Представьте склад, где датчики температуры и вибрации работают годами, но данные никто не анализирует — только смотрят на красные лампочки. Или производственный цех, где контроллеры пишут логи, но никто не замечает тренда роста температуры за месяц до аварии. Проблема не в сборе данных — она в их осмыслении. Традиционные SCADA-системы дороги (лицензия на 500 точек стоит от $10 000), сложны в настройке и не умеют предсказывать отказы. ASI Biont меняет правила игры: AI-агент сам подключается к вашим датчикам через MQTT, Modbus или COM-порт, анализирует данные в реальном времени и принимает решения. В этой статье — реальный кейс интеграции ESP32 с DHT22 и датчиком вибрации SW-420 к ASI Biont через MQTT-брокер. Схема подключения, код ESPHome, Python-скрипты для AI и сравнение с SCADA: стоимость ниже в 5 раз, экономия времени — 40% при ручном мониторинге (данные опроса 50 инженеров на форуме Industrial IoT в 2025 году).
Почему именно MQTT и ESP32?
ESP32 — самый популярный микроконтроллер для IoT: цена $3–5, встроенный Wi-Fi/Bluetooth, 2 ядра, 520 КБ RAM. Для промышленного мониторинга складов и производственных помещений он идеален. MQTT — лёгкий протокол publish/subscribe, стандарт де-факто для IoT (ISO/IEC 20922). В отличие от HTTP, MQTT потребляет в 10 раз меньше трафика и работает при нестабильной сети. ASI Biont подключается к MQTT-брокеру через библиотеку paho-mqtt в execute_python — AI сам пишет скрипт подписки на топики и публикации команд. Никаких панелей управления: просто опишите в чате, к какому брокеру подключиться (IP, порт, логин/пароль), и AI сделает всё за секунды.
Сценарий: мониторинг температуры и вибрации на складе
Допустим, у вас склад с серверами или чувствительным оборудованием. Задача: собирать температуру (DHT22), влажность и вибрацию (SW-420), при превышении порогов отправлять уведомление в Telegram. Традиционный подход: писать код на MicroPython, настраивать MQTT-клиент, поднимать свой сервер, делать дашборд — неделя работы. С ASI Biont: 10 минут на описание задачи в чате.
Шаг 1. Прошивка ESP32 с ESPHome
ESPHome — фреймворк для прошивки ESP32 без написания кода на C++. Конфигурация в YAML. Пример файла:
esphome:
name: warehouse-sensor-01
platform: ESP32
board: nodemcu-32s
wifi:
ssid: "Warehouse_WiFi"
password: "your_password"
mqtt:
broker: 192.168.1.100
port: 1883
username: mqtt_user
password: mqtt_pass
topic_prefix: warehouse/sensor01
sensor:
- platform: dht
pin: GPIO4
model: DHT22
temperature:
name: "Temperature"
id: temp
humidity:
name: "Humidity"
id: hum
update_interval: 30s
- platform: pulse_counter
pin: GPIO5
name: "Vibration"
id: vib
update_interval: 10s
filters:
- lambda: return (x > 100) ? 1 : 0;
После заливки прошивки ESP32 публикует данные в топик warehouse/sensor01/temperature, warehouse/sensor01/humidity, warehouse/sensor01/vibration каждые 10–30 секунд.
Шаг 2. Подключение ASI Biont к MQTT-брокеру
Заходим в чат ASI Biont и пишем: «Подключись к MQTT-брокеру 192.168.1.100:1883, логин mqtt_user, пароль mqtt_pass. Подпишись на топик warehouse/sensor01/#. Собирай данные температуры, влажности и вибрации. Если температура выше 35°C или вибрация больше 100 импульсов за 10 секунд — отправь уведомление в Telegram на мой чат ID 123456789 с текстом аварии. Используй execute_python».
AI генерирует и выполняет следующий скрипт (упрощённо):
import paho.mqtt.client as mqtt
import requests
import json
import time
TELEGRAM_BOT_TOKEN = "your_bot_token"
TELEGRAM_CHAT_ID = "123456789"
def on_message(client, userdata, msg):
payload = msg.payload.decode()
topic = msg.topic
print(f"Получено: {topic} -> {payload}")
if "temperature" in topic:
temp = float(payload)
if temp > 35.0:
requests.post(
f"https://api.telegram.org/bot{TELEGRAM_BOT_TOKEN}/sendMessage",
json={"chat_id": TELEGRAM_CHAT_ID, "text": f"⚠️ Авария: температура {temp}°C на складе!"}
)
elif "vibration" in topic:
vib = int(payload)
if vib > 100:
requests.post(
f"https://api.telegram.org/bot{TELEGRAM_BOT_TOKEN}/sendMessage",
json={"chat_id": TELEGRAM_CHAT_ID, "text": f"⚠️ Вибрация {vib} имп/с — возможен отказ вентилятора!"}
)
client = mqtt.Client()
client.username_pw_set("mqtt_user", "mqtt_pass")
client.on_message = on_message
client.connect("192.168.1.100", 1883, 60)
client.subscribe("warehouse/sensor01/#")
client.loop_start()
time.sleep(25) # sandbox ограничен 30 секундами, но этого хватает для проверки
AI не пишет бесконечные циклы (sandbox убьёт процесс через 30 секунд), поэтому использует time.sleep(25) для демонстрации. В продакшене AI может настроить постоянный subscriber через industrial_command с protocol='mqtt', command='subscribe' — но это отдельный tool call.
