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.