物联网使我们能够收集有关我们世界的更多数据，这使我们有机会理解它。
ð简介：拥抱工业物联网的力量，2017年工厂经理要求我解决生产线挑战。工厂依靠过时的电池面板进行日常项目数，但是需要更明智的解决方案来以更加分层的方式存储和分析生产数据。本文将带您完成我的经验和我们进行的变革性旅程。
ðâperafeRaspberry Pi和Python：为了捕获沿汇编线的各个点的实时生产数据，我们安装了连接到可编程逻辑控制器（PLC）的Raspberry Pi设备。这些设备接收到生产信号，并利用Python脚本将数据提取和存储在SQLite数据库中。这里是我们如何捕获和保存数据的一个示例：
`import sqlite3
连接到SQLITE数据库
conn = sqlite3.connect（'production_data.db'）
光标= conn.cursor（）
读取Raspberry Pi的生产信号
production_signal = read_production_signal（）
将生产数据存储在SQLite数据库中
cursor.execute（“插入production_data（timestamp，ventes）值（？，？？）”，（current_timestamp，production_signal））
conn.commit（）
关闭数据库连接
conn.close（）`
ð¥€tif php的实时可视化：为了在生产地面上提供实时见解，我们开发了一个基于PHP的面板，该面板从SQLITE数据库中检索并显示了分层的生产数据。每个覆盆子PI连接的电视屏幕都展示了其各自生产线的数据。这使运营商和经理提供了最新信息。这里是我们如何获取和显示数据的一个示例：
`<？php
//连接到SQLITE数据库
$ database = new sqlite3（'production_data.db'）;
//查询当前小时的生产数据
$ query =“选择strftime（'％y-％m-％d％h：00：00：00：00'，时间戳）作为小时，总和（数量）作为production_data组的总数按小时为单位”;
$ result = $ database-> query（$ query）;
//在表中显示数据
Echo“
| 小时 | 总数 | “;“。$ row ['hour']。 | “。$ row ['total']。 | “;
|---|
//关闭数据库连接
$ database-> close（）;
？>`
ð使用IBM Cloud：将生产分析提升到一个新的水平，我们集成了IBM Cloud，以利用其高级功能来实现实时云分析。通过从每个生产线中导出数据，我们可以跨多条线交叉引用生产见解。 IBM Watson IoT平台在安全连接和接收我们的物联网设备的数据方面发挥了关键作用。该平台提供有关连接的IoT设备的实时信息，从而促进无缝数据流。将数据牢固地传输到IBM云后，我们使用IBM Cloud Analytics创建了功能强大的BI仪表板。这使我们能够实时可视化和监视每条线的生产指标。
数据确实为我们所做的一切提供动力。
通过集成物联网设备，利用云分析以及利用IBM云的功能，我们改变了工厂的生产过程。实时监控和高级分析提供了可行的见解，赋予操作员和经理做出数据驱动决策的能力。
这是Python代码的一个示例，它将生产信号数据发送到IBM Watson IoT平台：
是import.mqtt.client作为mqtt
IBM Watson IoT平台凭据
andyman_id =“ your_organization_id”
device_id =“ your_device_id”
auth_token =“ your_auth_token”
连接到Watson IoT平台
客户端= mqtt.client（client_id = device_id）
client.username_pw_set（“ use-token-auth”，auth_token）
client.connect（“ {}。消息传递。
定义生产信号数据
production_signal = 100＃替换为您的实际生产信号值
将生产信号数据发布到Watson IoT平台
主题=“ iot-2/evt/production-signal/fmt/json”
有pareload ='{{“ d”：{{“ foragent_signal”：{}}}}}}}}'。格式（production_signal）
client.publish（主题，有效载荷）
与Watson IoT平台断开连接
client.disconnect（）`
此代码使用MQTT协议建立了与Watson IoT平台的连接，将生产信号数据发布到特定主题（在此示例中Iot-2/evt/evt/product-signal/fmt/json），然后从平台。
此体系结构的图：
结论：行业物联网彻底改变了我们对生产的方式。通过将诸如Raspberry Pi之类的边缘设备，Python，Python等脚本语言，实时可视化与PHP以及IBM Cloud的云供电分析相结合，我们可以解锁智能生产的潜力。
结束时，我邀请您加入对话，并与行业物联网项目分享您的想法和经验。让我们讨论在制造业中实施物联网的挑战，成功和未来的可能性。我鼓励您在文章下方留下评论和问题，并与其他热衷于在工业环境中推动创新的读者互动。
一起，我们可以创建一个充满活力的社区，在其中我们交换知识，想法和最佳实践，以利用物联网技术革新我们的生产和运作方式。正如著名的技术专家格蕾丝·霍珀（Grace Hopper）曾经说过的那样，语言中最危险的短语是，我们总是这样做。让我们挑战现状并拥抱工业物联网的变革潜力。
我期待阅读您的见解并参与富有成果的讨论，以进一步推进工业物联网领域。我们可以一起塑造制造业的未来，并推动下一波工业革命浪潮。