在Thingworx中绘制正态分布图

在SPC分析中，正态分布图是使用较为频繁的图表。

本文介绍一下如何在Thingworx中绘制正态分布图。

如图所示，我们可以看到图表中包含：数据的分布情况(每个数据区间的数量)，和参考正态分布曲线。

1.     绘图工具和注意项

我们可以用Label Chart工具来绘制图形。

注意不要选中“SingleDataSource”，这样我们可以引用两个数据源。

第1个数据源引用自数据分布集，SeriesType1=Bar。

第2个数据源引用自正态分布集，SeriesType2=Line。

两个数据集的X值应一致。

启用“YAxisAutoscale”，因为两个数据集的Y值是不一样的，自动缩放后数据会落到相同区间。

2.     数据分布计算

我们可以根据平均值和标准差来计算数据的分布。

标准差(σ)的计算可参考我的文章《Thingworx中的SPC计算工具》。

为了简化计算，我们选取常用的±3σ这个范围。

计算很简单，但是要注意一点：柱状图的X轴显示的是引用范围的起始值，但是我们在正态分布图中参考的是范围平均值，因此在最后，我们要把柱状图X轴加上0.5σ。

下面是代码：

------------------------------------------------------------------------------

// To generate Histogram dataset for SPC

// Developed by Tallrain, Dec 2019

// Input

//    avg = Average

//    sd  = Standard Deviation

//    spcTable = SPC data, with field of SPC1 for data value

// Output

//    infoTable, with fields of value and count

var bar1 = avg-3*sd;

var bar2 = avg-2*sd;

var bar3 = avg-1*sd;

var bar4 = avg;

var bar5 = avg+1*sd;

var bar6 = avg+2*sd;

var bar7 = avg+3*sd;

var v1 = 0;

var v2 = 0;

var v3 = 0;

var v4 = 0;

var v5 = 0;

var v6 = 0;

//var v7 = 0;

var tableLength = spcTable.rows.length;

for (var x=0; x < tableLength; x++) {

    var row = spcTable.rows[x];

    var v = row.SPC1;

   if(v>=bar1 && v

   if(v>=bar2 && v

   if(v>=bar3 && v

   if(v>=bar4 && v

   if(v>=bar5 && v

   if(v>=bar6 && v  

}

bar1 = bar1 + sd*0.5;

bar2 = bar2 + sd*0.5;

bar3 = bar3 + sd*0.5;

bar4 = bar4 + sd*0.5;

bar5 = bar5 + sd*0.5;

bar6 = bar6 + sd*0.5;

bar7 = bar7 + sd*0.5;

// Output data

var params = {

    infoTableName : "InfoTable",

    dataShapeName : "DS_SPC_Histogram"

};

//CreateInfoTableFromDataShape(infoTableName:STRING("InfoTable"), dataShapeName:STRING):INFOTABLE(DS_SPC_CPK_OUT)

var spcOut = Resources["InfoTableFunctions"].CreateInfoTableFromDataShape(params);

spcOut.AddRow({value:bar1, count:v1});

spcOut.AddRow({value:bar2, count:v2});

spcOut.AddRow({value:bar3, count:v3});

spcOut.AddRow({value:bar4, count:v4});

spcOut.AddRow({value:bar5, count:v5});

spcOut.AddRow({value:bar6, count:v6});

//spcOut.AddRow({value:bar7, count:0});

var result = spcOut;

------------------------------------------------------------------------------

3.     正态分布计算

算法可参考WIKI。

在这里为了和柱状图契合，我们按照每0.5σ为基础单位进行计算。

要说明的是，正态分布公式的值并不是概率，X区间和曲线相交的面积才是概率。

具体的值和平均值、标准差相关，所以在绘制图表时要允许Y轴自动绽放，这样两个图才能匹配。

下面是代码：

------------------------------------------------------------------------------

// Generate SPC Normal Distribution

// Developed by Tallrain, Nov 2019

// Input

//    u = Average

//    sd = Standard Deviation

// Output

//    infoTable, with field of x and np

// Create temp InfoTable for output

var params = {

    infoTableName : "InfoTable",

    dataShapeName : "DS_Normal_Distrib"

