ProEye-X API

회사 전용 인스턴스(https://회사.proeye-x.com)의 작업분석 데이터를 외부 시스템(MES · ERP · BI)에서 읽고 쓰는 방법입니다. 모든 호출은 JSON-RPC 2.0 으로 POST /jsonrpc 한 곳에 보냅니다.

시작하기

호출 주소

주소는 회사 인스턴스마다 다릅니다. DB 이름은 회사 주소의 앞부분(회사)과 같습니다.

POST https://company.proeye-x.com/jsonrpc

API 키 만들기

인스턴스에 로그인 → 오른쪽 위 사용자 메뉴 › 내 프로필(환경설정) › 계정 보안 › 「새 API 키」. 키는 비밀번호 대신 쓰며, 만들 때 한 번만 보입니다. 키는 서버 쪽 프로그램에만 두고 브라우저 코드에 넣지 마세요.

인증 (uid 받기)

로그인 이메일과 API 키로 사용자 번호(uid)를 받은 뒤, 이후 모든 호출에 DB · uid · API 키를 함께 보냅니다.

curl
curl -s https://company.proeye-x.com/jsonrpc \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc": "2.0", "method": "call", "params": {
        "service": "common", "method": "authenticate",
        "args": ["company", "you@company.com", "YOUR_API_KEY", {}]}}'

# → {"jsonrpc": "2.0", "id": null, "result": 7}      (7 = uid)

Python 도우미

아래 예제는 이 도우미 함수 model() 을 씁니다.

Python
import requests

URL = "https://company.proeye-x.com/jsonrpc"
DB, LOGIN, KEY = "company", "you@company.com", "YOUR_API_KEY"

def call(service, method, *args):
    r = requests.post(URL, json={"jsonrpc": "2.0", "method": "call",
                                 "params": {"service": service, "method": method, "args": args}}, timeout=30)
    r.raise_for_status()
    body = r.json()
    if body.get("error"):
        raise RuntimeError(body["error"]["data"]["message"])
    return body.get("result")          # no "result" key when the method returns nothing

UID = call("common", "authenticate", DB, LOGIN, KEY, {})

def model(name, method, args, kw=None):
    return call("object", "execute_kw", DB, UID, KEY, name, method, args, kw or {})

언어

context 에 lang 을 주면 작업명 · 요소작업 이름이 그 언어로 옵니다(번역이 있을 때). 예: {"context": {"lang": "en_US"}} · ja_JP · zh_CN · zh_TW · vi_VN · th_TH · id_ID · es_ES · de_DE · ko_KR.

오류

실패하면 HTTP 200 으로 "error" 객체가 옵니다. error.data.message 에 이유가 있습니다(권한 없음 · 필수 항목 누락 등).

API 목록

element_type 은 작업유형 칸 번호의 키입니다(va = 1번, nva = 2번, wait = 3번, 사용자 정의 칸은 c4 …). VA/NVA 시간은 segment_data 구간으로 계산됩니다.

1. 작업분석 목록

모델 · wa.session메서드 · search_read

작업분석(세션) 목록과 CT 평균 · VA율 · 요소작업 수를 가져옵니다.

Python
rows = model("wa.session", "search_read", [[]], {
    "fields": ["o_no", "name", "process_name", "cycle_time_avg", "va_ratio", "element_count"],
    "order": "date desc", "limit": 20,
    "context": {"lang": "en_US"},       # names in English (optional)
})
curl
curl -s https://company.proeye-x.com/jsonrpc -H "Content-Type: application/json" -d '{
  "jsonrpc": "2.0", "method": "call", "params": {"service": "object", "method": "execute_kw",
  "args": ["company", 7, "YOUR_API_KEY", "wa.session", "search_read", [[]],
           {"fields": ["o_no", "name", "cycle_time_avg", "va_ratio"], "limit": 20}]}}'
응답 예
[{"id": 6, "o_no": "O-ENG-NOVICE-01", "name": "Engine Assembly - Novice",
  "process_name": "Engine Assembly Work", "cycle_time_avg": 165.33, "va_ratio": 63.7, "element_count": 14}]

2. 요소작업 조회

모델 · wa.element메서드 · search_read

한 작업분석의 요소작업을 주기별로 가져옵니다. 시작 · 종료 시간(초), 표준시간, VA · NVA 시간이 들어 있습니다. cycle_no 는 몇 번째 주기의 요소작업인지입니다(1, 2, 3 …).

