引言

style="width:100%; height:500px; border:1px solid #ccc; position:relative; background-color:#f5f5f5; margin:10px 0; padding:10px; overflow:hidden;">  
style="position:absolute; top:10px; left:10px; width:calc(100% - 20px); height:30px; background-color:#0066B3; color:white; display:flex; justify-content:center; align-items:center; font-weight:bold;">    邊緣數據處理與分析技術  
    
style="margin-top:50px; height:calc(100% - 50px); display:flex;">        
style="flex:1; background-color:white; border:1px solid #ddd; margin-right:5px; padding:10px; position:relative;">      
style="font-weight:bold; margin-bottom:10px; color:#0066B3; text-align:center;">邊緣數據處理流程
            width="100%"height="390"viewBox="0 0 380 390">                x="20"y="20"width="340"height="60"fill="#f9f9f9"stroke="#ccc"stroke-width="1"rx="5"ry="5"/>        x="180"y="35"text-anchor="middle"font-weight="bold"font-size="12"fill="#333">PLC原始數據                        points="60,55 80,60 100,50 120,65 140,45 160,70 180,60 200,50 220,55 240,45 260,65 280,60 300,50 320,55"                   fill="none"stroke="#FF5722"stroke-width="1.5"/>                        x="20"y="100"width="340"height="80"fill="#e6f7ff"stroke="#81c0e6"stroke-width="1"rx="5"ry="5"/>        x="180"y="115"text-anchor="middle"font-weight="bold"font-size="12"fill="#0066B3">數據預處理                        x="40"y="125"width="70"height="45"fill="#ffffff"stroke="#ccc"stroke-width="1"rx="3"ry="3"/>        x="75"y="145"text-anchor="middle"font-size="10"fill="#333">濾波/降噪        points="50,160 60,155 70,157 80,154 90,156 100,155"                   fill="none"stroke="#FF5722"stroke-width="1"/>                x="130"y="125"width="70"height="45"fill="#ffffff"stroke="#ccc"stroke-width="1"rx="3"ry="3"/>        x="165"y="145"text-anchor="middle"font-size="10"fill="#333">歸一化/標準化        x="140"y="150"width="50"height="10"fill="none"stroke="#FF5722"stroke-width="1"/>        x1="140"y1="155"x2="165"y2="155"stroke="#FF5722"stroke-width="2"/>        x1="165"y1="155"x2="190"y2="155"stroke="#FF5722"stroke-width="1"/>                x="220"y="125"width="70"height="45"fill="#ffffff"stroke="#ccc"stroke-width="1"rx="3"ry="3"/>        x="255"y="145"text-anchor="middle"font-size="10"fill="#333">異常值檢測        cx="255"cy="155"r="5"fill="#FF5722"/>        x="255"y="158"text-anchor="middle"font-size="7"fill="white">!                        x="20"y="200"width="340"height="100"fill="#e6f2ff"stroke="#99c2ff"stroke-width="1"rx="5"ry="5"/>        x="180"y="215"text-anchor="middle"font-weight="bold"font-size="12"fill="#0066B3">邊緣分析與規則處理                        x="30"y="225"width="150"height="65"fill="#ffffff"stroke="#ccc"stroke-width="1"rx="3"ry="3"/>        x="105"y="240"text-anchor="middle"font-size="10"fill="#333">統計分析與趨勢識別                        x="40"y="250"width="130"height="30"fill="#f9f9f9"stroke="#eee"stroke-width="1"/>        x="50"y="270"width="10"height="10"fill="#4CAF50"transform="scale(1,-1) translate(0,-280)"/>        x="70"y="270"width="10"height="15"fill="#4CAF50"transform="scale(1,-1) translate(0,-280)"/>        x="90"y="270"width="10"height="20"fill="#FFC107"transform="scale(1,-1) translate(0,-280)"/>        x="110"y="270"width="10"height="25"fill="#FFC107"transform="scale(1,-1) translate(0,-280)"/>        x="130"y="270"width="10"height="15"fill="#FF5722"transform="scale(1,-1) translate(0,-280)"/>        x1="45"y1="250"x2="45"y2="275"stroke="#666"stroke-width="0.5"/>        x1="40"y1="270"x2="170"y2="270"stroke="#666"stroke-width="0.5"/>                x="200"y="225"width="150"height="65"fill="#ffffff"stroke="#ccc"stroke-width="1"rx="3"ry="3"/>        x="275"y="240"text-anchor="middle"font-size="10"fill="#333">規則引擎處理                        x="210"y="250"width="130"height="8"fill="#f9f9f9"stroke="#eee"stroke-width="0.5"/>        x="275"y="257"text-anchor="middle"font-size="6"fill="#666">IF Temperature > Threshold THEN Alert                x="210"y="260"width="130"height="8"fill="#f9f9f9"stroke="#eee"stroke-width="0.5"/>        x="275"y="267"text-anchor="middle"font-size="6"fill="#666">IF Pressure Rising AND Valve Closed THEN Open                x="210"y="270"width="130"height="8"fill="#f9f9f9"stroke="#eee"stroke-width="0.5"/>        x="275"y="277"text-anchor="middle"font-size="6"fill="#666">IF Vibration > Limit FOR 5min THEN Maintenance                        x="20"y="320"width="340"height="60"fill="#e6ffe6"stroke="#99cc99"stroke-width="1"rx="5"ry="5"/>        x="180"y="335"text-anchor="middle"font-weight="bold"font-size="12"fill="#0066B3">應用場景                        x="40"y="345"width="85"height="25"fill="#ffffff"stroke="#ccc"stroke-width="1"rx="3"ry="3"/>        x="82"y="360"text-anchor="middle"font-size="9"fill="#333">預測性維護                x="135"y="345"width="85"height="25"fill="#ffffff"stroke="#ccc"stroke-width="1"rx="3"ry="3"/>        x="177"y="360"text-anchor="middle"font-size="9"fill="#333">能效優化                x="230"y="345"width="85"height="25"fill="#ffffff"stroke="#ccc"stroke-width="1"rx="3"ry="3"/>        x="272"y="360"text-anchor="middle"font-size="9"fill="#333">質量控制                        x1="180"y1="80"x2="180"y2="100"stroke="#0066B3"stroke-width="1.5"marker-end="url(#arrowhead)"/>        x1="180"y1="180"x2="180"y2="200"stroke="#0066B3"stroke-width="1.5"marker-end="url(#arrowhead)"/>        x1="180"y1="300"x2="180"y2="320"stroke="#0066B3"stroke-width="1.5"marker-end="url(#arrowhead)"/>                                  id="arrowhead"markerWidth="10"markerHeight="7"refX="9"refY="3.5"orient="auto">            points="0 0, 10 3.5, 0 7"fill="#0066B3"/>                            