};

// CreateInfoTableFromDataShape(infoTableName:STRING("InfoTable"), dataShapeName:STRING):INFOTABLE(DS_Normal_Distrib)

var tempInfoTable = Resources["InfoTableFunctions"].CreateInfoTableFromDataShape(params);

// calculate normal distribution data

var e = Math.E; //2.71828182846;

var pi = Math.PI; // 3.14159265359;

for (var i=1; i <= 13; i++) {

    var x = (i-7)/2;

    x = u + x*sd;   

    var dividend = Math.pow(e, 0-((x-u)*(x-u)/(2*sd*sd)));

    var divisor = sd*Math.sqrt(2*pi);

    var np = dividend/divisor;

    //const dividend = Math.E ** -((value - this.mean) ** 2 / (2 * this.standardDeviation ** 2));

    //const divisor = this.standardDeviation * Math.sqrt(2 * Math.PI);

    //var np = 0-(x-u)*(x-u)/(2*sd*sd);

    //logger.info('np='+np);

    //np = Math.pow(e,np);

    //var np2 = sd*Math.sqrt(2*pi);

    //np = np/np2;

    //logger.info('np='+np);

    tempInfoTable.AddRow({x:x, np:np});   

}

var result = tempInfoTable;

//var result = Math.pow(3,2);

------------------------------------------------------------------------------

Thingworx的非官方扩展

我们知道PTC提供了官方商城： https://marketplace.ptc.com/
我们从官方商城可以下载很多常用的扩展，如JDBC Connector Extension、PTC ThingWorx-to-Windchill Connector、QRCode等。
这些扩展通常由PTC官方提供，也有一些是第三方的应用或解决方案如Callisto Digital Work Instructions。
但是官方商城的扩展很少。
PTC技术人员在论坛上推荐了另一个非官方扩展下载地址： https://github.com/ptc-iot-sharing
这是发布在github上的，大部分是开源包，基于Java或JavaScript开发，如有很多基于D3引擎开发的图形化数据展示工具。
大家可以尝试一下，当然稳定性方面可能和官方扩展有所差距。

Thingworx中的SPC计算工具

Thingworx提供了两个SPC计算工具： StatisticalCalculationThingShape，和StatisticalMonitoringThingShape，但前提条件是需要DescriptiveAnalytics平台。
大致步骤是：
1. 购买安装DescriptiveAnalytics。
2. 建立Thing，配置Data Shape和Value Stream，设置数值属性logged。
3. 调用StatisticalCalculationThingShape.QueryTimedValuesForProperty生成TimedValues类型的InfoTable。
4. 调用StatisticalCalculationThingShape.CalculateMeanValue等函数生成具体的SPC数值。
这种方式适用于工艺参数采集，即Thing和Property均已事先定义的情况下。

如果不采用DescriptiveAnalytics平台，或者说数据不适合用Value Stream记录(比如直接从拧紧枪数据库查询数据)，那么就需要自己计算SPC了。
具体步骤为：
1. 经由数据库查询等方式生成InfoTable类型的数据集。
2. 调用infotable for loop方法，逐行读取并分析数据，计算最大值、最小值、平均值。
3. 利用数组暂存数据，然后读取数组，计算标准方差。不用数组的话，也可以将InfoTable重新读取一次。
4. 输出InfoTable类型的数据集。
以下是参考代码：
------------------------------------------------
// Get USL&LSL
var USL = spcTable.rows[0].USL;
var LSL = spcTable.rows[0].LSL;
//logger.info("USL="+USL);
//logger.info("LSL="+LSL);

// Get Sum
var sum = 0.0;
var spc1 = []; // array of spc1
var tableLength = spcTable.rows.length;
//logger.info("tableLength="+tableLength);
for (var x=0; x < tableLength; x++) {
    var row = spcTable.rows[x];
    spc1[x] = row.SPC1;
    //logger.info("spc1="+row.SPC1);
    sum = sum + row.SPC1;
}
//logger.info("x="+x);
//logger.info("sum="+sum);
//var result = sum;

// Get Average
var u = sum / tableLength;
//logger.info("u="+u);

