實現工業4.0，需要高度的工業化、自動化基礎，是漫長的征程。工業大數據是未來工業在全球市場競爭中發揮優勢的關鍵。無論是德國工業4.0、美國工業互聯網還是《中國製造2025》，各國製造業創新戰略的實施基礎都是工業大數據的搜集和特徵分析，及以此為未來製造系統搭建的無憂環境。不論智能製造發展到何種程度，數據採集都是生產中最實際最高頻的需求，也是工業4.0的先決條件。

數字化工廠不等於無人工廠，產品配置，製造流程越複雜越多變，越需要人的參與；在數字化工廠當中，工人更多地是處理異常情況，調整設備。但數據採集一直是困擾著所有製造工廠的傳統痛點，自動化設備品牌類型繁多，廠家和數據介面各異，國外廠家本地支持有限，不同採購年代。即便產量停機數據自動採集了，也不等於整個製造過程數據都獲得了，只要還有其他人工參與環節，這些數據就不完整。例如報廢產量，質檢，設備維護，報修，既需要時效，又很少自動設備參與，無法自動採集。五金，服裝，家居等自動化水平相對低的勞動密集行業，底層自動數據採集的可能性更小。難道他們註定與工業4.0失之交臂？

今天小編就和大家說說工業數據採集~

一、工業數據採集類型

互聯網的數據主要來自於互聯網用戶和伺服器等網路設備，主要是大量的文本數據、社交數據以及多媒體數據等，而工業數據主要來源於機器設備數據、工業信息化數據和產業鏈相關數據。

從數據採集的類型上看，不僅要涵蓋基礎的數據，還將逐步包括半結構化的用戶行為數據，網狀的社交關係數據，文本或音頻類型的用戶意見和反饋數據，設備和感測器採集的周期性數據，網路爬蟲獲取的互聯網數據，以及未來越來越多有潛在意義的各類數據。主要包括以下幾種：

1、海量的Key-Value數據。在感測器技術飛速發展的今天，包括光電、熱敏、氣敏、力敏、磁敏、聲敏、濕敏等不同類別的工業感測器在現場得到了大量應用，而且很多時候機器設備的數據大概要到ms的精度才能分析海量的工業數據，因此，這部分數據的特點是每條數據內容很少，但是頻率極高。

2、文檔數據。包括工程圖紙、模擬數據、設計的CAD圖紙等，還有大量的傳統工程文檔。

3、信息化數據。由工業信息系統產生的數據，一般是通過資料庫形式存儲的，這部分數據是最好採集的。

4、介面數據。由已經建成的工業自動化或信息系統提供的介面類型的數據，包括txt格式、JSON格式、XML格式等。

5、視頻數據。工業現場會有大量的視頻監控設備，這些設備會產生大量的視頻數據。

6、圖像數據。包括工業現場各類圖像設備拍攝的圖片（例如，巡檢人員用手持設備拍攝的設備、環境信息圖片）。

7、音頻數據。包括語音及聲音信息（例如，操作人員的通話、設備運轉的音量等）。

8、其他數據。例如遙感遙測信息、三維高程信息等等。

二、數據採集的方法

傳統的數據採集方法包括人工錄入、調查問卷、電話隨訪等方式，大數據時代到來後，一個突出的變化是數據採集的方法有了質的飛躍，下面所介紹的數據採集方式的突破直接改變著大數據應用的場景。

1、感測器

感測器是一種檢測裝置，能感受到被測量的信息，並能將檢測感受到的信息，按一定規律變換成為電信號或其他所需形式的信息輸出，以滿足信息的傳輸、處理、存儲、顯示、記錄和控制等要求。在生產車間中一般存在許多的感測節點，24小時監控著整個生產過程，當發現異常時可迅速反饋至上位機，可以算得上是數據採集的感官接受系統，屬於數據採集的底層環節。

感測器在採集數據的過程中主要特性是其輸入與輸出的關係。其靜態特性反映了感測器在被測量各個值處於穩定狀態時的輸入和輸出關係，這意味著當輸入為常量，或變化極慢時，這一關係就稱為靜態特性。我們總是希望感測器的輸入與輸出成唯一的對照關係，最好是線性關係。一般情況下，輸入與輸出不會符合所要求的線性關係，同時由於存在這遲滯、蠕變等因素的影響，使輸入輸出關係的唯一性也不能實現。因此我們不能忽視工廠中的外界影響。其影響程度取決於感測器本身，可通過感測器本身的改善加以抑制，有時也可以加對外界條件加以限制。

2、RFID技術

RFID（Radio Frequency Identification，射頻識別）技術是一種非接觸式的自動識別技術，通過射頻信號自動識別目標對象並獲取相關的數據信息。利用射頻方式進行非接觸雙向通信，達到識別目的並交換數據。RFID技術可識別高速運動物體並可同時識別多個標籤，操作快捷方便。

