耀彩网lv

數據采集類型

工業數據主要來源于機器設備數據、工業信息化數據和產業鏈相關數據。不僅要涵蓋基礎數據，還要逐步包括用戶行為數據、社交關系數據、用戶意見和反饋數據、設備和傳感器采集的周期性數據等各類數據。目前主要包括以下幾種數據采集類型：

（1）海量的Key-Value數據：在傳感器技術飛速發展的今天，光電、熱敏、氣敏、力敏、磁敏、聲敏、濕敏等不同類別的工業傳感器在工業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毫秒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CAD圖紙等，還有大量的傳統工程文檔。

（3）信息化數據：是由工業信息系統產生的數據，一般是通過數據庫形式存儲的，這部分數據是最好采集的。

（4）接口數據：由已經建成的工業自動化或信息系統提供的接口類型數據，包括txt格式、JSON格式、XML格式等。

（5）視頻數據：工業現場的視頻監控設備產生的大量視頻數據。

（6）圖像數據：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，或機器人自動拍攝的設備、環境信息圖片等。

（7）音頻數據：語音及聲音信息。例如操作員的通話、設備運轉的音量等。

（8）其他數據：例如遙感遙測信息、三維信息等。

數據采集方法

通過5G工業邊緣計算遠程網關外接傳感器設備或者視頻裝置，傳感器是一種檢測裝置，能感受到被測量的信息，并將信息按一定規律轉換成電信號或其他所需形式的信息輸出，以滿足數據的傳輸、處理、存儲、顯示和控制等要求。生產車間中存在許多傳感節點，24小時監控著整個生產過程，當發現異常時，迅速反饋至上位機，是數據采集的感官接收系統，屬于數據采集的底層環節。

數據采集難點

（1）數據量巨大

如果單純是將數據采集到，可能還比較好完成。但是，因為必須要考慮數據的規范與清洗，所以在存儲之前需要對海量的數據進行處理，從技術上又提高了難度。

（2）工業數據的協議不規范

互聯網數據采集一般都是常見的HTTP等協議，但在工業領域，有ModBus、OPC、CAN、ControlNet、DeviceNet、Profibus、Zigbee等各類型工業協議，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，出現了極大的難度。很多企業在工業現場實施綜合自動化等項目時，遇到的最大問題就是面對眾多的工業協議，無法及時有效地進行解析和采集。

（3）視頻傳輸所需通訊帶寬巨大

隨著云計算技術的普及、公有云的興起，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云已經是大勢所趨了。現在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，如此大量的視頻文件如何通過互聯網順暢地傳輸到云端，也是需要面臨的巨大挑戰。

（4）對原有系統的采集難度大

在實施大數據項目時，數據采集往往不僅僅是針對傳感器或者PLC，而是采集已經部署完成的自動化系統的上位機數據。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接口的，文檔也大量缺失，大量的現場系統沒有電表等基礎設施數據，使得對這部分數據采集的難度極大。

（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。一旦需要通過云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，造成的損失是難以彌補的。

隨著物聯網的發展，智能產品/智能生產設備/智能測試設備所產生的數據將越來越多，這些大規模數據需要放到云端進行處理。愛陸通5G工業邊緣計算遠程網關可以進行有效、低時延高帶寬的數據傳輸。在數據放到云端，需要無窮無盡的傳輸帶寬和數據處理能力，“云”難免不堪重負，因此需要邊緣計算來分擔云計算的壓力。所以，在工業現場的邊緣側進行數據采集、處理及傳輸的5G工業邊緣計算遠程網關承擔著不可小覷的重任。后期邊緣計算與云平臺再進行融會貫通，實現“邊云一體化”，利用大數據分析賦能生產，能夠發揮工業數據的真正價值。