// Get SD
var sd = 0;
for (x=0; x < tableLength; x++) {
    sd = sd + (spc1[x]-u) * (spc1[x]-u);
}
sd = sd/(tableLength-1);
sd = Math.sqrt(sd);
//logger.info("sd="+sd);

// Get CPU
var cpu = (USL-u)/(3*sd);
//logger.info("cpu="+cpu);

// Get CPL
var cpl = (u-LSL)/(3*sd);
//logger.info("cpl="+cpl);

// Get CPK
var cpk = 0;
if(cpu < cpl) {
cpk = cpu;
} else {
cpk = cpl;
}
//logger.info("cpk="+cpk);

// Output data
var params = {
    infoTableName : "InfoTable",
    dataShapeName : "DS_SPC_CPK_OUT"
};

// CreateInfoTableFromDataShape(infoTableName:STRING("InfoTable"), dataShapeName:STRING):INFOTABLE(DS_SPC_CPK_OUT)
var spcOut = Resources["InfoTableFunctions"].CreateInfoTableFromDataShape(params);
spcOut.AddRow({Sum:sum, Avg:u, SD:sd, USL:USL, LSL:LSL, CPU:cpu, CPL:cpl, CPK:cpk, Qty:tableLength});

var result = spcOut;
------------------------------------------------

关于SQL SERVER的两个备忘

最近在用SQL SERVER做数据的后台自动处理，然后利用Thingworx展现。
这其中碰到两个问题，觉得较有代表性，在此做个备忘。

1. 关于游标内调用其它游标
我之前做过很多项目采用ORACLE数据库，其动态游标、物化视图、数组的功能非常NB，给我留下了深刻的印象。
但是我没想到在使用SQL SERVER游标时却踩到了坑。
SQL SERVER有一个全局变量@@FETCH_STATUS用来表示游标的状态，0表示尚未结束，-1表示已结束。
但是关键@@FETCH_STATUS是全局变量，这就意味着当第一个游标尚未结束时，当第二个游标的状态=-1时，也会将第一个游标强行结束。
解决的办法是用一个本地的变量，把@@FETCH_STATUS的值赋给此变量后再进行检查。
但是此办法逻辑上并不完备，如果有大量的并发，则可能会造成冲突。
因此如果需要配置后台任务，应该尽可能在时间上分散开来，以避免并发。
下面是相关的参考代码：

---------------------------------------------------------------------------
-- Normally, we use system variable @@FETCH_STATUS to check Cursor loop
DECLARE myCursor CURSOR FOR
SELECT fields FROM Table;
OPEN myCursor;
FETCH NEXT FROM myCursor INTO @myVar;
WHILE @@FETCH_STATUS = 0
BEGIN
  --DO somthing;
END
CLOSE myCursor;
DEALLOCATE myCursor;
 
-- But @@FETCH_STATUS is global variable
-- So if we use another Cursor within the loop, when inner loop is completed, @@FETCH_STATUS = -1, so the outer loop will also be closed.
-- Fixing method is to use local variable instead of @@FETCH_STATUS
DECLARE myCursor CURSOR FOR
SELECT fields FROM Table;
OPEN myCursor;
FETCH NEXT FROM myCursor INTO @myVar;
SET @Outer_loop = @@FETCH_STATUS;
WHILE @Outer_loop = 0
BEGIN
  --inner loop here
  DECLARE myCursor2 CURSOR FOR
  SELECT fields FROM Table2;
  OPEN myCursor2;
  FETCH NEXT FROM myCursor2 INTO @myVar2;
  SET @Inner_loop = @@FETCH_STATUS;
  WHILE @Inner_loop = 0
  BEGIN
    --Inner loop function
FETCH NEXT FROM myCursor2 INTO @myVar2;
    SET @Inner_loop = @@FETCH_STATUS;
  END
  CLOSE myCursor2;
  DEALLOCATE myCursor2;
  FETCH NEXT FROM myCursor INTO @myVar;
  SET @Outer_loop = @@FETCH_STATUS; 
END
CLOSE myCursor;
DEALLOCATE myCursor;
---------------------------------------------------------------------------

