也談數據採集
引子：
數據採集是每逢各種大會必談的項目，但是似乎沒有哪次引起足夠的重視。很多時候往往把數據採集放在一張架構圖的最下面，然後標註了一大堆的協議和各種自動化設備（或者組件）的圖標。 很多時候我們還會聽到這樣一種論調：我們先把數據採集上來，以後再想如何利用數據。還記得以前做工廠MES的時候，有個客戶非要在HMI中裝1T的大硬碟，說設備的數據要能夠存在HMI，方便以後使用。但是：這真的是對的嗎？或者說面臨IoT大量的無用數據，這真的「經濟」嗎？現在IoT面臨的幾大挑戰之一就是ROI，如果單純從經濟性來講，也應該好好想想如何採集數據。
今天，我想從三方面的視角來看數據採集 第一：業務視角 我曾經打趣地說到過，做工業物聯網就和做菜一樣，不會燒菜的就不會買菜。這裡的菜主要只的就是數據， 也就是說，不會用（或者更確切的說不知道數據拿來幹什麼-做什麼菜）的人是不會採集數據的。你在菜場是不是又會經常聽到這樣一個問題：你（買這個菜）準備拿來怎麼吃。舉個例子，我喜歡吃豆腐，其中一種就是麻婆豆腐，那我就會去買五花肉，嫩豆腐，細蔥，豆瓣醬，花椒面等等。這裡包含了主料和輔料。這裡做麻婆豆腐就是採集數據的目標。而主料和輔料就是數據。倘若我們不知道要做麻婆豆腐或者不知道麻婆豆腐應該怎麼做，那會怎麼樣呢。那可能就買回來兩坨豆腐，其他都不買。或者說買回來的是老豆腐、精瘦肉、東北大蔥。這些菜（數據）單獨來看沒毛病，但是和目標（麻婆豆腐）相差甚遠。用這些菜是做不出來麻婆豆腐（或者做出來也不好吃）。
這就是首先採集數據的第一思維：搞清楚Why？為什麼採集數據，採集數據是為了幹嘛。同時盡量與設定的業務目標相關的人員參與數據採集的設計。 這裡面牽涉到確定數據的採集維度、精度、頻率（也精度相關）、條件、背景、結構化的業務數據等等。這裡就不一一羅列。總之，設定的採集指標和數據質量需要從業務去定義。 當然，我認可有的數據現在確實不知道怎麼用，先採集上來再說這種做法。但是這種做法一定是一種補充而不是主要。也就是說得先想清楚能夠想清楚的數據再考慮要不要做更多的採集（例如提高精度要求和維度，為後面的探索分析提供支撐）。 畢竟：數據是有重力的，每多採集一個數據都會帶來感測器、採集設備、傳輸設備、流量、帶寬、存儲、計算等等方面的資源消耗。註：業務視角同時要考慮業務上的數據安全問題
第二：技術視角 技術視角往往是大都數人關注的。例如什麼PLC採集、CNC採集、注塑機採集、DCS採集、高頻的信號採集（往往是板卡之類的）等等。這些我覺得大家已經有很大解決方案和討論了。 只是我覺得很多時候把數據採集和數據傳輸容易混為一談，或者將邊緣端的採集和平台端的採集混為一談。這樣不利於區分誰對誰採集以及採集頻率和轉發頻率的問題。 另外就是，除了IoT的數據採集以外要思考業務數據的採集。第三：服務視角
採集數據是為了使用數據的人服務的。使用數據的人可能有操作人員，運營人員，相關的分析人員等等。如何對採集的數據建模、可視化、推送。也是需要數據採集思考的問題。 還是拿買菜來舉例。現在的菜有一種賣法不是直接銷售原材料，而是銷售半成品。例如回鍋肉半成品大致是這樣的：已經切好的五花肉，切好的青椒，切好的包菜，輔以一個佐料包：包含豆瓣醬，豆豉等。也就是說半成品是針對某一道具體的菜對原材料進行了提前加工。對於不太會回鍋肉做法的人或者有自己炒制技巧的人可以讓他們專註與核心增值活動「炒」，而針對不是那麼核心的增值活動提前幫你做好了，大大的提高了效率。總結：首先明確目標（業務），然後選擇手段（技術），最後為他人多考慮一點（服務）。
推薦閱讀：