GA Convergência entre TI e TO: Utilização do versátil

Node-Red para cruzamento de dados a partir de

fontes e interfaces (APIs) heterogêneas.
Eloi RD1.
1 Universidade Federal do Mato Grosso do Sul, Programa de Pós-Graduação Stricto Sensu em Eficiência
Energética e Sustentabilidade;

RESUMO: A convergência TI (Tecnologia da Informação) e TO (Tecnologia Operacional) é

uma filosofia em que os dados produzidos nos dispositivos finais são armazenados, processados
e atuados diretamente nas bordas da rede podendo ser combinados com dados de interfaces de
aplicações externas (API) originadas de nuvens ou sistemas coorporativos. Nesse artigo serão
abordados métodos de aquisição de dados de fontes heterogêneas via APIs, protocolos de
comunicação industrial e publicação de dados à nuvens utilizando a plataforma Node-Red.
Sistemas de diagnostico, gerenciamento de ativos e até mesmo predição utilizando técnicas
avançadas de machine learning podem ser criados a partir desse framework.

Palavras-chave: Tecnologia da Informação, Tecnologia Operacional, Gerenciamento de Ativos, API,

Node-Red, Machine Learning, Business Inteligence.

1. Introdução

Embora seja possível criar sistemas baseados em aplicativos de IoT interativos em tempo
real usando ferramentas de programação tradicionais, pode ser difícil, exigindo que os
desenvolvedores aprendam novos protocolos e APIs, criem componentes de processamento de
dados e os vinculem. Para fornecer mais flexibilidade, mantendo a facilidade de uso, várias
plataformas (Baroth, E. and Hartsough, C. 1995; Blackstock, M. and Lea, R. 2012) fornecem
um paradigma de programação de fluxo de dados onde os programas de computador são
modelados como gráficos direcionados conectando redes de nós 'caixa preta' que trocam dados
ao longo conectados arcos. Esse paradigma simples, embora não necessariamente expresso
visualmente, está no cerne de várias linguagens de programação visual. Linguagens de
programação de fluxo de dados visuais (VDFPLs) (Johnston, W.M. et al. 2004) têm sido usadas
em muitos outros domínios, como computação paralela de alto desempenho alavancando
processadores multi-core, música, brinquedos e aplicações industriais. Dois sistemas de fluxo
de dados baseados na web em particular; o Processador WoTKit (Blackstock, M. and Lea, R.
2012) e o Node-RED (Node-RED: http://nodered.org/) começam a abordar cenários interativos
da IoT como esses. O Processor é um sistema multiusuário para executar programas de fluxo
de dados na nuvem, enquanto o NodeRED é um kit de ferramentas para desenvolver fluxos de
dados em dispositivos e servidores. Neste artigo utilizaremos o Node-Red, serão abordadas
algumas ferramentas da plataforma baseadas em bibliotecas abertas open source úteis para
criação de sistemas, aplicativos, dashboards, diagnósticos, gerenciamento de ativos e
biblioteca avançada de machine learning para análise, predição e mineração de dados.

1.1 Node-RED

O Node-RED é uma ferramenta baseada na web para conectar dispositivos de hardware e

APIs. Também fornece um editor de fluxo baseado em navegador (Figura 1). Ele é
implementado em JavaScript usando a estrutura Node.js, aproveitando o modelo de evento
interno do Node e o suporte nativo para JavaScript no editor do cliente e no servidor.

1.1.1 Conceito
 O Node-RED fornece um editor de fluxo baseado em navegador que facilita a conexão de
dispositivos, APIs e serviços on-line usando ampla variedade de blocos (nodes em pallets).
Pode-se implementar os fluxos no ambiente de tempo de execução do Node.js com um único
clique. As aplicações são construídas por fluxos de dados (linhas) e blocos de função. A
plataforma ganhou grande popularidade no espaço da IoT, modelando pequenas partes da
funcionalidade de aplicativos entre dispositivos de IoT, como sensores, câmeras e roteadores
sem fio. Porém atualmente já pode ser utilizado para inúmeros casos, dependendo somente da
criatividade do arquiteto.