2. 关于关联字符集
由于数据库权限方面的限制，我在一个项目中需要对两个数据库中的表进行关联查询，然后碰到了字符集不匹配的报错。
具体的情况是这样的： 数据库DB1采用了GB字符集，数据库DB2采用了LATIN字符集，两个库的表T1和T2通过step_id进行JOIN，而step_id的数据类型是NVARCHAR，因此JOIN失败。
这是因为对于字符串类对象，虽然表示同样的值，当采用不同的字符集时，其存储时的值是不同的。
这个CASE给我的启示是，任何可能用于JOIN或外部引用的对象，要尽可能采用整型数据类型。
事实上，对于数据库来说，整型和日期型数据的检索速度是最快的，当有JOIN、分组查询、外部引用时，要尽可能使用整型数据。

Thingworx中跑马灯和自动换页效果的实现

我们知道，在传统SCADA中，跑马灯和自动换页都是常用的功能。
跑马灯可以显示长的消息，还可以起到醒目的效果。
自动换页可以轮流显示不同区域的画面，也可以在正常和异常画面之间进行切换。
但是在Thingworx中并没有对应的widget，但是我们可以通过变通的方式实现，下面讲讲具体方法。

1. 跑马灯
从8.4版本开始，Thingworx Mashup支持keyframes效果，如以下Custom CSS代码：
-----------------------------------------------
@keyframes marquee {
0% { left: 0; }
100% { left: -100%; }
}

#root_label-3 {
    animation: marquee 5s linear infinite;
    background-color: #eee;
    color: red;
}

#root_valuedisplay-4 {
    animation: marquee 10s linear infinite;
    background-color: #eee;
    color: red;
}
-----------------------------------------------
上述代码表示Label-3及Valuedisplay-4 widget的跑马灯效果，包括时间、颜色等设置。
需要说明的是，时间长度指的是所有字符显示的长度。
Label及Valuedisplay均支持背景色定义。
Label的前景色定义无效，而Valuedisplay的前景色定义有效。

2. 自动换页
Tabs widget支持在不同Tab上显示不同的内容，我们可以利用此特性实现自动换页。
SelectedTabValue和SelectedTabName这两个属性都可以用来操作Tab的选择。
我们可以编写一个计数器(自加1及重置)，并配合Auto Refresh widget来得到TabValue。
简要的步骤为：
1) 编写计数器Service。
2) 用Auto Refresh触发计数器。
3) 把计数器的值绑定给SelectedTabValue。
此外，针对正常/异常画面切换，我们可以通过编写Service或Expression的方法来给SelectedTabValue赋值。

使用Thingworx监控Kepware OPC和PLC连接状态

PTC Thingworx是当前流行的IoT平台，可以很方便地建立和Kepware OPC Server的通信，在绑定Tag后，也很容易对PLC进行读写。
Manufacturing Apps工具包自带的Controls Advisor，能够监控OPC的实时状态，但遗憾的是，不能监控Device(如PLC)级别的状态。
但是我们可以利用Thingworx平台已有的功能，通过自建Thing和Mashup进行监控，下面进行简单的说明。

1. 监控Kepware OPC Server：
1) 在Controls Advisor中，新建Gateway Server。
2) Thingworx将自动创建同名的Industrial Thing，template = PTC.Factory.KepServerThingTemplate。
3) Thingworx也将自动创建Industrial Connection，文件名后缀增加-GW， template = IndustrialGateway。
4) 我们可以利用这两个Thing的isConnected属性来监控Kepware。

2. 监控设备Device(PLC):
1) 在Controls Advisor，点击"Discover Devices"，完成以后，Thingworx将为每个设备自动创建一个Thing，
  名称 = Gateway名称 + "_" + Channel名称 + "." + Device名称,
  template = PTC.Factory.DeviceThingTemplate,
  IndustrialThing属性 = Thingworx自动创建的Industrial Connection,
  OPCDAThingName属性 = Controls Advisor中创建的Gateway Server
  (IndustrialThing只能绑定用户创建的Tag, OPCDAThingName能够绑定系统Tag)
2) Enabled属性表示设备已启用，ErrorState属性表示设备出错，
  Enabled = device._System._Enabled
  ErrorState = device._System._Error
 

