通訊模塊 1769-HSC 易于安裝 操作簡單

通訊模塊 1769-HSC 易于安裝 操作簡單

通訊模塊 1769-HSC 易于安裝 操作簡單

02 工業數據采集的特點

工業數據采集具有一些鮮明的特征，在面對具體需求時，不同場景會對技術選型產生影響，例如設備的組網方式、數據傳輸方式、數據本地化處理、數據匯聚和管理等。

1. 多種工業協議并存

工業領域使用的通信協議有很多，如PROFIBUS、Modbus、CAN、HART、EtherCAT、EthernetIP、Modbus/TCP、PROFINET、OPC UA，以及大量的廠商私有協議。這種狀況出現，很大程度上是因為工業軟硬件系統存在較強的封閉性和復雜性。

設想在工業現場，不同廠商生產的設備，采用不同的工業協議，要實現所有設備的互聯，需要對各種協議做解析并進行數據轉換，這是工業物聯網存量改造項目開展時先遇到的問題——想要解決“萬國牌”設備的數據采集，耗時又費力。

如果是新建設的工廠，應從開始的規劃階段考慮車間、廠級和跨地域的企業級工業物聯網應用要求，在沒有歷史包袱的情況下，通過制定標準，綜合評估現場的電磁環境抗干擾要求、數據帶寬要求、傳輸距離、實時性、組網時支持的設備節點數量限制、星形或Daisy-Chain網絡拓撲、后期擴展性等因素，選擇合適的技術路線，并設計好OT與IT互通的接口，這將大大降低數據采集的難度和工作量。

2. 時間序列數據

工業數據采集大多數時候帶有時間戳，即數據在什么時刻采集。大量工業數據建模、工業知識組件和算法組件，均以時間序列數據作為輸入數據，例如時域分析或頻域分析方法，都要求原始數據包含時間維度信息。

工業物聯網應用越來越豐富，延伸到了更多的場景下，例如室內定位開始在智慧倉儲、無人化工廠中探索應用，無論是基于時間還是基于接收功率強度的定位方式，其定位引擎都要求信號帶有時間標簽，才能完成定位計算，保證時空信息的準確性和可追溯性。

在搭建工業物聯網平臺時，應結合時間序列數據的特點，在數據傳輸、存儲、分析方面做針對性的考慮。例如時序數據庫（Time Series DataBase，TSDB）專門從時間維度進行設計和優化，數據按時間順序組織管理。

圖3-1所示為典型的時間序列數據，存儲于關系型數據庫中，當數據規模急劇增大時，關系型數據庫的處理能力變得吃緊，需要性能更優的數據庫。工業數據和互聯網數據存在很大差別，前者通常是結構化的，而后者以非結構化數據為主。

▲圖3-1 時間序列數據示例

3. 實時性

工業數據采集的一個很大特點是實時性，包括數據采集的實時性以及數據處理的實時性。例如基于傳感器的數據采集，其中一個重要指標為采樣率，即每秒采集多少個點。采樣率低的如溫濕度采集，采樣間隔在分鐘級；采樣率高一些的如振動信號，每秒鐘采集幾萬個點甚至更多，方便后續信號分析處理以獲得高階諧波分量。

有些大的科學裝置，例如粒子加速器的束流監測系統，采樣率達數兆每秒。采樣率越高意味著單位時間數據量越大，如此大的數據量，如果不加處理直接通過網絡傳輸到數據中心或云端，對于網絡的帶寬要求非常之高，而且如此大的帶寬下，很難保證網絡傳輸的可靠性，可能會產生非常大的傳輸時延。

而部分工業物聯網應用，如設備故障診斷、多機器人協作、狀態監測等，由于要求在數據采集（感知）、分析、決策執行之間，完成快速閉環，因此對數據的實時處理有著較高的要求。如果將數據上傳到云端，云端分析后再繞一圈回來，指導下一步動作，一來一回產生的時延，很多時候將變得不可接受。

上述業務場景將在靠近數據源頭的現場對數據進行即時處理，實時分析，提取特征量，然后基于分析的結果進行本地決策，指導下一步動作，同時將分析結果上傳到云端，數據量經過本地處理后大大減小了。圖3-2所示是實時振動信號狀態監測和數據分析。

▲圖3-2 實時振動信號狀態監測和數據分析

通訊模塊 1769-HSC 易于安裝 操作簡單