【Neuron】 ←MQTT→ 【消息/数据库】 ←→ 【可视化大屏】 ←→ 【Ollama大模型】←→ 【分析决策】←→ 【预测性维护】

四层详细说明

  1. 设备层
    • PLC、传感器、执行器、生产线设备
    • 通信协议：Modbus TCP
  2. 采集层（你已用 Neuron）
    • Neuron 作为工业协议网关
    • 负责：采集 PLC 数据、点位映射、协议转换（转 MQTT）
  3. 平台层（服务器）
    • 消息中间件：MQTT Broker（EMQX 最推荐）
    • 时序数据库：InfluxDB / TDengine（存工业历史数据）
    • 服务接口：FastAPI/NodeJS（对接 Ollama 大模型）
  4. 应用层（核心交付）
    • 图形化监控大屏（Web 网页，可全屏、可投屏）
    • AI 分析决策、告警、报表、设备诊断、预测性维护

二、核心功能设计思路

1. Neuron 配置思路

Neuron 是整个系统的数据入口，配置目标：

  • 添加 Modbus TCP 南向驱动，连接 PLC
  • 配置 PLC 的 IP、端口、寄存器地址（保持与程序一致）
  • 开启 MQTT 北向应用，把数据推送到服务器 MQTT
  • 配置点位：温度、压力、转速、电流、产量、状态、报警等

最终效果：Neuron 自动把 PLC 数据实时上传到云端 / 服务器，无需写代码。

2. 数据流转设计（最关键）

PLC → Neuron(采集) → MQTT(传输) → 数据库(存储) → 可视化(展示) + AI(分析)
  • 实时性：100ms~500ms 刷新一次
  • 可靠性：断网续传、数据不丢失
  • 标准化：所有数据统一格式，方便 AI 读取

3. 图形化界面（Web 监控大屏）设计思路

使用 Grafana（工业最常用、零代码、最强可视化）

也可以用 DT Cloud / 自研 Vue 网页，但 Grafana 最快落地。

界面必须包含模块：

  1. 生产线总览（设备运行状态、整体流程图）
  2. 实时数据面板（温度、压力、电流、转速等数字仪表）
  3. 趋势曲线图（24 小时 / 7 天历史趋势）
  4. 告警面板（异常自动变红、弹窗、声音提示）
  5. 产量统计（当日产量、合格率、运行时长）
  6. AI 分析结果（大模型给出的诊断、建议）

4. Ollama 大模型接入思路（工业 AI 核心）

大模型不直接连 PLC，而是读取服务器的历史 / 实时数据做分析：

  • 异常诊断：数据异常 → 大模型分析原因
  • 预测性维护：根据历史趋势 → 预测设备可能故障时间
  • 自然语言问答：员工用文字提问 → 大模型回答生产线状态
  • 报表生成：自动生成生产日报、周报

接入方式：

  • 写一个简单 Python 服务，定时从数据库读取数据
  • 调用 Ollama 本地大模型接口
  • 将 AI 分析结果写回数据库，展示在大屏上

三、技术栈清单（全部开源免费、可商用）

层级 工具 / 软件 作用
设备 PLC 生产线控制
采集 Neuron Modbus TCP 数据采集
消息 EMQX MQTT 消息转发
存储 InfluxDB 工业时序数据存储
可视化 Grafana 图形化监控大屏
AI Ollama + 本地大模型 数据分析、问答、诊断
接口 Python FastAPI 对接大模型

四、部署实施步骤

  1. Neuron 连接 PLC

  2. 安装 MQTT 服务器（EMQX）

    配置 Neuron 北向 MQTT（数据往外发）

    需要先在服务器装 EMQX（免费 MQTT Broker）

    安装 EMQX（Linux/Windows 都可）

    • Windows：直接解压绿色版，双击启动
    • Linux 一键安装：
    curl -s https://packagecloud.io/install/repositories/emqx/emqx/script.deb.sh | sudo bash
sudo apt install emqx
sudo systemctl start emqx