ThingWorx Service: InfoTable2CSV

编写了一个通用程序，能够将InfoTable转换成CSV格式，用于Dygraph展示数据。

----------------------------------------------------------------------

// InfoTable2CSV: Service to convert InfoTable to CSV, to display data into Dygraph widget

// Input: myInfoTable:InfoTable without DataShape

// Output: TEXT

// Note 1: The name of Datetime field is always 'TIME', which is 1st field for Dygraph

// Note 2: TIME values will be converted into dateFormatISO to match Dygraph requirement

var iLF;

var tmp = 'TIME';

var i = 0;

var fd = []; // array to store Fields

fd[0] = 'TIME';

// Get CSV Header

if ((myInfoTable.dataShape===null)||(myInfoTable.dataShape===undefined)) {

   iLF = myInfoTable.ToJSON().dataShape.fieldDefinitions;

 } else {

   iLF = myInfoTable.dataShape.fields;

 }

for (var key in iLF) {

if(key != 'TIME') {

        i = i + 1;        

        fd[i] = key; // Store field sequence

        tmp = tmp + ',' + key;

}

    //Logger.info("Field Name "+key+" baseType: "+iLF[key].baseType);

}

tmp = tmp + ' \n';

// Get CSV Data

var tableLength = myInfoTable.rows.length;

for (var x=0; x < tableLength; x++) {

    var row = myInfoTable.rows[x];

    tmp = tmp + dateFormatISO(row.TIME);  // Get TIME Value 

    var fd2 = []; // To output data in sequence

    for (var property in row) {

    tmp2 = property; //row property

        tmp3 = row[property]; //row value

        var j = fd.indexOf(tmp2);

        fd2[j] = tmp3;

    }

    

    for (var k=1; k

        tmp = tmp + ',' + fd2[k];

    }    

    tmp = tmp + ' \n';

}

var result = tmp;

----------------------------------------------------------------------

ThingWorx Dygraph研究

ThingWorx Manufacturing Apps的trending and troubleshooting功能提供了趋势分析工具，能够将根据时间序列存储的数据予以动态展示。

此功能在Mashup中对应的Widget是Dygraph Widget，是基于开源的dygraphs实现的。

下面说一下在ThingWorx中应用Dygraph的注意事项。

1.     Dygraph的数据源即JSONData

此属性有一定的误导性，说是JSONData，但其实是csv格式的长字符串。

Csv格式就是带分隔符的文本文件，通常用“,”或”;”分隔；第一行定义表头，从第二行开始定义数据。

一些注意事项：

1)     表头的字段之间用”,”分隔，以“\n”换行；

2)     第一个字段必须是时间，对应于Dygraph的横坐标；

3)     其它的字段对应DataLabel1~DataLebel6；

4)     从第二行开始，即数据存储区，字段之间以“,”分隔，最后以”\n”换行。

2.     如果数据的原始格式是InfoTable，则必须先转换成csv

比如我们想从外部的实时数据库抽取数据，则必须在查询后进行转换才能使用。

通常在ThingWorx中，查询输出的格式是InfoTable，而InfoTable的实际格式是JSON。

对于此类数据，则必须自己编写Service进行转换，之后才能bind给Dygraph使用。

在编写Service时，注意Output类型是TEXT。

转换代码示例：

------------------------------------------------------

var tmp = 'TIME,OEE \n';            //表头

var tmp1 = '';                             //存储第1个字段

var tmp2 = '';                             //存储第2个字段

var tableLength = IT1.rows.length;           //IT1是输入的InfoTable

for (var x=0; x < tableLength; x++) {         //从InfoTable中逐行取值

    var row = IT1.rows[x];

    tmp1 = dateFormatISO(row.TIME);    //转换时间格式，这里TIME是第1个字段名称

    tmp2 = row.OEE;                              //这里OEE是第2个字段名称

    tmp = tmp + tmp1 + ',' + tmp2 + ' \n';     //生成一行数据记录

}

var result = tmp;

