数据采集，DAQ

数据可用性的未来正成为许多工业设施关注的焦点。越来越多的公司正在利用各种智能制造工具和技术，如工业物联网(IIoT)和边缘计算，以数字化方式转变运营，并做出实时、数据驱动的决策。这些技术的发展速度比预期的要快得多，以至于我们看到了更多云连接类型的数据共享。现在可以从供应商、分销商、供应商、客户等处传输或接收数据。

为了跟上不断增长的大数据环境，建立数据采集最佳实践非常重要，但也需要不断更新和改进数据模型。由于数据流随着时间的推移而变化，因此有必要不断检查是否添加了新的内容。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。

2019年起应用自动化文章八个数据采集最佳实践发表后，企业获取数据的方式变得更具创造性。上一篇文章介绍了数据如何来自多个来源，并确定了管理数据所需的基本最佳实践。如今，随着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，数据采集软件程序的数量持续增长。作为本文的更新，本文回顾了关键数据采集系统最佳实践，并提供了关于如何增强现有最佳实践和管理实时数据以保持竞争力的其他概念。

边缘数据

随着边缘计算技术的价格越来越亲民，它在工业界也越来越受欢迎。从边缘获取数据变得越来越重要，使其成为关键的数据获取最佳实践。作为更新，以下数据采集系统组件现在包含边缘数据:

• 传感器:将物理参数转换为电信号
• 信号调理电路:将传感器信号转换为可转换为数字值的形式
• 模拟-数字转换器:将有条件的传感器信号转换为数字值
• 边缘数据:通过Rest API或数据存储设备以消息形式传递数据。数据以消息格式创建，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能力和立即访问数据。边缘计算简化了来自工业物联网设备的流量，用于实时数据分析。来自现场传感器的数据被写入边缘设备，然后写入边缘基础设施。从边缘基础设施，数据以5到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势是以近乎实时的速度将来自业务偏远地区的信息带到数据收集系统的核心。为决策提供尽可能多的数据将使企业保持竞争力。

自动化的核心

除了边缘技术，更多带有嵌入式历史记录的设备正在被实现。例如，当使用基于滑块的资产时，它们可以收集数据并将其发送到主历史学家。数据历史学家(例如，OSIsoft PI, AspenTech的Aspen InfoPlus。21和Rockwell Automation的FactoryTalk history)用于从处于自动化过程核心的仪表和控制系统源获取和存储选定的数据。

因此，理解和保持这些核心仪器仪表和控制源的最新信息是重要的数据采集最佳实践，特别是随着边缘设备等新技术的发展。根据设施的数据采集需求，这些数据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:

• 监控和数据采集(SCADA):用于查看/监视/控制过程变量数据，同时通过人机界面(HMI)显示提供过程的图形化表示
• 可编程逻辑控制器:处理最多3,000个输入/输出(I/O)点的数据
• 分布式控制系统(dcs):处理I/O点数大于3000的数据
• 制造执行系统(MESs)/制造运营管理(MOM):帮助控制仓库库存;包装原材料、包装材料及零部件
• 企业资源规划系统:捕获管理数据;装载时间，设备利用率，人员可用性，订单和原材料可用性
• 边缘设备:查询和存储远程数据;照明，天气传感器，泵和电机的细节和电能的使用。

接口和云连接器

有几种不同类型的接口和云服务可用于收集和存储数据。理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过程数据并将其写入数据历史记录，最常用的标准接口类型包括:

• 过程控制(OPC)的OLE:一种软件接口标准，允许Windows程序与工业硬件设备通信
• 过程控制数据访问OLE (OPC-DA):消除了自定义驱动程序/连接器与各种源通信的需要
• 过程控制历史数据访问OLE (OPC-HDA):用于检索和分析历史过程数据，用于多种目的，优化，库存控制和法规遵从性等等
• 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。

除了这些标准的连接和接口，各行各业还在使用三种不同类型的云服务模型:

• 软件即服务(SaaS):一种软件分发模型，第三方提供商托管应用程序，并通过互联网提供给客户。一些例子包括谷歌Apps、Salesforce、Dropbox、DocuSign和Slack等。
• 平台即服务(PaaS)或应用平台即服务(aPaaS):一种云计算产品，其中服务提供商提供一个平台，使客户能够开发、运行和管理业务应用程序，而无需维护软件开发流程通常需要的基础设施。PaaS的例子有AWS Elastic Beanstalk、Windows Azure、Apache Stratos、Force.com (SalesForce)和谷歌应用程序引擎。
• 基础设施即服务(IaaS):是一种服务模型，在外包的基础上交付计算机基础设施，以支持企业运营。IaaS提供硬件、存储、服务器和数据中心空间或网络组件。IaaS的例子有DigitalOcean、Microsoft Azure、Amazon Web Services (AWS)、Rackspace和谷歌Compute Engine (GCE)。