Python
elements = model("wa.element", "search_read",
    [[["session_id", "=", 6], ["cycle_no", "=", 1]]],
    {"fields": ["cycle_no", "sequence", "name", "element_type", "video_start_time", "video_end_time",
                "standard_time", "va_time", "nva_time"], "order": "cycle_no, sequence"})
# every cycle: drop the ["cycle_no", "=", 1] condition — cycle_no tells which cycle each element belongs to
응답 예
[{"id": 70, "cycle_no": 1, "sequence": 1, "name": "Fetch the tools and prepare.", "element_type": "wait",
  "video_start_time": 189.656, "video_end_time": 198.398, "standard_time": 8.742,
  "va_time": 4.104, "nva_time": 4.638}, ...]

3. LOSS 조회

모델 · wa.element메서드 · search_read (LOSS)

LOSS 탭에 입력한 내용을 가져옵니다. 요소작업의 NVA 구간(segment_data 중 type = nva)마다 LOSS 내용(loss_data)과 낭비유형 코드(loss_type_data)가 같은 순서의 JSON 배열로 저장되어 있어, 아래처럼 짝지어 주기 · 요소작업 · 구간 시간 · 낭비유형 · LOSS 내용 행으로 만듭니다.

Python
import json

rows = model("wa.element", "search_read", [[["session_id", "=", session_id]]],
             {"fields": ["cycle_no", "sequence", "name", "segment_data", "loss_data", "loss_type_data"],
              "order": "cycle_no, sequence"})
losses = []
for e in rows:
    nva = [s for s in json.loads(e["segment_data"] or "[]") if s["type"] == "nva"]
    notes = json.loads(e["loss_data"] or "[]")          # LOSS text, one per NVA segment
    types = json.loads(e["loss_type_data"] or "[]")     # waste type code, one per NVA segment
    for i, seg in enumerate(nva):
        losses.append({"cycle_no": e["cycle_no"], "element": e["name"],
                       "start": seg["start"], "end": seg["end"], "dur": seg["dur"],
                       "loss_type": types[i] if i < len(types) else "",
                       "loss": notes[i] if i < len(notes) else ""})
응답 예
# rows (raw)
[{"id": 207, "cycle_no": 1, "sequence": 1, "name": "Fasten bolt",
  "segment_data": "[{\"type\": \"va\", \"start\": 4.2, \"end\": 7.0, \"dur\": 2.8}, {\"type\": \"nva\", \"start\": 7.0, ...}]",
  "loss_data": "[\"Searching for the wrench\", \"Waiting for the jig\"]",
  "loss_type_data": "[\"w6\", \"w2\"]"}]

# losses
[{"cycle_no": 1, "element": "Fasten bolt", "start": 7.0, "end": 9.1, "dur": 2.1, "loss_type": "w6", "loss": "Searching for the wrench"},
 {"cycle_no": 1, "element": "Fasten bolt", "start": 11.0, "end": 12.6, "dur": 1.6, "loss_type": "w2", "loss": "Waiting for the jig"}]

# loss_type: w1 overproduction · w2 waiting · w3 transport · w4 over-processing · w5 inventory · w6 motion · w7 defects

4. 작업분석 만들기

모델 · wa.session메서드 · create

새 작업분석을 만듭니다. O-No(고유 번호)는 꼭 넣어야 하며 중복될 수 없습니다. 새 ID 를 돌려줍니다.

Python
session_id = model("wa.session", "create", [{
    "o_no": "O-2026-LINE3-01",          # required, unique
    "name": "Line 3 sub-assembly",
    "process_name": "Sub-assembly",
}])
응답 예
21

5. 요소작업 추가

모델 · wa.element메서드 · create

영상 시간 구간으로 요소작업을 여러 개 한 번에 추가합니다. CT · VA율 같은 집계는 자동으로 다시 계산됩니다.

Python
ids = model("wa.element", "create", [[
    {"session_id": session_id, "cycle_no": 1, "sequence": 1, "name": "Pick part",
     "element_type": "va", "video_start_time": 0.0, "video_end_time": 4.2},
    {"session_id": session_id, "cycle_no": 1, "sequence": 2, "name": "Fasten bolt",
     "element_type": "va", "video_start_time": 4.2, "video_end_time": 9.8},
]])
summary = model("wa.session", "read", [[session_id]],
                {"fields": ["element_count", "cycle_time_avg", "va_ratio"]})
응답 예
[205, 206]
[{"id": 18, "element_count": 2, "cycle_time_avg": 9.8, "va_ratio": 100.0}]

6. 요소작업 수정 · 삭제

모델 · wa.element메서드 · write / unlink

이름 · 시간 · 작업유형을 바꾸거나(write) 지웁니다(unlink).

