cookieOptions = {...}; .工業大數據:數據採集的那些事 - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

2019年5月29日 星期三

Industrial Big Data



來源:亿欧网




實現工業4.0,需要高度的工業化、自動化基礎,是漫長的徵程。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、美國工業網路,各國製造業創新策略的實施基礎,都是工業大數據的蒐集和特徵分析,及以此為未來製造系統搭建的無憂環境。

不論智慧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。

數位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位化工廠當中,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,廠家和數據接口各異,國際廠家本地支持有限,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。


工業數據採集類型
互聯網的數據,主要來自於網路用戶,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、工業資訊化數據,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週期性數據,網路爬蟲獲取的網際網路數據,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、仿真數據、設計的CAD圖紙等,還有大量的傳統工程文檔。

3、資訊化數據。由工業資訊系統產生的數據,一般是通過數據庫形式儲存的,這部分數據是最好採集的。

4、接口數據。由已經建成的工業自動化或資訊系統,提供的接口類型的數據,包括TXT格式、JSON格式、XML格式等。

5、影像數據。工業現場會有大量的影像監控設備,這些設備會產生大量的影像數據。

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、環境資訊圖片)。

7、音訊數據。包括語音及聲音資訊(例如,操作人員的通話、設備運轉的音量等)。

8、其他數據。例如遙感遙測資訊、三維高程資訊等等。

數據採集的方法
傳統的數據採集方法包括人工登錄、問卷調查、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,能感受到被測量的資訊,並能將檢測感受到的資訊,按一定規律變換成為電信號,或其他所需形式的資訊輸出,以滿足資訊的傳輸、處理、儲存、顯示、記錄和控制等要求。

在生產線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,可透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辨識技術是一種非接觸式的自動辨識技術,透過射頻信號自動辨識目標對象,並獲取相關的數據辨識。利用射頻方式進行非接觸雙向通信,達到辨識目的並交換數據。RFID技術可辨識高速運動物體,並可同時辨識多個標籤,操作快捷方便。

在工作時,RFID讀寫器透過天線,發送出一定頻率的脈衝信號,當RFID標籤進入磁場時,憑借感應電流所獲得的能量,發送出儲存在晶片中的產品資訊(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技術解決了物品資訊,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。

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,因此也無法實現資訊採集的即時性、精確性和延伸性管理,各單元出現了資訊斷層的現象。

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「髒」數據,直接儲存無法用於分析,在儲存之前,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。網路數據採集,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整合商,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,即時面對眾多的工業協議,無法有效的進行解析和採集。

3、影像傳輸所需頻寬巨大。傳統工業資訊化,由於都是在現場進行數據採集,影像數據傳輸主要在局域網中進行,因此,頻寬不是主要的問題。

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儲存資源,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影像,成規模的企業會有上百路影像,這麼大量的影像文件,如何透過網露順暢到傳輸到雲端,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,廠商水準參差不齊,大部分系統是沒有數據接口的,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局域網中,安全問題不是突出考慮的重點。

一旦需要透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。439181219

工業數據採集方案案例
一、物聯網工業現場數據採集系統

  

本項目屬於物聯網終端傳感器系統的一種,透過裝在機器上的無線模組,採集指定機器PLC工作資訊,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資訊,並可以有限度地設置機器工作參數。


二、太陽能充電的數據採集數傳模組

  

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位量輸入、兩路類比量輸入、八路IO輸出。方案還採用了太陽能充電模式,整合GPRS模組,可掉線自動復位,避免一般外置DTU掉線後,需要發簡訊重啓的問題。
  
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盤數據儲存,和數據轉存技術的新型無紙記錄儀。根據用戶要求其數據儲存容量,最大可配置到32G,可以滿足任何工業現場的數據儲存要求。

特別是透過U盤將儀表記錄的數據取出方式,與IC卡等其他方式相比,其具有數據儲存量大,使用方便可靠等優點,適合現場實際使用。

0 意見: