传统的行业数据收集方法包括手工录入、问卷调查、电话随访等。大数据时代到来后,一个突出的变化就是工业数据采集的方法有了质的飞跃。下面介绍的工业数据采集方式的突破,直接改变了大数据的应用场景。
1、工业数据采集传感器
传感器是一种能够感知被测信息的检测装置,能够将感知到的信息按照一定的规则转换成电信号或其他所需形式的信息输出,以满足信息传输、处理、存储、显示、记录和控制的要求。一般生产车间都有很多传感器节点,24小时监控整个生产过程,发现异常可以快速反馈给上位机。可以看作是数据采集的感官接受系统,属于数据采集的底层环节。
传感器在收集数据过程中的主要特征是其输入和输出之间的关系。
它的静态特性反映了测量值处于稳定状态时传感器的输入与输出之间的关系,也就是说当输入不变或变化很慢时,这种关系称为静态特性。我们总是希望传感器的输入和输出是相反的,Z好是线性的。
一般来说,投入和产出不会满足要求的线性关系,同时由于滞后和蠕变等因素的影响,投入和产出之间的关系无法实现。因此,我们不能忽视工厂中的外部影响。影响的程度取决于传感器本身,可以通过改进传感器本身来控制,有时也可以限制外界条件。
2.用于工业数据采集的RFID技术。
Rfid(射频识别)技术是一种非接触式自动识别技术,通过射频信号自动识别目标物体,并获取相关数据信息。射频用于非接触双向通信,达到识别和交换数据的目的。RFID技术可以同时识别高速移动的物体和多个标签,操作快捷方便。
工作时,RFID阅读器通过天线发出一定频率的脉冲信号。RFID标签进入磁场后,利用感应电流获得的能量发出芯片中存储的产品信息,或者主动发出一定频率的信号
阅读器对接收到的信号进行解调解码后发送给后台主系统进行相关处理;主系统根据逻辑运算判断卡的合法性,针对不同的设置进行相应的处理和控制,并发出命令信号控制执行机构的动作。
RFID技术解决了物品信息与互联网的自动连接问题,结合后续的大数据挖掘工作,可以发挥其强大的威力。
工业数据采集的技术难点
在当今制造业领域,工业数据采集是一个难点。很多企业的生产数据采集主要依靠传统的手工操作方式,容易出现人为记录错误,效率低下。
虽然一些企业引入了相关技术手段,应用了工业数据采集系统,但由于系统本身的原因,以及企业没有选择合适的数据采集系统,无法实现信息采集的实时、准确和延伸管理,各单位出现了信息断层现象。
工业数据采集的技术难点主要包括以下几个方面:
1.数据量巨大。任何系统,面对不同的数据量,需要完全不同的技术难度。
如果只是简单的收集数据,可能相对容易完成,但是需要在收集后进行处理,因为须考虑数据的标准化和清洗,因为大量的工业数据都是“脏”数据,不能直接存储用于分析。存储之前须处理,海量数据须处理,技术上增加了难度。
2.工业数据的协议不标准。互联网数据采集一般是我们常见的协议如HTTP,但在工业领域,会出现各种类型的工业协议如ModBus、OPC、CAN、ControlNet、DeviceNet、Profibus、Zigbee等。,而各种自动化设备厂商和集成商也会自己开发各种私有的工业协议,导致工业协议的互联难度很大。
很多开发人员在工业领域实施综合自动化等项目时,及时面对很多工业协议,无法有效分析收集。
3.视频传输需要的带宽是巨大的。因为传统的工业信息化都是在现场进行数据采集,视频数据传输主要在局域网内进行,带宽不是主要问题。
但随着云计算技术的普及和公有云的兴起,大数据需要大量的计算资源和存储资源,因此工业数据逐步迁移到公有云是大势所趋。但是一个工业企业可能有几十个视频,一个大型企业可能有几百个视频。如何将如此大量的视频文件通过互联网顺利传输到云端,是开发需要面对的巨大挑战。
4.很难收集原始系统。在工业企业实施大数据项目时,数据采集往往不是针对传感器或PLC,而是针对已经完成的自动化系统的上位机数据。
这些自动化系统部署时,厂商水平参差不齐,大部分没有数据接口,大量文档缺失。大量的现场系统没有点表等基础设置数据,使得这部分数据的收集异常困难。
5.安全考虑不足。原来的工业系统都是在局域网内运行,安全问题不是需要考虑的。
一旦需要通过云端调度行业内的产能而没有充分考虑安全性,损失很难弥补。2015年,30%的工业企业受到网络安全事件的影响,20%的企业因病毒而停工。