            
style="flex:1; background-color:white; border:1px solid #ddd; margin-left:5px; padding:10px; overflow:auto; font-family:Consolas, Monaco, monospace; font-size:0.8em;">      
style="font-weight:bold; margin-bottom:5px; color:#0066B3;">邊緣分析應用示例 (Node.js)
style="margin:0; background-color:#f9f9f9; padding:5px;">// 西門子Industrial Edge應用示例 - 電機振動分析
// 使用Node.js實現邊緣分析功能
 
const { OPCUAClient, AttributeIds } = require('node-opcua');
const mqtt = require('mqtt');
const { SMA, EMA } = require('moving-averages');
const { FFT } = require('fft.js');
// 配置參數
const config = {
  opcua: {
    endpointUrl: "opc.tcp://192.168.1.100:4840",
    nodeIds: {
      vibration: "ns=3;s=\"Motor1\".\"VibrationData\"",
      temperature: "ns=3;s=\"Motor1\".\"Temperature\"",
      speed: "ns=3;s=\"Motor1\".\"Speed\""
    },
    samplingInterval: 100 // ms
  },
  analysis: {
    windowSize: 64,        // FFT窗口大小
    alarmThresholds: {
      vibration: 8.5,      // 振動閾值 (mm/s)
      temperature: 75.0    // 溫度閾值 (°C)
    },
    movingAverageSize: 10  // 移動平均窗口大小
  },
  mqtt: {
    broker: "mqtt://edge-broker:1883",
    publishTopic: "motor/analytics/results",
    clientId: "motor-analytics-edge"
  }
};
// 數據存儲
const dataStore = {
  vibrationBuffer: [],
  temperatureHistory: [],
  speedHistory: [],
  fftResults: [],
  alarms: []
};
// 初始化FFT
const fft = new FFT(config.analysis.windowSize);
const fftOutput = {
  real: new Float64Array(config.analysis.windowSize),
  imag: new Float64Array(config.analysis.windowSize)
};
// MQTT客戶端
const mqttClient = mqtt.connect(config.mqtt.broker, {
  clientId: config.mqtt.clientId
});
mqttClient.on('connect', () => {
  console.log('Connected to MQTT broker');
});
// 振動數據分析函數
function analyzeVibration(data) {
  // 更新數據緩沖區
  dataStore.vibrationBuffer.push(...data);
  // 保持緩沖區大小
  if (dataStore.vibrationBuffer.length > config.analysis.windowSize) {
    dataStore.vibrationBuffer = dataStore.vibrationBuffer.slice(
      dataStore.vibrationBuffer.length - config.analysis.windowSize
    );
  }
  // 緩沖區滿時執行FFT
  if (dataStore.vibrationBuffer.length === config.analysis.windowSize) {
    const input = new Float64Array(dataStore.vibrationBuffer);
    