Шаг 3. Результат
Через 30 секунд после запуска AI отчитывается: «Подключился к брокеру. Получено 3 сообщения: температура 24.5°C, влажность 55%, вибрация 0. Пороги не превышены. Система работает». Если датчик вибрации зафиксирует удар — в Telegram придёт alert.
Сравнение с традиционными SCADA-решениями
| Параметр | Традиционная SCADA (Ignition, WinCC) | ASI Biont + ESP32 |
|---|---|---|
| Стоимость лицензии на 50 точек | от $5 000/год | $0 (ESP32 + AI-агент от $29/мес) |
| Время настройки | 2-3 недели | 30 минут (прошивка + диалог с AI) |
| Анализ данных | Статические дашборды | AI сам находит аномалии |
| Уведомления | Настройка через веб-интерфейс | AI пишет код уведомлений за секунды |
| Прогнозирование отказов | Требует отдельного модуля | AI обучается на трендах |
Экономия: стоимость владения (TCO) за 3 года при 50 датчиках: SCADA — $25 000, ASI Biont — $1 044 (ESP32 × 50 = $250 + подписка на AI $29 × 36 = $1 044 + брокер Mosquitto бесплатно). В 24 раза дешевле.
Экономия времени: по опросу 50 инженеров (Industrial IoT Forum, 2025), ручной мониторинг склада с 20 датчиками занимает 5 часов в неделю. С AI-агентом — 3 часа (проверка уведомлений). Экономия 40%.
Другие способы интеграции Sensors & telemetry с ASI Biont
ASI Biont подключается к любому устройству через execute_python — AI сам пишет код под ваше оборудование. Вот ещё три сценария:
1. Подключение через Hardware Bridge (COM-порт)
Если у вас Arduino с датчиками на RS-232: скачайте bridge.py из дашборда (Devices → Create API Key), запустите:
python bridge.py --token=YOUR_TOKEN --ports=COM3 --default-baud=9600
В чате напишите: «Прочитай данные с COM3, 9600 baud, пин A0 — аналоговое значение. Если больше 500 — включи светодиод на пине 13». AI использует industrial_command(protocol='serial://', command='read', params={'port': 'COM3', 'baud': 9600, 'pin': 'A0'}), bridge выполняет локально через pyserial.
2. Подключение через OPC UA
Если на заводе есть OPC UA-сервер (например, Kepware): AI подключается через opcua-asyncio. В чате: «Подключись к OPC UA-серверу opc.tcp://192.168.1.200:4840, читай тег ns=2;s=Temperature, логируй в CSV и предсказывай тренд на 1 час вперёд». AI генерирует скрипт с asyncua, собирает данные, строит график через matplotlib и сохраняет отчёт.
3. Подключение через HTTP API
Если у вас умная розетка Shelly с HTTP API: AI пишет скрипт с requests, опрашивает /status, включает/выключает по расписанию. В чате: «Подключайся к Shelly 1PM на 192.168.1.50, каждые 5 минут снимай потребление, если больше 200 Вт — выключи на 10 минут». AI выполняет скрипт с time.sleep(300) и условиями.
Как начать интеграцию
- Подготовьте устройство: ESP32 с датчиками, Arduino или PLC. Прошейте ESPHome (конфигурация выше) или оставьте стоковую прошивку.
- Запустите bridge (если используете COM-порт) — скачайте из дашборда ASI Biont.
- Опишите задачу в чате: «Подключись к MQTT-брокеру...», «Прочитай данные с COM3...», «Подключись к OPC UA...». Приложите параметры (IP, порт, логин).
- Получите код и результат: AI генерирует, выполняет и показывает данные. Если нужно — дорабатывает по вашим комментариям.
Заключение
Интеграция Sensors & telemetry с ASI Biont — это не просто сбор данных, а интеллектуальный мониторинг, который экономит 40% времени и в 5 раз дешевле SCADA. AI-агент сам пишет код подключения: не нужно ждать разработчиков, читать документацию протоколов или настраивать дашборды. Просто опишите, что хотите получить, и AI сделает это за секунды. Попробуйте интеграцию на asibiont.com — подключите свой первый датчик за 10 минут.
Комментарии