3.1 Bibliotecas (Pallets)

O compartilhamento de bibliotecas avançadas há algum tempo tem sido um pratica

comum. Técnicas e algoritmos que grandes empresas de diversos segmentos já utilizam em
seus sistemas podem ser encontrados em repositórios ou sites de compartilhamento sem
nenhum custo. Essa pratica iniciou no segmento de web e marketing digital, porém já vem sido
utilizada na indústria, no setor de energia e na medicina. O node-red possui um diretório online
de bibliotecas abertas nomeadas Pallet. A pallet contém todos os nós que estão instalados e
disponíveis para uso. Elas são organizadas em várias categorias, com entradas, saídas e
funções no topo. Se houver algum subfluxo, eles aparecerão em uma categoria na parte
superior da paleta.

2. Justificativa

O desenvolvimento sistemas complexos e personalizados demandam tempo e

investimento e em sua grande maioria não atingem o retorno esperado. As plataformas open
source podem agregar valor rapidamente e com um baixo custo de desenvolvimento e esforço
conforme conceito do MVP (Minimum Viable Product).

3. Aplicações de Convergência IT-OT

3.1 Protocolos de Comunicação para Leitura dos Dispositivos Conectados

O node-red se destacou inicialmente no mundo IoT e agora vem crescendo

consideravelmente no mundo de automação industrial e predial. Existem já desenvolvidas para
uso diversas bibliotecas (pallets) de protocolos de comunicação para aquisição de dados dos
dispositivos conectados, tal como: Modbus TCP, Ethernet IP, OPC UA, Bacnet.

Modbus TCP:

Figure 1 – Fluxo para comunicação com um dispositivo Modbus TCP.

OPC UA:
 Figure 2 – Fluxo para comunicação com um servidor OPC UA.

Ethernet IP:

Figure 3 – Fluxo para comunicação com um dispositivo Ethernet IP.

3.1 Interfaces com Aplicações (APIs) de Precisão do Tempo

As APIs lidam com enormes quantidades de dados de um tipo muito variado - de acordo
com isso, uma das principais preocupações de qualquer provedor de dados é a forma específica
de proteger esses dados. A ideia de que os dados devem ser secretos, que devem permanecer
inalterados e que devem estar disponíveis para manipulação é fundamental para qualquer
conversa sobre gerenciamento e manipulação de dados da API.

Existem três métodos principais para adicionar segurança a uma API: autenticação básica
de HTTP, chaves de API e OAuth.
 Figure 4 – Fluxo para comunicação com uma API de previsão de tempo.

3.1 Interfaces com Aplicações (APIs) de Redes Sociais

Figure 5 – Fluxo para comunicação com o Twitter.

3.1 Machine Learning Functionalities

Os fluxos de machine learning criam datasets, treinam um modelo e avaliam. O fluxo

abaixo carrega um dataset em um arquivo CSV.

Figure 6 - Fluxo para carregamento de um dataset.

Esse fluxo carrega uma partição de treinamento e treina um 'classificador de árvore de

decisão', salvando o modelo localmente.
 Figure 7 - Fluxo para treinamento via algoritmo de “Arvore de Decisão”.

Esse fluxo carrega uma partição de teste e avalia um modelo previamente treinado.

Figure 8 - Fluxo para carregamento e avaliação do modelo treinado.

Este fluxo mostra como usar um modelo treinado durante a implantação. Os dados são
recebidos via mqtt, as previsões são feitas e, em seguida, enviadas de volta.

Figure 9 - Fluxo para carregamento dos dados previstos via modelo treinado.

3.1 Dashboard para Visualização e Análise dos Dados

O Node-Red possui uma biblioteca padrão para a exposição dos dados em HTML. A pallets
possui variados nodes que podem atender a diversos tipos de visualização de dados e gráficos,
além disso possui um node para desenvolvimento do gráfico em Java.
 Figure 10 – Dashboard criada no ambiente Node-Red.

4. Disposições Gerais

A análise de dados heterogêneos ficou simplificada com a filosofia da programação de

blocos e fluxo com a variedade de bibliotecas abertas disponíveis em diretórios online. No
passado isso demandava um grande esforço de desenvolvimento de software e cruzamento de
banco de dados consequentemente grandes investimentos. O Node-Red é uma ferramenta
versátil que pode ser utilizada desde uma simples automação residencial até como ferramenta
de análise e predição de dados via técnicas de machine learninig.

Powered by TCPDF (www.tcpdf.org)