    // 準備FFT輸入
    const fftInput = {
      real: [...input],
      imag: new Array(config.analysis.windowSize).fill(0)
    };
    
    // 執行FFT
    fft.transform(fftOutput, fftInput);
    
    // 計算振幅譜
    const amplitudeSpectrum = [];
    for (let i = 0; i < config.analysis.windowSize / 2; i++) {
      const re = fftOutput.real[i];
      const im = fftOutput.imag[i];
      const amplitude = Math.sqrt(re * re + im * im);
      amplitudeSpectrum.push(amplitude);
    }
    
    // 存儲FFT結果
    dataStore.fftResults = amplitudeSpectrum;
    
    // 查找主頻
    const dominantFreq = amplitudeSpectrum.indexOf(
      Math.max(...amplitudeSpectrum)
    );
    
    // 檢測異常振動
    const rmsVibration = Math.sqrt(
      input.reduce((sum, val) => sum + val * val, 0) / input.length
    );
    
    // 振動報警檢查
    if (rmsVibration > config.analysis.alarmThresholds.vibration) {
      const alarm = {
        timestamp: new Date(),
        type: 'HIGH_VIBRATION',
        value: rmsVibration,
        details: {
          dominantFrequency: dominantFreq,
          threshold: config.analysis.alarmThresholds.vibration
        }
      };
      
      dataStore.alarms.push(alarm);
      
      // 發布報警到MQTT
      mqttClient.publish(
        `${config.mqtt.publishTopic}/alarms`,
        JSON.stringify(alarm)
      );
    }
    
    // 發布分析結果到MQTT
    const analysisResult = {
      timestamp: new Date(),
      rmsVibration,
      dominantFrequency: dominantFreq,
      spectralPeaks: findPeaks(amplitudeSpectrum, 3),
      healthIndex: calculateHealthIndex(rmsVibration,
                   dataStore.temperatureHistory)
    };
    
    mqttClient.publish(
      config.mqtt.publishTopic,
      JSON.stringify(analysisResult)
    );
  }
}
// 查找頻譜峰值
function findPeaks(spectrum, count) {
  // 查找前N個峰值頻率點
  const peaks = [...spectrum].map((val, idx) => ({ val, idx }))
    .sort((a, b) => b.val - a.val)
    .slice(0, count);
  return peaks.map(p => ({
    frequency: p.idx,
    amplitude: p.val
  }));
}
// 計算設備健康指數
function calculateHealthIndex(vibration, tempHistory) {
  if (tempHistory.length === 0) return 100;
  // 基于振動和溫度計算健康指數
  const maxVibration = config.analysis.alarmThresholds.vibration;
  const maxTemp = config.analysis.alarmThresholds.temperature;
  const currentTemp = tempHistory[tempHistory.length - 1];
  // 簡單加權健康指數計算
  const vibIndex = Math.max(0, 100 - (vibration / maxVibration * 100));
  const tempIndex = Math.max(0, 100 - (currentTemp / maxTemp * 100));
  // 70%振動權重, 30%溫度權重
  return vibIndex * 0.7 + tempIndex * 0.3;
}
// 主要數據收集和分析循環
async function startAnalysis() {
  // OPC UA連接和數據收集代碼
  // 定期調用analyzeVibration函數
  // 實際應用中需要完整實現OPC UA客戶端連接和訂閱
}
// 啟動分析
startAnalysis().catch(console.error);
      
style="font-weight:bold; margin-top:10px; margin-bottom:5px; color:#0066B3;">預測性維護評估模型 (Python)
style="margin:0; background-color:#f9f9f9; padding:5px;"># 西門子Edge設備上的預測性維護Python應用
# 使用機器學習模型評估設備狀態
 
import numpy as np
import pandas as pd
from sklearn.ensemble import IsolationForest
from sklearn.preprocessing import StandardScaler
import joblib
import json
import paho.mqtt.client as mqtt
 
# 配置參數
MQTT_BROKER = "mqtt://localhost:1883"
MQTT_TOPIC_IN = "motor/analytics/results"
MQTT_TOPIC_OUT = "motor/maintenance/prediction"
MODEL_PATH = "/app/models/isolation_forest.pkl"
 
