如何增强数据采集最佳实践

数据可用性的未来正在重点融入许多工业设施。更多公司正在利用各种智能制造工具和技术，如工业互联网（IIOT）和Edge Computing，以数字转换运营并进行实时，数据驱动的决策。这些技术的增加比预期到了我们看到更多云连接型数据共享的程度。数据现在可以从供应商，分销商，供应商，客户和更多传输或接收。

为了在这种不断增加的大数据环境中保持步伐，建立数据采集最佳实践非常重要，但需要连续更新和改进数据模型。随着数据流随时间的变化，有必要持续检查是否添加了新的任何内容。这种质量控制方法确保设施人员识别，捕获和分析正确的数据，以成功提高运营生产力，效率，敏捷性和灵活性。

自2019年以来应用自动化文章八个数据采集最佳实践已发布，企业获取数据变得更具创造性的方式。前一篇文章介绍了数据如何来自多个来源，并确定管理数据所需的基本最佳实践。如今，数据采集软件程序的数量继续增长，因为企业使用各种形式的编程语言（例如，Python）来开发数据采集软件程序以帮助捕获关键任务数据。作为文章的更新，在此处审查了关键数据采集系统的最佳实践，其中有附加概念如何增强已经到位的最佳实践并管理实时数据以保持竞争力。

边缘的数据

边缘计算技术在行业中获得牵引力，因为它变得更加实惠。从边缘获取数据越来越重要，使其成为关键数据采集最佳实践。作为更新，以下数据采集系统组件现在包括边缘数据：

• 传感器：将物理参数转换为电信号
• 信号调节电路：将传感器信号转换为可以转换为数字值的形式
• 模数转换器：将调节传感器信号转换为数字值
• 边缘数据：通过REST API或数据存储设备以邮件的形式传递。数据以消息传递格式创建并通过云服务或Web应用程序编程接口（API）传输。

一些应用程序需要计算电源并立即访问数据。EDGE Computing简化了IIOT设备流量的流量，以进行实时数据分析。字段中传感器的数据写入边缘设备，然后写入边缘基础架构。从边缘基础设施，数据以5至10毫秒的低往返速度复制到集中式数据中心（通常在云中）。

从边缘收集数据的优点将来自业务的远程区域的信息以几乎实时速度从企业的遥控区域到数据收集系统的核心。具有尽可能多的数据，可用于决策将使企业竞争。

自动化的核心

除了EDGE技术外，还在实施具有嵌入式历史学家的更多设备。例如，虽然在使用SkID的资产时，它们可以收集数据并将其发送给小学家。数据历史学家（例如，Oustoft Pi，Aspentech的Aspen Infoplus.21和Rockwell Automation的FactoryTalk历史学家）用于从自动化流程核心的仪器和控制系统源中获取和存储所选数据。

出于这个原因，对这些核心仪表和控制来源的理解和保持最新是一个重要的数据采集最佳实践，特别是作为边缘设备等较新技术的发展。根据设施的数据采集要求，这些来源可以使用数据分析工具捕获，生成，组织和管理对业务有价值的数据。目前，最常见的工业仪表和控制系统，平台和设备包括：

• 监督控制和数据收购（SCADA）：用于查看/监视/控制过程变量数据，同时通过人机界面（HMI）显示进程的图形表示
• 可编程逻辑控制器（PLC）：处理最多约3,000个输入/输出（I / O）点的数据
• 分布式控制系统（DCSS）：当I / O点计数大于3,000时，处理数据
• 制造执行系统（混乱）/制造业务管理（MOM）：帮助控制仓库库存;包装的原料，包装材料和零件
• 企业资源规划（ERP）系统：捕获管理数据;加载时间，设备利用，人员可用性，订单和原料可用性
• 边缘设备：查询和存储远程数据;照明，天气传感器，泵和电机细节和电能使用。

接口和云连接器

可以使用几种不同类型的接口和云服务来收集和存储数据。了解各种接口节点是下一个数据采集最佳实践。为了确保从数据采集控制系统获得的过程数据并写入数据历史学家，最常用的标准接口类型包括：

• 用于过程控制（OPC）：一种软件接口标准，允许Windows程序与工业硬件设备通信
• OLE用于过程控制数据访问（OPC-DA）：无需自定义驱动程序/连接器与各种来源通信
• OLE用于过程控制历史数据访问（OPC-HDA）：用于检索和分析历史流程数据，以获取多种目的，优化，库存控制和法规遵从性，以命名几个
• 通用文件和流加载（UFL）：读取ASCII数据源并将数据写入PI数据历史记录。