    默认访问：http://服务器IP:18083

    MQTT 端口：1883

    Neuron 配置北向 MQTT
    左侧【应用管理】→【添加应用】
    应用类型：MQTT
    名称：本地 MQTT 服务器
    连接参数：

    • MQTT 地址：tcp://服务器IP:1883

    • 客户端 ID：自定义不重复

    • 主题前缀：/plc/prod/line1

    • 上报格式：JSON

      保存并启用。

    ✅ 效果：

    Neuron 每 200ms 把 PLC 所有点位数据，以 JSON 格式推送到 MQTT。

  3. Neuron 配置 MQTT 上传

  4. 安装时序数据库（InfluxDB）

    一、安装 InfluxDB（Ubuntu 一键版）

    1. 先加官方源
    wget -qO- https://repos.influxdata.com/influxdata-archive.key | gpg --dearmor | sudo tee /usr/share/keyrings/influxdata-archive-keyring.gpg >/dev/null
echo "deb [signed-by=/usr/share/keyrings/influxdata-archive-keyring.gpg] https://repos.influxdata.com/debian stable main" | sudo tee /etc/apt/sources.list.d/influxdata.list
sudo apt update
    1. 安装 InfluxDB 2.x（最新稳定版）
    sudo apt install influxdb2 -y
    1. 启动并设置开机自启
    sudo systemctl start influxdb
sudo systemctl enable influxdb
sudo systemctl status influxdb

    看到 active (running) 就是成功 ✅

    二、初始化 InfluxDB（创建用户 / 桶 / 令牌）

    打开浏览器访问：http://你的服务器IP:8086

    1. 点击 Get Started

    2. 设置：

      • 用户名：admin
      • 密码：自己设一个，比如 Influx@123
      • 组织名：factory
      • 桶名：plc_data

    3. 完成后，进入 Load Data → API Tokens，复制一个 All Access 令牌备用。

    三、修改你的 Python 脚本，数据写入 InfluxDB

    先安装依赖：

    source myenv/bin/activate
pip install influxdb-client

    替换成这个新脚本（自动写入 InfluxDB）

    import json
import time
import paho.mqtt.client as mqtt
from influxdb_client import InfluxDBClient, Point
from influxdb_client.client.write_api import SYNCHRONOUS

# ---------- 这里改成你自己的配置 ----------
MQTT_HOST = "192.168.10.100"
MQTT_PORT = 1883
MQTT_USER = "root"
MQTT_PASS = "root"
MQTT_TOPIC = "/neuron/MQTT/attributes"

INFLUX_URL = "http://localhost:8086"
# 把下面这行换成你刚复制的 Token
INFLUX_TOKEN = "ciKpzuEdkag4ZMwdeV_ApOhsuuk4lrS51X_a3x9j2zb_IzzN9ooaP1Rkz3YbqgCI2euTqIhAmWDoPU0o_nWQ4Q=="
INFLUX_ORG = "factory"
INFLUX_BUCKET = "plc_data"
# -----------------------------------------

# 连接 InfluxDB
client = InfluxDBClient(url=INFLUX_URL, token=INFLUX_TOKEN, org=INFLUX_ORG)
write_api = client.write_api(write_options=SYNCHRONOUS)

def on_connect(client, userdata, flags, rc, properties=None):
    print("✅ MQTT 连接成功")
    client.subscribe(MQTT_TOPIC)
    print("✅ 已订阅主题：" + MQTT_TOPIC)

def on_message(client, userdata, msg):
    try:
        data = json.loads(msg.payload.decode())
        ts = int(time.time() * 1000)

        temperature = float(data.get("温度", 0.0))
        pressure = float(data.get("压力", 0.0))
        run_status = int(data.get("运行状态", 0))
        total = int(data.get("产量", 0))

        point = Point("prod_data") \
            .field("temperature", temperature) \
            .field("pressure", pressure) \
            .field("run_status", run_status) \
            .field("total", total) \
            .time(ts, write_precision='ms')

        write_api.write(bucket=INFLUX_BUCKET, org=INFLUX_ORG, record=point)
        print(f"✅ 写入成功 | 温度={temperature} 压力={pressure} 运行={run_status} 产量={total}")

    except Exception as e:
        print("❌ 错误:", e)

