Biblioteca Epmwebapi (en-us)
Desenvolvida pela Elipse Software, a biblioteca Epmwebapi permite a interação com os dados da sua plataforma Elipse Plant Manager(EPM). Ela possibilita flexibilidade para buscar, organizar, analisar, compartilhar e monitorar os dados de processo industrial.
Seu uso típico, mas não exclusivo, é a geração de indicadores, análises de dados, estatística e inteligência de processo voltados para sistemas industriais como Indústria Química, Petroquímica, Papel e Celulose, Siderúrgica, Energia, Saneamento, Data Centers, Prédios Inteligentes, entre outros.
Mais informações sobre o EPM podem ser encontradas no site https://www.elipse.com.br/produto/elipse-plant-manager/
Requisitos:
- EPM Webserver 3.06 (para acesso aos dados do EPM Server, não precisa estar instalado na mesma máquina da epmwebapi).
- Python 3.6 x64 ou superior
Instalação:
Online(Recomendado):
- Após instalar o Python, digite no prompt de comando ou terminal: pip install epmwebapi. O instalador se encarregará de baixar e instalar a biblioteca e suas dependências.
Offline:
- Faça do download do pacote através do site da Elipse.
- Faça a descompactação da pasta epmwebapi e copie para o diretório site-packages da instalação do Python.
- Instale as dependências: Bibliotecas Numpy, Requests e Python-dateutil.
Nota: O Github tem apresentado dificuldades para mostrar os exemplos abaixo. Em caso de erro, utilize um destes links alternativos:
NBViewer - Visualizador de notebooks do Jupyter
EPMTR - Exemplos em HTML no servidor da Elipse
Se houver qualquer dificuldade para visualizar os exemplos, envie email para [email protected]
Exemplos:
- Exemplo básico - Exemplos de leituras e escritas de dados e anotações.
- Matplotlib - Utilizando essa biblioteca para gerar gráficos.
- Pandas - Use Pandas para manipular dados tabulares.
- Pandas e dataviz - Utilizando essas bibliotecar para manipular dados e gerar visualizções gráficas.
- Numpy - Numpy é uma biblioteca essecial para trabalhar com cálculos de dados em matrizes.
- Regressão por árvore de decisão - Veja como utilizar a biblioteca Scikit-learn para fazer uma regressão.
- Utilizando Concorrência - Usando concorrência para alta performance de consultas ao EPM Server.
- Buscando em um webserver e escrevendo no EPM Server - Lendo dados de temperatura do Webserver do INPE e escrevendo em uma variável do EPM Server.
- Machine Learning - Noções e exemplos de uso dessa técnica cada vez mais utilizada em dados de processo.
- Análise de temperatura e conforto térmico - Análises de dados reais de temperaturas das salas da Elipse.
- Criando mapas - Trabalhando com dados de geolocalização e mapas interativos.
- Acessando informações do EPM Server - Acessando informações como versão, chave de produto, diagnósticos dos Interface Servers, etc.
- Melhorando desempenho em consultas historyReadRaw - Trabalhando com o módulo concurrent.futures para fazer consultas Raw, trazendo possíveis ganhos de desempenho, principalmente quando se tem muitas variáveis a serem pesquisadas.
- Melhorando desempenho em consultas historyReadAggregate - Trabalhando com o módulo concurrent.futures para fazer consultas Aggregate, trazendo possíveis ganhos de desempenho, principalmente quando se tem muitas variáveis a serem pesquisadas.
- Buscando informações de Interfaces de Comunicação - Verificando informações de interfaces de comunicação (EPM Interfaces).
- Exemplo de gáfico 3D e polar - Exemplo de como fazer um gráfico 3D e polar com dados de processo.
- Lendo dados de arquivos TXT, CSV, XLSX e JSON - Exemplos de leitura de dados de diversos tipos de arquivos (TXT, CSV, XLSX e JSON).
- Lendo dados de processo e convertendo para DataFrame do Pandas - leitura de dados de processo do EPM Server (OPC UA Server), criação de um DataFrame do módulo Pandas e exemplos de análises.
- Análise do conforto térmico - leitura de dados de processo do EPM Server (OPC UA Server), criação de um DataFrame do módulo Pandas e análise de conforto térmico (Webinar - Análise de Dados com Python e Dashboard Web).
- Gerando relatórios em HTML e/ou PDF - Gerando relatórios em HTML ou PDF, abordando questões sobre Jinja2, Base64, lendo informações de variáveis de ambiente, criando séries temporais na Pandas convertendo UTC para hora local.
- CRUD em Basic Variables - Criando, alterando configurações e excluindo Basic Variables do EPM Server.