------------------------------------------------------

3.     时间序列的类型必须是ISO TIME

ISO TIME包含了日期、时间、时区的信息，如2019-07-26T01:30:00.000+08:00。

我们可以利用dateFormatISO函数将DateTime类型转换成String类型。

4.     关于取值范围

如果从数据库中查询，然后转换成CSV使用，则要在Service Info中配置Max Rows，即返回的查询结果记录数，对应于SQL中的TOP/LIMIT条件，默认值是500。

5.     更多Dygraph信息参考

可参考ThingWorx Apps自定义指南的第21章-Dygraph小组件。

ThingWorx的大数据分析工具

ThingWorx是目前较为流行的工业物联网数据集成、分析、开发平台。

在业务方面，工艺实时数据有较大的分析价值，也符合大数据的分析特点。

本文介绍一下其大数据分析工具。

1.     数据存储

要对实时数据进行大数据分析，需要在创建Thing的时候满足以下条件：

1)     为Thing指定Value Stream

Value Stream是存储数据的实体，其配置的Persistence Provider对应物理数据库，可以是内置的ProgreSQL数据库，也可以是支持ODBC的其它主流数据库。

2)     对于要追踪的属性打勾Logged选项

此选项在属性的值发生变化时，自动向Value Stream插入记录。

在PostgreSQL中使用以下SQL可以查询数据：

---------------------------------------------------------------------

SELECT * FROM value_stream

WHERE ENTITY_ID = 'ValueString_KBSZ_MM'             -- Value Stream Name

AND source_id = 'KBSZ_DEMO_MM21_THING'           -- Thing Name

AND PROPERTY_NAME = 'Main_Speed'              -- Property Name

AND TIME > to_timestamp(EXTRACT(EPOCH FROM NOW())- 2*24*3600)  -- 2 days earlier till now

ORDER BY time --DESC

---------------------------------------------------------------------

2.     数据分析工具之Time Series Chart

要将Thing的Property数值传递给Mashup，通常通过这2个Service：GetProperties和QueryPropertyHistory，前者传递当前值，后者传递历史数据。

QueryPropertyHistory有以下几个输入参数：

-       startDate，起始时间

-       endDate，结束时间

-       maxItems，记录数，相当于SQL中的TOP/LIMIT

-       oldestFirst，排序方式，相当于ORDER BY TIME ASC

-       query，过滤条件，相当于追加WHERE语句

然后把输出条件中的All Data绑定到Time Series Chart的DataSource，然后设定：

-       NumberOfSeries，参数个数

-       DataSourceX.DataFieldX，纵坐标，选择对应的Property

-       DataSourceX.XAxisFieldX，横坐标，选择timestamp

需要说明的是，QueryPropertyHistory返回的是符合条件的查询结果数据集，因此结果集越大，查询越慢。

此外，Time Series Chart加载了QueryPropertyHistory结果集的所有数据，因此结果集越大，显示越慢。

因此，要慎重设定查询参数，特别是startDate/endDate/maxItems。

3.     数据分析工具之Dygraph Chart

PTC ThingWorx Manufacturing Apps提供了PTC.Factory.TrendManagementUtils，其GetJSONStringTrendHistory方法可以将属性的历史值转换成JSON格式。

然后配合Dygraph Chart，可以实现数据的动态加载。

具体实现方式为：

1)     在Manufacturing App的trending and troubleshooting设定追踪项，记录Trend Name。

2)     在Mashup中加载GetJSONStringTrendHistory方法，将displayId设为步骤1的Trend Name。并设置startDate/endDate等其它参数。

3)     在Mashup中将GetJSONStringTrendHistory绑定到dygraphchartwidget，将Data映射为JSONData，将TrendNameX映射为DataLabelX。

我们注意到，在GetJSONStringTrendHistory方法中并没有maxItems参数，在dygraphchartwidget中也不可设置时间。

这是因为GetJSONStringTrendHistory查询得到了所有符合条件的数据集，此数据集以JSON字符串的形式予以输出。

而dygraphchartwidget得到JSON数据后，根据数据的特点动态地予以展示，因此数据集的大小不会影响显示的时间。

我们从PTC的文档可以看到，Dygraph Chart采用了开源的JavaScript库dygraphs，具体使用可参考ThingWorx Apps自定义指南的第21章。