# 启动 MQTT
mqtt_client = mqtt.Client(mqtt.CallbackAPIVersion.VERSION2)
mqtt_client.username_pw_set(MQTT_USER, MQTT_PASS)
mqtt_client.on_connect = on_connect
mqtt_client.on_message = on_message
mqtt_client.connect(MQTT_HOST, MQTT_PORT, 60)
mqtt_client.loop_forever()

    保存后运行：

    python3 mqtt2td.py

    四、Grafana 直接用 InfluxDB（自带支持）

    1. 左侧菜单 → Connections → Data sources → Add data source

    2. 搜索 InfluxDB，选中它

    3. 配置：

      • URL: http://127.0.0.1:8086
      • 选择 InfluxDB 2.x
      • Organization: factory
      • Token: 你复制的 InfluxDB 令牌
      • Default Bucket: plc_data
  1. 点 Save & Test，绿色对勾就是成功 ✅

  1. 安装 Grafana 并连接数据库

     sudo apt install -y apt-transport-https software-properties-common wget
 wget -q -O - https://apt.grafana.com/gpg.key | sudo apt-key add -
 echo "deb https://apt.grafana.com stable main" | sudo tee /etc/apt/sources.list.d/grafana.list
 sudo apt update && sudo apt install grafana -y

    安装完立即启动 + 开机自启

     sudo systemctl start grafana-server
 sudo systemctl enable grafana-server

    查看是否运行成功

     sudo systemctl status grafana-server

    看到 active (running) 就是成功 ✅

    现在你可以访问可视化大屏了！

    打开浏览器访问：

    🌐 http://192.168.10.100:3000

    默认登录账号密码：

    • 用户名：admin

    • 密码：admin

      （第一次登录会让你改密码，直接点Skip跳过也行）

  2. 制作监控大屏

    在 Grafana 里创建第一个监控面板

    1. 点击左侧菜单 Dashboards → New dashboard

    2. 点击 Add visualization

    3. 数据源选择你刚配置好的 influxdb

    4. 在查询框里，粘贴下面的 Flux 语句：

      from(bucket: "plc_data")
  |> range(start: v.timeRangeStart, stop: v.timeRangeStop)
  |> filter(fn: (r) => r._measurement == "prod_data")
  |> filter(fn: (r) => r._field == "temperature" or r._field == "pressure")
  |> yield(name: "实时数据")

    5. 点击右上角的 Run query，就能看到温度和压力的实时曲线了！

    1. 扩展更多监控指标

      你可以再添加几个面板，分别显示不同的数据：

      运行状态（单值卡片）

      from(bucket: "plc_data")
|> range(start: -1m)
|> filter(fn: (r) => r._measurement == "prod_data" and r._field == "run_status")
|> last()

      设置成 Stat 面板，用不同颜色区分运行 / 停止状态。

      产量统计（累计值）

      from(bucket: "plc_data")
|> range(start: v.timeRangeStart, stop: v.timeRangeStop)
|> filter(fn: (r) => r._measurement == "prod_data" and r._field == "total")
|> last()

    1. 最终效果

      现在你的整套系统已经完全跑通了：

      PLC → Neuron → EMQX → Python脚本 → InfluxDB → Grafana 可视化大屏

      你可以根据需要继续添加更多设备、更多点位的监控，或者设置数据告警。

  3. 部署 Ollama 接口服务

    一键安装 Ollama（1 秒搞定）

    直接在终端运行这 1 行命令：

     curl -fsSL https://ollama.com/install.sh | sh

    安装完成后，服务会自动启动，不用手动开！

    启动对外 API 接口（关键！）

    Ollama 默认只允许本机访问，你要让 Grafana / 外部程序 / 网页 调用，必须开启对外接口：

    1. 创建 Ollama 系统服务配置

      sudo nano /etc/systemd/system/ollama.service

    2. 把下面内容完整粘贴进去

      [Unit]
Description=Ollama Service
After=network.target

[Service]
Environment="OLLAMA_HOST=0.0.0.0"
Environment="OLLAMA_PORT=11434"
ExecStart=/usr/bin/ollama serve
User=root
Group=root
Restart=always
RestartSec=3