这些服务通常被称为“云计算堆栈”。IaaS位于堆栈的底部;PaaS在中间，SaaS在上面。通过云服务收集的数据可以通过云连接器安全地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，这种方法非常有效。

安全的数据系统

随着当今对增加数据安全性的需求，高可用性系统提供尽可能多的冗余和数据丢失保护。图1是如何设计简单数据采集系统网络连接的示例。相比之下，图2说明了如何设计一个更复杂的高可用性数据采集系统。

设置高可用性系统以提供故障转移保护。如果主服务器出现故障，备用服务器将继续收集数据。通知用于通知正确的人员存在问题。当问题解决后，服务器将准备好在发生另一个问题时接管。这种设置特别适合于很少停机的设施。常规软件更新甚至版本升级都可以在不影响生产的情况下完成。

缓冲，备份/存档和扫描

作为缓冲，数据备份/归档和扫描类是八个数据采集最佳实践的一部分，回顾和理解它们是很重要的:

• 缓冲是接口节点访问和临时存储收集到的接口数据并将其转发给适当的历史记录的能力。为了有效地进行数据采集，建议在接口节点上启用缓冲功能。否则，如果接口节点停止与历史采集器通信，采集的数据将丢失。一些行业对数据完整性有严格的指导方针。可能需要在PLC或DCS级别上实现缓冲功能，以消除或最小化由于网络连接故障造成的数据丢失。目前正在进行改进，以防止停电等情况下的数据丢失。例如，可以实施管理控制来满足数据收集系统的限制，以确保流程数据的完整性得到满足。
• 数据备份用于在数据丢失、损坏或损坏时恢复数据。备份策略是保护当前/即时数据的关键。当事情没有按计划进行时，协议文档对于备份和恢复数据至关重要。数据归档保护了日常业务操作不需要的旧的/历史信息，但有时各种业务决策需要这些信息。数据归档是将不再使用的数据移动到单独的存储设备的操作。数据档案被索引，并具有搜索功能，以帮助定位和检索文件。
• 历史记录接口使用一种称为“扫描类”的代码以不同的时间间隔扫描标签并安排数据收集。扫描类确定以小时、分钟和秒为单位的一段时间，告诉历史学家多久收集一次数据。了解要收集的数据对于设置扫描类至关重要。温度、水位、压力和流量等数据需要更快的扫描速度。启动泵或打开阀门的数据可能只需要在状态变化时写入。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

如今，一些公司正在寻找逻辑组织数据的方法，作为其数据获取最佳实践的一部分。例如，OSIsoft PI Server中最常用的组件是资产框架(AF)，它使组织和共享数据变得更加容易。它集成、上下文化、细化、引用和进一步分析来自多个来源甚至外部关系数据库的数据。AF允许用户创建元素/资产及其所有属性(包括元数据)的层次结构。

使用可视化工具和AF，最终用户现在可以体验来自历史记录以外来源的数据。元素相关模板可用于显著减少类似资产所需的显示数量。例如，储罐、泵、电机、搅拌器或发电机可以有一个图形/显示模板。与资产相关的特定数据的占位符将基于所选资产填充。图3是一个用于设施生成器的模板示例。请注意直接来自历史记录的数据，以及来自维护跟踪源或MES或ERP等平台的元数据。

“元数据”是一组描述和提供关于其他数据的信息的数据。使用软件编码的连接器，可以访问来自所有类型数据源的数据。将元数据链接到资产的能力提供了一些独特的方法来收集、分析、可视化和报告流程条件。

展望未来

随着技术的发展和越来越复杂，数据采集模型也需要改变。无论您是已经捕获自动化数据很长时间了，还是刚刚开始，尝试从数据捕获最佳实践中获得意义都可能是一个挑战。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、维护或改进您的下一个数据采集项目。随着制造商越来越清楚数据可用性路径，利用边缘计算和基于云的服务等新技术将有助于增强数据获取的最佳实践，从而获得竞争优势。

本文刊登在《应用自动化》杂志的增刊上控制工程而且设备工程．

特立独行的技术是的认证会员吗控制系统集成商协会CFE Media内容合作伙伴。