谈谈840D机床的联网

SINUMERIK 840D(SL)是西门子广受好评的CNC自动化控制系统，它和SINAMICS S120内置式变频器组合，广泛应用于高端机床和加工中心。

近几年来，随着工业互联网和工业4.0的发展，对机床联网以实现监控和数采的需求也越来越多。

本文试谈谈840D机床的联网。

一、硬件

840D(SL)的控制单元(Control Unit)包括：NCU、PCU、TCU。

NCU即Numeric Control Unit(数控单元)，是控制系统的核心。

NCU又包含了Linux内核、PLC CPU、PLC通信卡(840D SL)等模块。

其中Linux内核从CF卡加载，PLC CPU采用S7-300标准PLC，PLC通信卡即CP343-1系列通信模块。

PCU即PC Client Unit(PC客户端)，采用工业PC，内置Windows或Linux操作系统。

TCU即Thin Client Unit(瘦客户端)，通过VNC软件远程运行Linux内核程序。

二、联网

840D包含了MPI、ProfiBus等接口。其中ProfiBus又包括DP Integrated、DP Master接口。DP Integrated是内核与SINAMICS S120通信的专用接口，DP Master用于连接外围设备如PCU、TCU、远程I/O等。MPI是编程专用接口。

除了以上接口外，840D SL还增加了ProfiNet(X150)、EtherNet(X120/X127/X130)接口。

ProfiNet可连接工业交换机、远程I/O等，其默认IP地址是192.168.0.1。

X120用于连接PCU、TCU，其默认IP地址是192.168.214.1。

X127用于连接工程师电脑，来进行PLC组态及下载，其默认IP地址是192.168.215.1。

X130用于连接工厂网络(IT网络)，通常接到IT交换机上，由IT交换机分配IP地址。

因此对于840D SL，我们可以直接将X130接入IT网络，以实现机床的联网。

而840D NCU并没有提供以太网口，要联网可以采用以下两种方式。

方式1：增加CP343-1通信模块。

CP343-1是S7-300系列PLC的以太网通信模块，在组态后，可以为PLC CPU分配一个以太网IP地址。此模块性能好非常稳定，但是需要组态及下载PLC，价格也较高，单价1万多。

方式2：增加MPI-EtherNet转换头。

德国Hilscher公司提供了NetLink商标的MPI-EtherNet转换头，能够将MPI协议转换成S7 TCP/IP协议，且无须组态，价格约4000元。NetLink提供了一个网页服务器，用于配置MPI参数和IP地址。替代产品有德国Deltalogic的NetLink和国内大连德嘉的ETH-MPI(DP)。

三、应用

从840D(SL)的硬件我们可以看出，机床的控制分为文件控制和逻辑控制两大块，文件控制通过Windows/Linux操作系统实现，逻辑控制通过PLC实现。

因此，IT系统在与机床联网时，可以进行针对性的设计。

如果我们要向机床传加工程序，或者采集加工日志，则可以通过操作系统实现，比如文件共享、FTP、串口连接等。

如果我们要采集机床的状态、故障、工艺参数，则可以通过PLC实现，比如通过Kepware连接NCU PLC，或者通过OPC Client连接机床内置的OPC-UA服务器。

ThingWorx开发小结

最近一段时间尝试了下用ThingWorx做开发，下面是一些心得和小结。

1、ThingWorx作为IoT平台(Connectivity+Thing)
ThingWorx整合了Kepware，作为ThingWorx Connectivity部署。
Kepware的PLC驱动可以快速配置，实现和主流PlC的双向通信。
Kepare的IoT Gateway提供了Rest Server/Rest Client/MQTT Client这3种代理，实现和IT系统的通信。
ThingWorx内置了一个OPC Client，叫做Industrial Connection，可以通过Discover工具实现对OPC目录和TAG的浏览和绑定，非常方便。
由于Kepware同是PTC的产品，因此和ThingWorx的整合是相当深入的，只需要在Kepware中做一些简单的配置，就可以在ThingWorx中调用OPC，这一点比起其它SCADA产品方便得多。
最大的缺点是不支持对OPC TAG的动态名称调用。
我们知道OPC TAG是一个字符串形式的内存变量，可以通过拼接的形式得到完整的TAG名称，象GE Cimplicity和Ignition都支持对OPC TAG的动态读写，这样可以通过编写服务来重复调用、简化代码。
而ThingWorx的核心是Thing这个对象，OPC TAG是作为一个绑定的远程变量附加到某一个属性上的，因此每一个TAG都是独立管理的。
从PTC ThingWorx Manufacturing Apps的代码（Controller.UpdateProperty）我们也可以看出，ThingWorx是作为REST Client来实现动态回写OPC的（与Kepware的Rest Server通信）。