Python
model("wa.element", "write", [[205], {"name": "Pick and place", "video_end_time": 4.6}])
model("wa.element", "unlink", [[206]])
응답 예
true
true

7. LOSS 입력

모델 · wa.element메서드 · write (LOSS)

NVA 구간마다 LOSS 내용과 낭비유형 코드를 시간 순서대로 JSON 배열로 써 넣습니다. 배열의 n 번째 값이 n 번째 NVA 구간에 붙습니다. 낭비유형 코드: w1 과잉생산 · w2 대기 · w3 운반 · w4 가공자체 · w5 재고 · w6 동작 · w7 불량.

Python
import json

# element with NVA segments 7.0–9.1 s and 11.0–12.6 s → one entry per NVA segment, in time order
model("wa.element", "write", [[207], {
    "loss_data": json.dumps(["Searching for the wrench", "Waiting for the jig"]),
    "loss_type_data": json.dumps(["w6", "w2"]),
}])
응답 예
true

8. 사이클 조회

모델 · wa.cycle메서드 · search_read

측정한 주기(사이클)의 시작 · 종료와 사이클 타임을 가져옵니다.

Python
cycles = model("wa.cycle", "search_read", [[["session_id", "=", 4]]],
               {"fields": ["sequence", "video_start", "video_end", "cycle_time"], "order": "sequence"})
응답 예
[{"id": 4, "sequence": 1, "video_start": 0.767, "video_end": 17.15, "cycle_time": 16.383}, ...]

9. 비교분석 (개선 전 · 후)

모델 · wa.comparison메서드 · create · action_build_lines · read

두 작업분석을 비교분석으로 묶고 비교 라인을 만든 뒤, CT 단축 · VA 개선과 요소작업별 차이를 가져옵니다.

Python
cid = model("wa.comparison", "create", [{
    "name": "Line 1 before / after", "session_a_id": 7, "session_b_id": 11}])
model("wa.comparison", "action_build_lines", [[cid]])
result = model("wa.comparison", "read", [[cid]],
               {"fields": ["ct_a", "ct_b", "ct_reduction", "ct_reduction_pct", "va_improvement"]})
lines = model("wa.comparison.line", "search_read", [[["comparison_id", "=", cid]]],
              {"fields": ["sequence", "step_name", "time_a", "time_b", "time_diff"], "order": "sequence"})
응답 예
[{"id": 3, "ct_a": 22.72, "ct_b": 23.39, "ct_reduction": -0.67, "ct_reduction_pct": -2.9, "va_improvement": -6.4}]
[{"id": 49, "sequence": 1, "step_name": "UP", "time_a": 2.85, "time_b": 2.723, "time_diff": -0.127}, ...]

10. 라인밸런스

모델 · wa.linebalance · wa.lb.process메서드 · search_read

택트타임 · 라인 효율 · 병목 공정과 공정별 사이클 타임 · 부하율을 가져옵니다.

Python
lines = model("wa.linebalance", "search_read", [[]],
              {"fields": ["name", "takt_time", "lb_efficiency", "bottleneck_name", "max_ct"]})
processes = model("wa.lb.process", "search_read", [[["lb_id", "=", lines[0]["id"]]]],
                  {"fields": ["sequence", "process_name", "cycle_time", "load_ratio", "over_takt"],
                   "order": "sequence"})
응답 예
[{"id": 1, "name": "LB_Robot Assembly Line MAC Analysis", "takt_time": 27.74,
  "lb_efficiency": 90.0, "bottleneck_name": "Robot Assembly Line (After Improvement)", "max_ct": 27.74}]
[{"id": 1, "sequence": 10, "process_name": "Robot Assembly Line (After Improvement)",
  "cycle_time": 23.39, "load_ratio": 84.3, "over_takt": false}, ...]

11. MMC · MAC

모델 · wa.mmc · wa.mac메서드 · search_read

사람-기계 분석(MMC)과 다중 작업 분석(MAC)의 시간 구성 · 가동률을 가져옵니다.

Python
mmc = model("wa.mmc", "search_read", [[]],
            {"fields": ["name", "total_time", "machine_time", "walk_time", "wait_time", "load_ratio"]})
mac = model("wa.mac", "search_read", [[]],
            {"fields": ["name", "process_count", "takt_time", "avg_ct", "utilization", "balance_eff"]})
응답 예
[{"id": 1, "name": "Engine Assembly Line", "total_time": 165.33, "machine_time": 0.0,
  "walk_time": 0.0, "wait_time": 0.0, "load_ratio": 100.0}]
[{"id": 1, "name": "Robot Assembly Line MAC Analysis", "process_count": 4, "takt_time": 0.0,
  "avg_ct": 24.97, "utilization": 0.0, "balance_eff": 90.0}]

모든 필드 목록은 fields_get 으로 볼 수 있습니다: model("wa.session", "fields_get", [], {"attributes": ["string", "type"]})