[Install]
WantedBy=multi-user.target

    3. 保存并重启服务

      sudo systemctl daemon-reload
sudo systemctl restart ollama
sudo systemctl enable ollama

    ✅ 现在你的 Ollama 接口已经部署完成！

     http://你的服务器IP:11434

    测试接口是否可用

     curl http://localhost:11434/api/tags

    如果返回 JSON 信息 = 接口服务运行成功！

    你可以直接运行 AI 大模型（比如 Qwen 7B）

     ollama run qwen:7b

    或者轻量版：

     ollama run qwen:4b

    对外 API 调用示例（给你备用）

     curl http://192.168.10.100:11434/api/generate -d '{
   "model": "qwen:7b",
   "prompt": "分析一下生产线温度数据是否正常"
 }'

  1. AI 分析接入大屏

    实现效果：

    1. 定时读取 PLC 实时数据（温度 / 压力 / 运行状态 / 产量）
    2. 调用本地 Ollama AI 做工况分析、异常判断、生产建议
    3. AI 分析结果存入 InfluxDB
    4. Grafana 大屏直接展示「AI 文字分析 + 数据曲线」

    第一步：确认环境

    1. Ollama 对外接口已开启

      curl http://127.0.0.1:11434/api/tags

    2. 提前拉一个轻量模型（推荐通义千问，速度快）

      ollama pull qwen:3b

    第二步：新建 AI 分析服务脚本

     nano ai_analysis.py

    完整代码（直接复制）

     import json
 import time
 import requests
 from influxdb_client import InfluxDBClient, Point
 from influxdb_client.client.query_api import QueryApi

 # ==================== 配置 ====================
 # InfluxDB
 INFLUX_URL = "http://127.0.0.1:8086"
 INFLUX_TOKEN = "ciKpzuEdkag4ZMwdeV_ApOhsuuk4lrS51X_a3x9j2zb_IzzN9ooaP1Rkz3YbqgCI2euTqIhAmWDoPU0o_nWQ4Q=="
 INFLUX_ORG = "factory"
 INFLUX_BUCKET = "plc_data"

 # Ollama AI
 OLLAMA_API = "http://127.0.0.1:11434/api/generate"
 AI_MODEL = "qwen:3b"
 # ===============================================

 # 连接 InfluxDB
 db_client = InfluxDBClient(url=INFLUX_URL, token=INFLUX_TOKEN, org=INFLUX_ORG)
 write_api = db_client.write_api()
 query_api = db_client.query_api()

 # 读取最新PLC数据
 def get_last_plc_data():
     query = f'''
     from(bucket:"{INFLUX_BUCKET}")
     |> range(start: -5m)
     |> filter(fn: (r) => r._measurement == "prod_data")
     |> last()
     '''
     tables = query_api.query(query)
     data = {}
     for table in tables:
         for record in table.records:
             data[record.get_field()] = record.get_value()
     return data

 # AI 分析
 def ai_analyse(data):
     prompt = f"""
 你是工业生产线运维AI分析师，根据以下实时工况数据，简短分析：
 温度：{data.get("temperature",0)} ℃
 压力：{data.get("pressure",0)} MPa
 设备运行状态：{data.get("run_status",0)}
 今日产量：{data.get("total",0)}

 要求：
 1. 判断设备是否正常、有无异常
 2. 给出简短运维建议
 3. 控制在80字以内
 """
     payload = {
         "model": AI_MODEL,
         "prompt": prompt,
         "stream": False
     }
     res = requests.post(OLLAMA_API, json=payload, timeout=30)
     return res.json()["response"].strip()

