Creació d'un sistema per l'adquisició i visualització de dades de màquines

Abstract

Aquest treball de final de grau presenta el desenvolupament d’un sistema SCADA per a la supervisió de màquines de visió artificial en una planta de producció industrial. El sistema es basa en la integració de diverses tecnologies: MQTT com a protocol de comunicació lleuger per a la recepció de dades en temps real, Node-RED per al processament i redirecció de les dades, i SQL Server, gestionat amb SQL Server Management Studio (SSMS), per a l’emmagatzematge estructurat de la informació. Les dades s’exploten mitjançant dashboards interactius dissenyats tant a Microsoft Excel com a Grafana, que permeten una visualització clara i immediata dels principals indicadors del procés. El sistema recull informació com la referència actual, el nombre de peces bones (OK) i defectuoses (NOK), el temps de cicle (mig i últim), i l’estat operatiu de la màquina (en marxa o aturada). Aquestes dades s’actualitzen de forma contínua i permeten obtenir també indicadors acumulats per torn o per franges temporals. El sistema facilita la traçabilitat del procés, permet la detecció precoç d’anomalies i optimitza la presa de decisions en entorns de producció automatitzada. La solució plantejada és modular, escalable i accessible, amb un enfocament pràctic orientat a la millora de l’eficiència i el control de la producció mitjançant eines de programari lliure i entorns coneguts per l’usuari final

This bachelor's thesis presents the development of a SCADA system for monitoring machine vision equipment in an industrial production environment. The system integrates multiple technologies: MQTT as a lightweight communication protocol for real-time data acquisition, Node-RED for data processing and routing, and SQL Server, managed through SQL Server Management Studio (SSMS), for structured data storage. The collected data is visualized through interactive dashboards developed in both Microsoft Excel and Grafana, providing clear and immediate access to key production indicators. The system monitors variables such as the current reference, the number of good parts (OK) and defective parts (NOK), cycle times (average and last), and the operational status of the machine (running or stopped). These values are continuously updated and allow the calculation of aggregate indicators over shifts or time periods. The system enhances process traceability, enables early detection of anomalies, and supports data-driven decision-making in automated production environments. The proposed solution is modular, scalable, and user-friendly, focused on improving production efficiency and control using open-source tools and familiar platforms for end users