一、工業數據采集的范圍

工業數據采集利用泛在感知技術對多源異構設備和系統、環境、人員等一切要素信息進行采集，并通過一定的接口與協議對采集的數據進行解析。信息可能來自加裝的物理傳感器，也可能來自裝備與系統本身。

《智能制造工程實施指南(2016—2020)》將智能傳感與控制裝備作為關鍵技術裝備研制重點;針對智能制造提出了“體系架構、互聯互通和互操作、現場總線和工業以太網融合、工業傳感器網絡、工業無線、工業網關通信協議和接口等網絡標準”，并指出：“針對智能制造感知、控制、決策和執行過程中面臨的數據采集、數據集成、數據計算分析等方面存在的問題，開展信息物理系統的頂層設計?！?/p>

這里面蘊含兩方面信息：一是工業數據采集是智能制造和工業物聯網的基礎和先決條件，后續的數據分析處理依賴于前端的感知;二是各種網絡標準統一后才能實現設備系統間的互聯互通，而多種工業協議并存是目前工業數據采集的現狀。

廣義上，工業數據采集分為工業現場數據采集和工廠外智能產品/移動裝備的數據采集(工業數據采集并不局限于工廠，工廠之外的智慧樓宇、城市管理、物流運輸、智能倉儲、橋梁隧道和公共交通等都是工業數據采集的應用場景)，以及對ERP、MES、APS等傳統信息系統的數據采集。

如果按傳輸介質劃分，工業數據采集可分為有線網絡數據采集和無線網絡數據采集。

二、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最先遇到的問題——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，應從最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

三、工業數據采集的體系結構

工業數據采集體系包括設備接入、協議轉換、邊緣計算。設備接入是工業數據采集建立物理世界和數字世界連接的起點。設備接入利用有線或無線通信方式，實現工業現場和工廠外智能產品/移動裝備的泛在連接，將數據上報到云端。工業數據采集發展了這么多年，存在設備接入的復雜性和多樣性。

數據接入后，將對數據進行解析、轉換，并通過標準應用層協議如MQTT、HTTP上傳到物聯網平臺。部分工業物聯網應用場景，在協議轉換后，可能在本地做即時數據分析和預處理，再上傳到云端，提升即時性并降低網絡帶寬壓力。

邊緣計算近幾年發展迅速，大家越來越意識到數據就近處理的優勢，無論是實效性還是出于數據安全性考慮，或是網絡的可靠性，邊緣計算在工業物聯網體系中扮演著重要角色，邊云協同也逐漸成了共識。

根據硬件載體不同，將設備接入產品分為以下3類，分類并非絕對，不同類別之間的差異，在于其側重點不同。

1. 通用控制器

第一類是通用控制器，來自工業裝備大腦主控，例如可編程邏輯控制器(Programmable Logic Controller，PLC)、微控制單位(MicroController Unit，MCU)等，工業自動化領域存在很多控制和數據采集系統，如分布式控制系統(Distributed Control System，DCS)和數據采集與監視控制系統(Supervisory Control and Data Acquisition，SCADA)，它們在承擔本職功能的同時，可以作為接入設備使用。

通用控制器通常集成了數字輸入輸出I/O單元、網絡通信單元，以及針對特定應用的選配功能，如模擬量輸入單元、模擬量輸出單元、計數器單元、運動控制單元等，通過串口或以太網物理接口連接，然后基于現場總線、工業以太網或標準以太網完成數據采集協議的解析，如圖3-3所示。

▲圖3-3 通用控制器

通用控制器應用于數控機床、激光切割機等各種自動化裝備、機器人(如機械臂和移動機器人)、SCADA系統的通信管理機，有些自動化裝備擁有專用控制器，采用不同的硬件架構如PowerPC、ARM Cortex等?；谕ㄓ每刂破鞯脑O備接入，完成自動化裝備自身數據、工藝過程數據采集。

2. 專用數據采集模塊

第二類是專用數據采集模塊，采集現場對象的物理信號，傳感器將物理信號變換為電信號后，專用數據采集模塊通過模擬電路的A/D模數轉換器或數字電路將電信號轉換為可讀的數字量。

例如風力發電機利用力傳感器實現風機混凝土應力狀態的實時在線監測，為風機混凝土基礎承載力的評估提供依據，同時利用加速度傳感器采集振動信號，在風力發電系統的運行過程中，實時在線監測振動狀況并發送檢測信息，根據檢測信息有效控制風機運轉狀態，避免由于共振而造成的結構失效，并對超出幅度閾值的振動進行安全預警。

將力傳感器和加速度傳感器安裝固定于風機上，傳感器輸出端連接到專用數據采集模塊的輸入端，專用數據采集模塊通過網絡將數據上傳到本地或遠端服務器，進行下一步數據分析和可視化。

專用數據采集模塊的形式可能是數據采集板卡、嵌入式數據采集系統等。對于自動化裝備或機器人，如果某些關注的數據缺失，無法從其通用控制器直接獲取，此時可通過加裝傳感器，配合專用數據采集模塊的方式，完成更多維度的數據采集，這種做法很常見。

3. 智能產品和終端

第三類是智能產品和終端，強調遠程無線接入和移動屬性。例如通過運營商4G/5G蜂窩網絡、Wi-Fi等室內短距離通信，或者低功耗廣域網無線連接上報數據。通過無線方式可以采集智能產品和終端的各種指標數據，例如電量、信號強度、功耗、定位、嵌入式傳感器數據等。

大部分智能產品和終端在產品定義時直接集成了無線通信能力，手機和可穿戴設備屬于典型的例子。當前智能產品越來越豐富，萬物互聯時代，默認具備遠程接入能力，對智能產品使用過程中的各種運行指標進行監測，分析采集的數據，可以指導研發團隊更好地改進產品。

例如具有移動屬性的自動化裝備，如AGV機器人在室內基于Wi-Fi自組網集群，實現AGV之間的通信，草皮收割機在戶外作業時的遠程監測和控制。有些產品終端本身不具備遠程接入能力，可間接通過數傳模塊(Data Transfer Unit，DTU)或工業網關，實現同樣的效果。

工業數據采集關于數據的界定是非常廣義的，它可能來自通用控制器運行時的關鍵指標，或者傳感器采集的某個物理量，或者單純一個身份標識信息，比如RFID標簽EPC數據區定義的標簽ID、廣播報文中攜帶的唯一MAC地址等，通信雙方彼此交換的可能僅僅是簡單的身份信息，完成一次確認，無須多余信息，雖然通信雙方有能力攜帶額外信息。

關于作者：胡典鋼，資深工業物聯網專家，順豐物聯網平臺負責人，兼任順豐集團職業發展評審委員和ZETA聯盟工業物聯網高級顧問，負責順豐物聯網平臺建設及產品化工作。在物聯網、邊緣計算、工業大數據領域從業10余年，有豐富的實踐經驗。歷任NI公司應用工程師、高級應用工程師、大區銷售經理，兼任GSDZone社區專欄作者和海南大學校外專家，NI(中國)首位認證雙架構師——LabVIEW架構師和TestStand架構師，主導大型工業自動化測試控制和工業物聯網項目的開發工作。2016年受邀撰寫專著《TestStand工業自動化測試管理》，廣受業界好評，多次重印。

本文摘編自《工業物聯網：平臺架構、關鍵技術與應用實踐》，經出版方授權發布。(ISBN：978-7-111-70227-6)