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 supportepm@elipse.com.br

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.