除了这些标准连接和接口外，Industries还使用三种不同类型的云服务模型：

• 软件作为服务（SaaS）：一个软件分发模型，其中第三方提供商主持应用程序，并通过互联网提供客户可用。一些示例包括Google Apps，Salesforce，Dropbox，DocuSign和Slack，以命名为数少。
• 平台作为服务（PAAS）或应用程序平台作为服务（APAAS）：一种云计算提供服务提供商提供一个平台，该平台使客户能够开发，运行和管理业务应用程序，而无需维护基础架构此类软件开发过程通常需要。PaaS的示例是AWS Elastic Beanstalk，Windows Azure，Apache Stratos，Force.com（Salesforce）和Google App Engine。
• 基础设施作为服务（IAAS）：是一个服务模型，可在外包基础上提供计算机基础架构，以支持企业操作。IAAS提供硬件，存储，服务器和数据中心空间或网络组件。IAA的示例是Digitalocean，Microsoft Azure，Amazon Web服务（AWS），RackSpace和Google Compute引擎（GCE）。

这些服务通常被称为“云计算堆栈”。IAAS位于堆栈的底部;PaaS位于中间，SaaS位于顶部。通过Cloud Services收集的数据可以通过云连接器牢固地从一个数据源从一个数据源传输到另一个数据源。当多个位置需要在自己的服务器上收集数据并在整个企业中共享时，这非常好。

安全数据系统

随着今日增加数据安全性的需求，高可用性系统可以尽可能多地提供冗余和数据丢失保护。图1是设计简单数据采集系统网络连接的示例。相比之下，图2示出了如何设计更复杂的高可用性数据采集系统。

高可用性系统设置为提供故障转移保护。如果主服务器发生故障，则辅助服务器继续收集数据。通知用于通知合适的人员存在问题。解决问题时，服务器将在另一个问题的情况下准备好接管。此设置对于很少有停机时间的设施非常适合。可以在不必扰乱生产的情况下进行常规软件更新甚至版本升级。

缓冲区，备份/存档和扫描

作为缓冲，数据备份/存档和扫描类是八个数据采集最佳实践的每个部分，重要的是审查和理解它们是很重要的：

• 缓冲是接口节点的访问能力，并临时存储收集的接口数据并将其转发给适当的历史记者。要有效地执行数据采集，建议在接口节点上启用缓冲。否则，如果接口节点停止与历史记者通信，则收集的数据丢失。有些行业有关于数据完整性的严格指导。可能需要在PLC或DCS级别实现缓冲能力来消除或最小化由于网络连接故障导致的数据丢失。目前正在进行防止在电源故障发生时诸如在电源故障发生的数据丢失的改进。例如，可以实现管理控制以满足数据收集系统限制以确保满足过程数据完整性。
• 数据备份用于恢复数据，以防丢失，损坏或销毁。备份策略是保护当前/立即数据的关键。协议文档对于备份和恢复数据，当事情不按计划进行备份和恢复数据至关重要。数据档案保护日常业务运营不需要的旧/历史信息，但偶尔需要各种业务决策。数据归档是移动数据的操作，该数据不再用于单独的存储设备。数据归档被索引并具有搜索功能，以帮助定位和检索文件。
• 历史学家接口使用称为“扫描类”的代码以不同的时间间隔扫描标记并计划数据收集。扫描类别确定几小时，分钟和秒的时间段，历史学家讲述了收集数据的频率。了解要收集的数据对于设置扫描类至关重要。类似于温度，水平，压力和流量的东西的数据需要更快的扫描速率。用于启动泵或打开阀门的数据，只需在状态变化时写入。正确设置扫描类将确保系统尽可能高效地运行。

数据组织和元数据

今天，几家公司正在寻找逻辑组织数据作为数据采集最佳实践的一部分的方法。例如，OSIsoft的PI服务器的最常用的组件是资产框架（AF），这使得组织和共享数据更容易。它集成，上下文化，精制，参考，并进一步分析来自多个源甚至外部关系数据库的数据。AF允许用户创建元素/资产的层次结构以及它们的所有属性，包括元数据。

使用可视化工具和AF，最终用户现在可以从历史记者以外的来源遇到数据。元素相对模板可用于显着减少类似资产所需的显示数量。例如，罐，泵，电机，搅拌器或发电机可以具有单个图形/显示模板。将根据所选资产填充与资产相关的特定数据的占位符。图3是用于设施发生器的模板的示例。注意直接来自历史记者的数据，以及来自维护跟踪源或MES或ERP等平台的元数据。

“元数据”是一组描述的数据，并提供有关其他数据的信息。使用软件编码的连接器，可以访问来自所有类型的数据源的数据。能够将元数据链接到资产提供了一些独特的方法来收集，分析，可视化和报告过程条件。

展望未来

随着技术的发展和变得更复杂，数据采集模型也需要改变。无论您是长期捕获自动化数据还是刚刚开始，试图忘记数据采集最佳实践可能是一个挑战。在资源带宽是一个问题的情况下，考虑咨询第三方自动化解决方案提供商或系统集成商，以协助设计，构建，维持或改进您的下一个数据采集项目。由于数据可用性路径更清晰地向制造商变得更加清晰，利用新技术，如Edge Computing和基于云的服务，将有助于提高数据采集最佳实践以获得竞争优势。

本文出现在应用自动化补充中控制工程和工厂工程。

Maverick Technologies是一个认证的成员控制系统集成商协会（CSIA）和CFE媒体内容合作伙伴。