在工作時，RFID讀寫器通過天線發送出一定頻率的脈衝信號，當RFID標籤進入磁場時，憑藉感應電流所獲得的能量發送出存儲在晶元中的產品信息（Passive Tag，無源標籤或被動標籤），或者主動發送某一頻率的信號（Active Tag，有源標籤或主動標籤）；閱讀器對接收的信號進行解調和解碼然後送到後台主系統進行相關處理;主系統根據邏輯運算判斷該卡的合法性，針對不同的設定做出相應的處理和控制，發出指令信號控制執行機構動作。

RFID技術解決了物品信息與互聯網實現自動連接的問題，結合後續的大數據挖掘工作，能發揮其強大的威力。

三、數據採集技術難點

在當今的製造業領域，數據採集是一個難點。很多企業的生產數據採集主要依靠傳統的手工作業方式，採集過程中容易出現人為的記錄錯誤且效率低下。有些企業雖然引進了相關技術手段，並且應用了數據採集系統，但是由於系統本身的原因以及企業沒有選擇最適合自己的數據採集系統，因此也無法實現信息採集的實時性、精確性和延伸性管理，各單元出現了信息斷層的現象。技術難點主要包括以下幾方面：

1、數據量巨大。任何系統，在不同的數據量面前，需要的技術難度都是完全不同的。

如果單純是將數據採到，可能還比較好完成，但採集之後還需要處理，因為必須考慮數據的規範與清洗，因為大量的工業數據是「臟」數據，直接存儲無法用於分析，在存儲之前，必須進行處理，對海量的數據進行處理，從技術上又提高了難度。

2、工業數據的協議不標準。互聯網數據採集一般都是我們常見的HTTP等協議，但在工業領域，會出現ModBus、OPC、CAN、ControlNet、DeviceNet、Profibus、Zigbee等等各類型的工業協議，而且各個自動化設備生產及集成商還會自己開發各種私有的工業協議，導致在工業協議的互聯互通上，出現了極大地難度。很多開發人員在工業現場實施綜合自動化等項目時，遇到的最大問題及時面對眾多的工業協議，無法有效的進行解析和採集。

3、視頻傳輸所需帶寬巨大。傳統工業信息化由於都是在現場進行數據採集，視頻數據傳輸主要在區域網中進行，因此，帶寬不是主要的問題。但隨著雲計算技術的普及及公有雲的興起，大數據需要大量的計算資源和存儲資源，因此工業數據逐步遷移到公有雲已經是大勢所趨了。但是，一個工業企業可能會有幾十路視頻，成規模的企業會有上百路視頻，這麼大量的視頻文件如何通過互聯網順暢到傳輸到雲端，是開發人員需要面臨的巨大挑戰。

4、對原有系統的採集難度大。在工業企業實施大數據項目時，數據採集往往不是針對感測器或者PLC，而是採集已經完成部屬的自動化系統上位機數據。這些自動化系統在部署時廠商水平參差不齊，大部分系統是沒有數據介面的，文檔也大量缺失，大量的現場系統沒有點表等基礎設置數據，使得對於這部分數據採集的難度極大。

5、安全性考慮不足。原先的工業系統都是運行在區域網中，安全問題不是突出考慮的重點。一旦需要通過雲端調度工業之中最為核心的生產能力，又沒有對安全的充分考慮，造成損失，是難以彌補的。2015年，受網路安全事件影響的工業企業佔比達到30%，因病毒造成停機的企業高達20%。僅美國國土安全部的工業控制系統網路應急響應小組(ICS-CERT)就收到了295起針對關鍵基礎設施的攻擊事件。

四、工業數據採集系統方案案例

方案一：物聯網工業現場數據採集系統

本項目屬於物聯網終端感測器系統的一種，通過裝在機器上的無線模塊，採集指定機器PLC工作信息，上傳到主機，主機處理數據後上傳到雲伺服器，用戶可在手機、平板、電腦上查看機器工作信息，並可以有限度地設置機器工作參數 。

方案二：太陽能充電的數據採集數傳模塊

本方案成品底部槽位可以嵌入工業上標準din35的導軌，方便安裝；自帶兩路數字量輸入、兩路模擬量輸入、八路IO輸出。方案還採用了太陽能充電模式，集成GPRS模塊，可掉線自動複位，避免一般外置DTU掉線後需要發簡訊重啟的問題。

方案三：U盤數據轉存，無紙記錄儀解決方案

無紙記錄儀是採用了最新U盤數據存儲和數據轉存技術的新型無紙記錄儀。根據用戶要求其數據存儲容量最大可配置到32G，可以滿足任何工業現場的數據存儲要求。特別是通過U盤將儀錶記錄的數據取出方式，與IC卡等其他方式相比，其具有數據存儲量大，使用方便可靠等優點，適合現場實際使用。

素材來源：OFweek工控網、CSDN-君子藏器、e-works數字化企業網及網路


推薦閱讀：
相关文章