ThingsBoard中实现用户输入表单的技术方案解析
2025-05-12 15:06:29作者:仰钰奇
在工业物联网平台ThingsBoard的实际应用中,我们经常需要实现人机交互功能。本文将以一个典型的OEE(设备综合效率)监控场景为例,详细介绍如何构建用户输入表单的技术实现方案。
业务场景需求
在制造执行系统中,设备通常以批次为单位进行生产。当管理人员启动设备批次时,需要记录两个关键信息:
- 操作人员姓名
- 当前加工的SKU(库存单位)
这些信息需要与设备参数一起,在批次结束时生成完整的生产报告。这就要求在ThingsBoard仪表板上实现一个数据录入界面。
ThingsBoard的表单构建方案
原生组件方案
ThingsBoard平台提供了"更新多个属性"(Update Multiple Attributes)组件,这是实现表单功能的基础组件。该组件具有以下技术特性:
- 数据类型支持:可以配置多种数据类型,包括字符串、数字、布尔值等
- 多字段支持:支持同时更新多个属性字段
- 设备关联:数据可以直接绑定到设备或资产的属性上
具体实现步骤
-
组件配置:
- 在仪表板编辑器中添加"更新多个属性"组件
- 为每个输入字段创建对应的数据键(Data Key)
-
数据类型设置:
- 人员姓名字段设置为字符串类型
- SKU字段根据业务需求,可设置为字符串或数字类型
-
布局优化:
- 通过CSS调整表单样式
- 添加说明标签提升用户体验
技术实现细节
数据模型设计
建议采用以下属性结构:
- operatorName (string)
- currentSKU (string/number)
- batchStartTime (timestamp)
前端交互流程
- 操作人员打开设备控制面板
- 填写姓名和SKU信息
- 提交表单触发批次开始
- 系统记录开始时间戳
- 生产结束后自动生成报告
扩展思考
对于更复杂的表单需求,ThingsBoard还支持以下高级方案:
- 自定义HTML组件:通过HTML/CSS/JavaScript创建完全自定义的表单
- 规则链集成:表单提交后触发特定的业务规则
- 数据验证:通过前端脚本实现输入验证
最佳实践建议
- 对于简单的数据采集,优先使用原生组件
- 复杂表单考虑自定义组件开发
- 重要数据建议添加二次确认机制
- 考虑移动端操作的便捷性
通过合理利用ThingsBoard的现有组件和扩展能力,可以构建出既满足业务需求又用户友好的数据采集界面,为智能制造系统提供可靠的人机交互解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660