2、ThingWorx作为数据展示平台(Mashup)
展示方面，ThingWorx提供了Mashup、Gadgets、Style、State等工具。
其优点是美观、现代化，IT工程师开发起来顺手。
相比较而言，ThingWorx适用IT工程师开发，而传统SCADA适合控制工程师开发。
为什么这么说呢？
一个重要的原因是，ThingWorx是基于JAVA开发的，因此有大量的配置、继承。
比如Menu菜单、Media图片、Style样式、State数据规划，这些都是独立的对象，Mashup只能引用。
举个简单的例子，你想要把字体放大一号，你必须新建一个Style，然后在Mashup中引用。
这些对于JAVA工程师来说不以为怪，但是对于工控工程师来说就很头大了。
此外，ThingWorx自带的一些Widgets也不是很成熟，如：Label的字体最小号是9px，饼图不能显示数值和百分比，柱状图的文字长度受限等。

3、ThingWorx作为客户端(Mashup)
ThingWorx是B/S架构的，因此其客户端相当于运行一个Mashup实例。
但是Mashup本身不具备任何的逻辑处理能力，只有基本的复位数据等固定功能。
在ThingWorx中，只有Thing是真正的逻辑实体，所有业务逻辑都是通过Service传递给Mashup的。
因此，任何客户端的业务逻辑，都必须绑定远程的Thing.Service来予以实现。
举个简单的例子，客户端采集到条码后要进行有效性校验，但是客户端不能执行校验逻辑，必须调用服务端的逻辑实现，其路径是：JavaScript/Query --> Service --> Thing --> Mashup.
目前JAVA和B/S能在互联网大行其道，一个重要原因是允许客户端JavaScript的执行，甚至衍生出了前端程序员这个工种。
但是ThingWorx不支持客户端JavaScript调用，是其一个较大的局限。

4、ThingWorx作为集成开发环境(Platform)
我们可以把ThingWorx作为一个简化的集成开发环境，它对JavaScript/SQL的支持非常好，开发也非常方便。
下面谈几点短板。
我们知道，和JAVA相比，.Net是一个半C/S、半B/S的架构，因为.Net客户端可以通过.Net Framework来调用系统dll，从而得到OS操作权限及实现分布式架构。
比如，.Net客户端可以调用本地opc client直接和opc server通信，这样通信的链路就分散开来，减少了服务端专用opc client的阻塞和性能需求。
而ThingWorx基于Java开发，是典型的B/S架构。而JAVA基于安全的考虑，服务器是不具备操作系统权限的。
以文件操作为例，ThingWorx定义了一个文件存储的根目录，所有ThingWorx管理的文件必须在此目录下。因此，ThingWorx不能处理服务器上其它目录的文件，也不能处理局域网内通过文件夹共享的文件。
因此，我们必须通过MQTT、FTP等方式来处理远程文件。
ThingWorx提供了一个FTP Client扩展，但是坑爹的是只提供文件读、写功能，不能执行删除操作。
那么假设我们需要从某台设备PC采集文件数据，怎么操作比较方便呢？我们需要在ThingWorx上建立一个FTP SERVER，然后把ThingWorx文件子系统映射成FTP虚拟子目录，然后在设备PC上通过FTP CLIENT上传数据； 然后在ThingWorx文件子系统进行文件的读写。
ThingWorx还有一个缺点是对项目的管理不是很完善。比如说，我们有很多Media/Style/State，会需要在许多项目中使用，但是这些对象只能绑定到一个Project，这就不是很合理了。
此外，Service的调试是不支持中断的，要调试代码，必须自己写LOG，然后在Monitoring中查看日志。