# 特征工程函數
def extract_features(data_window):
    """從時間窗口數據中提取特征"""
    features = {}
    
    # 振動特征
    vib_data = [x['rmsVibration'] for x in data_window]
    features['vib_mean'] = np.mean(vib_data)
    features['vib_std'] = np.std(vib_data)
    features['vib_max'] = np.max(vib_data)
    features['vib_trend'] = vib_data[-1] - vib_data[0]
    
    # 頻譜特征
    freq_peaks = [x['spectralPeaks'] for x in data_window]
    peak_freqs = [peak[0]['frequency'] if peak else 0
                 for peak in freq_peaks]
    features['dominant_freq_mean'] = np.mean(peak_freqs)
    features['dominant_freq_std'] = np.std(peak_freqs)
    
    # 溫度特征（如果可用）
    if 'temperature' in data_window[0]:
        temp_data = [x['temperature'] for x in data_window]
        features['temp_mean'] = np.mean(temp_data)
        features['temp_max'] = np.max(temp_data)
        features['temp_rise'] = temp_data[-1] - temp_data[0]
    
    # 健康指數特征
    health_idx = [x.get('healthIndex', 100) for x in data_window]
    features['health_idx_mean'] = np.mean(health_idx)
    features['health_idx_trend'] = health_idx[-1] - health_idx[0]
    
    return features
 
# 異常檢測和RUL（剩余使用壽命）估計
class MaintenancePredictor:
    def __init__(self):
        self.model = None
        self.scaler = None
        self.data_window = []
        self.window_size = 60  # 1小時（假設數據每分鐘一次）
        self.load_model()
        self.setup_mqtt()
    
    def load_model(self):
        """加載預訓練模型和標準化器"""
        try:
            model_data = joblib.load(MODEL_PATH)
            self.model = model_data['model']
            self.scaler = model_data['scaler']
            print("模型加載成功")
        except Exception as e:
            print(f"模型加載失敗: {e}")
            # 如果加載失敗，創建新模型
            self.model = IsolationForest(
                contamination=0.05,
                random_state=42
            )
            self.scaler = StandardScaler()
    
    def setup_mqtt(self):
        """設置MQTT客戶端"""
        self.client = mqtt.Client()
        self.client.on_connect = self.on_connect
        self.client.on_message = self.on_message
        self.client.connect(MQTT_BROKER.replace("mqtt://", ""), 1883)
        self.client.loop_start()
    
    def on_connect(self, client, userdata, flags, rc):
        print(f"已連接到MQTT代理，結果代碼: {rc}")
        client.subscribe(MQTT_TOPIC_IN)
    
    def on_message(self, client, userdata, msg):
        """處理接收到的消息"""
        try:
            data = json.loads(msg.payload)
            self.data_window.append(data)
            
            # 保持窗口大小
            if len(self.data_window) > self.window_size:
                self.data_window.pop(0)
            
            # 當窗口填滿時進行分析
            if len(self.data_window) == self.window_size:
                self.analyze_maintenance()
        except Exception as e:
            print(f"消息處理錯誤: {e}")
    
    def analyze_maintenance(self):
        """分析數據并預測維護需求"""
        # 特征提取
        features = extract_features(self.data_window)
        
        # 轉換為數據幀
        df = pd.DataFrame([features])
        
        # 標準化特征
        scaled_features = self.scaler.fit_transform(df)
        
        # 使用異常檢測模型預測
        anomaly_score = self.model.decision_function(scaled_features)[0]
        anomaly_pred = self.model.predict(scaled_features)[0]
        
        # 計算RUL（示例）
        health_trend = features['health_idx_trend']
        current_health = features['health_idx_mean']
        
        # 簡單線性預測
        rul = 100  # 默認值
        if health_trend < 0:  # 健康指數下降
            # 估計剩余使用壽命（天）
            rul_days = int(current_health / abs(health_trend) * 60 / 24)
            rul = max(0, min(rul_days, 100))
        
        # 準備預測結果
        prediction = {
            "timestamp": self.data_window[-1]["timestamp"],
            "anomalyScore": float(anomaly_score),
            "isAnomaly": int(anomaly_pred) == -1,
            "remainingUsefulLife": rul,
            "maintenanceRecommended":
                rul < 30 or int(anomaly_pred) == -1,
            "confidenceLevel": min(abs(anomaly_score) * 10, 100)
        }
        
        # 發布預測結果
        self.client.publish(
            MQTT_TOPIC_OUT,
            json.dumps(prediction)
        )
        print(f"已發布維護預測: {prediction}")
 
# 啟動預測器
if __name__ == "__main__":
    predictor = MaintenancePredictor()
    
    # 保持程序運行
    import time
    try:
        while True:
            time.sleep(1)
    except KeyboardInterrupt:
        predictor.client.loop_stop()
        print("程序已停止")