六种数据采集策略可以支持高级分析

一些应用程序需要没有云连接的数据采集策略，但它们仍然可以受益于高级分析技术。

通过Daymon汤普森 2019年3月7日

云连接的数据采集和高级分析通常被认为是不可分割的。根据这种观点，如果没有互联网连接，就不可能使用复杂的算法。这一学派认为，利用过程数据进行机器优化、故障排除、预测性维护和其他领域依赖于严重依赖云或其他边缘计算策略的大数据操作。然而，这种孤注一掷的心态是不正确的。

所有应用程序，即使是那些没有互联网连接，依赖于老式数据采集(DAQ)策略的应用程序，都可以使用先进的分析工具来获得与云连接操作相同的好处。尽管目前大多数应用程序都可以毫无障碍地连接到云，但其他应用程序可能需要更加谨慎。保护专有信息或防范外部威胁的公司级限制可能会阻止工程师实施边缘计算或云计算策略。这改变了数据采集和高级分析的实现和选择，但使用这两个项目仍然是可能的。

在现代控制系统上运行的灵活自动化软件可以实现分析和处理数据，无论数据是如何获取的。传统的控制系统数据收集架构在某些情况下是必要的，而在其他情况下可以利用边缘计算。为了理解当今使用的不同级别的数据采集和分析，有必要重新考虑每个策略，从最基本的选项开始。

1.基于文件的数据采集

在最基本的层面上，现代控制系统可以离线收集数据，并将其存储在本地机器或服务器上的二进制逗号分隔值(CSV)文件中。这个非常基本的功能支持控制系统和OS文件系统之间的直接连接，并最终导入到数据库中。

2.数据库直接连接

可以使用所有IEC 61131可编程逻辑控制器(PLC)语言中可用的公共功能块实现对数据库的直接连接。当触发时，PLC可以使用结构化查询语言(SQL)直接从数据库中插入或查询数据。

现代控制系统允许连接到许多不同的常用数据库选项。这些选项包括使用SQL的传统关系数据库，以及更现代的分布式不只是SQL (NoSQL)数据库。

广泛使用的SQL数据库需要预先创建和配置数据表。NoSQL选项支持过程数据的动态收集，通常可以有效地处理大型数据集。传统的方法为工程师提供了用于故障排除或一般文档处理的数据集，即使它们不如最近的数据库创新那么复杂和灵活。

3.本地机器和工艺优化

下一个层次涉及到在本地使用分析工具进行流程和机器优化。这需要一个“分析工作台”，无论它是内置在控制系统中还是由第三方提供。因此，控制工程师可以利用存储在数据库(或本地二进制文件)中的信息来提高机器和过程的效率。这些工具可以在自动化机器的同一个控制器上运行，可能是在一行或单元的末尾，甚至是在企业级。

云连接似乎对这些过程至关重要，但它可以简单到将数据记录到本地二进制文件，然后通过本地网络可用。在不允许网络连接到设备的情况下，也可以手动传输文件。这提供了控制器上获得的数据，用于单独pc上的高级算法。当机器出于安全或安保原因需要保持隔离时，这是有益的。

4.企业级的分析

工程师还可以在没有云连接的情况下在企业级实现高级分析。它使用现代分析工作台来生成代码，为生产线执行24/7的分析。该策略可以整合来自整个生产线或工厂的更大数据集，传感器和现场总线提供关键信息。

随着项目范围的扩大，策略可能需要改变。从孤立的机器手动检索数据并不是最佳的方法。此外，前面提到的三种策略都受到地理位置的限制。它们可能不支持解决应用程序挑战所需的高级功能，例如机器学习和人工智能(AI)。这为多站点操作或希望大规模地进行高级故障排除、效率改进和机器运行状况监控的机械原始设备制造商(oem)带来了限制。

5.云计算

云计算解决了前面提到的问题。没有地理位置限制，也不需要设置数据中心点，就可以比较机器、生产线和工厂，以确定总体设备效率(OEE)和机器健康状况，特别是当机器制造商oem提供web门户作为维护和支持服务的一部分时。

最终用户甚至可以看到哪些操作员管理机器的效率最高。通过在中心位置收集数据，工程师可以使用人工智能工具，实现机器学习，并运行本地可能无法使用的高级算法。

工厂必须有云控制器或附加物联网(IoT)网关设备，使用标准通信协议。这些协议可以连接到所有提供存储和数据分析的主要公共云服务提供商。然而，这需要大量的带宽来传输如此海量的数据。更大的问题是，这些数据采集和分析策略可能会进入信息技术(IT)领域。如果没有物联网自动化软件(将所有这些工具集成到工程环境中)，如果没有额外的培训来学习如何驾驭其他软件平台，控制工程师就很难利用数据分析。

6.边缘计算

今天使用的最后一个级别是边缘计算，它支持在本地控制器上运行的数据过滤和高级分析，然后可能传输到云端进行进一步分析。如上所述，这是与本地机器和流程优化非常相似的实现。通过在机器上运行这些工具，一些边缘计算平台成为本地和基于云的数据管理的混合体。混合解决方案允许工程师在云中监控设备并构建算法。但是，他们在机器级别上实现和运行这些算法。

这些混合边缘计算工具提供了云计算的先进优势，同时在不增加工厂带宽或网络成本的情况下增加了更快的反应速度。这种方法对于大型终端用户和机器遍布全球的原始设备制造商来说都是最佳的。具有边缘计算功能的机器还可以处理信息并进行修正，以最大限度地减少停机时间，同时提高处理器效率，因为这些工具运行在容器中，而不是传统的虚拟化管理程序方法中。容器对于边缘计算应用程序来说也更加灵活和安全。

避免云连接的原因

一些终端用户有合理的理由不接受云连接。例如，处理危险材料的工厂在考虑云连接系统时应该小心。制药制造商将质量控制、消费者健康和安全置于云连接的好处之上，即使他们试图提高可追溯性。这些工厂坚持前面提到的三个实现示例，因此机器保持隔离或通过本地网络或本地云连接。

当代分析软件为离线设备提供的优势很容易被忽视。高级分析工具对于故障排除、流程优化和实时机器运行状况监视仍然很有用。如果在机器控制软件中内置了分析工作台，工程师就可以运行先进的算法，以最小的学习曲线来解释机器数据。

在为脱机的机器提供远程支持时，机器制造商会发现这很有帮助。例如，oem可以设置环形缓冲区来记录最近三个小时的数据。如果系统出现故障或其他异常行为，终端用户可以从网络或机器上下载文件并将其发送给OEM。机器构建者可以使用相同的分析工作台来发现潜在的异常。可以对机器进行故障排除并提高性能。然而，这并不像与机器或数据的实时连接那样理想。

尽管存在一些合理的担忧，但将应用程序连接到云的原因有很多。不实施云计算或边缘战略，因为工厂在没有云计算或边缘战略的情况下进行管理，从而忽略了潜在的好处，远离了现实世界的竞争优势。

工程师在决定是否进入物联网或保持脱离电网时必须考虑所有因素。无论如何，先进的分析技术为每种类型的数据采集策略和舒适度提供了关键改进。

Daymon汤普森他是倍福自动化公司北美自动化产品经理。由制作编辑克里斯·瓦夫拉编辑，控制工程， CFE传媒，cvavra@cfemedia.com．