 # 主循环
 if __name__ == "__main__":
     print("✅ 工业AI分析服务已启动，每60秒自动分析一次")
     while True:
         try:
             plc_data = get_last_plc_data()
             if not plc_data:
                 time.sleep(10)
                 continue

             ai_text = ai_analyse(plc_data)
             print("🤖 AI分析结果：", ai_text)

             # AI结果写入InfluxDB，给Grafana展示
             point = Point("ai_result")\
                 .field("analysis", ai_text)\
                 .time(time.time_ns())
             write_api.write(bucket=INFLUX_BUCKET, org=INFLUX_ORG, record=point)

         except Exception as e:
             print("❌ 错误：", e)

         time.sleep(60)  # 60秒分析一次

    保存：Ctrl+O 回车 → Ctrl+X

    第三步：安装依赖

     source myenv/bin/activate
 pip install requests influxdb-client

    第四步：填入你的 InfluxDB Token

     INFLUX_TOKEN = "ciKpzuEdkag4ZMwdeV_ApOhsuuk4lrS51X_a3x9j2zb_IzzN9ooaP1Rkz3YbqgCI2euTqIhAmWDoPU0o_nWQ4Q=="

    第五步：启动 AI 分析服务

     python3 ai_analysis.py

    输出：

     ✅ 工业AI分析服务已启动，每60秒自动分析一次
 🤖 AI分析结果：xxxxxxx

    第六步：Grafana 大屏添加 AI 文本面板

    1. 新增面板 → 选择 文本 / Stat 面板

    2. 数据源选 InfluxDB

    3. Flux 查询语句：

      from(bucket: "plc_data")
|> range(start: -10m)
|> filter(fn: (r) => r._measurement == "ai_result")
|> last()

    4. 面板样式改成「文本展示」，就能实时显示 AI 智能分析文案

    #第七步：后台常驻（断电自启）

    用 nohup 后台运行，关掉终端也不停止：

     nohup python3 ai_analysis.py > ai.log 2>&1 &

五、最终实现效果

1. 图形化监控大屏（Web 页面，电脑 / 平板 / 大屏电视均可访问）

  • 打开浏览器输入服务器地址，直接看到生产线动态模拟图
  • 设备运行：绿色；停机：灰色；报警：红色闪烁
  • 所有参数实时跳动，曲线平滑更新
  • 支持：放大、缩小、全屏、多设备同时查看
  • 支持：手机 / 平板远程访问

2. 实时数据监控

  • 生产线状态：运行 / 待机 / 故障
  • 实时参数：温度、压力、转速、电流、电压
  • 产量：当日产量、总产量、合格率
  • 时长：已运行时间、停机时间

3. 历史趋势与报表

  • 24 小时、7 天、30 天数据趋势图
  • 自动生成日报、周报、月报
  • 数据可导出 Excel

4. AI 智能分析（Ollama 大模型）

  • 自动诊断：设备异常 → 给出可能原因
  • 预测维护：“预计该电机 3 天后可能出现过热风险”
  • 自然语言问答：
    • 问：今天生产线产量怎么样？
    • AI 答：今日产量 XXX，合格率 XXX，10 点出现一次温度过高报警…
  • 异常总结：每日自动总结生产线问题

5. 告警系统

  • 数据越限自动弹窗 + 声音提醒
  • 告警记录自动保存
  • 可对接邮件 / 企业微信推送

六、方案亮点

  1. 全开源、无版权、本地化部署（不上云，数据安全）
  2. 低代码 / 零代码部署，不用大量开发
  3. 实时性高（工业级 100ms 级刷新）
  4. AI 与工业监控深度融合
  5. 可无限扩展：加设备、加产线、加模型都很方便
文章作者: rep-rebirth
文章链接: https://zhangwenhao.icu/2026/04/29/gong-ye-sheng-chan-xian-de-jian-kong-ji-tu-xing-hua-jie-mian-bu-shu/
版权声明: 本博客所有文章除特別声明外，均采用 CC BY 4.0 许可协议。转载请注明来源 rep-rebirth !
PLC AI 工业生产线 图形化界面
赏
评论
评论
  目录