http://m.casecurityhq.com 2023-11-08 10:53 來源:大數據DT
導讀:工業(yè)物聯網感知層作為物理世界與數字世界的橋梁,是數據的第一入口?,F實情況下,由于感知層數據來源非常多樣,來自各種多源異構設備和系統,因此如何從這些設備和系統中獲取數據,是工業(yè)物聯網面臨的第一道門檻。在工業(yè)領域,感知即通常所說的工業(yè)數據采集。
01 工業(yè)數據采集的范圍
工業(yè)數據采集利用泛在感知技術對多源異構設備和系統、環(huán)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(yè)以太網融合、工業(yè)傳感器網絡、工業(yè)無線、工業(yè)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(zhí)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。”
這里面蘊含兩方面信息:一是工業(yè)數據采集是智能制造和工業(yè)物聯網的基礎和先決條件,后續(xù)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(yè)協議并存是目前工業(yè)數據采集的現狀。
廣義上,工業(yè)數據采集分為工業(yè)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(yè)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(yè)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(yè)數據采集可分為有線網絡數據采集和無線網絡數據采集。
02 工業(yè)數據采集的特點
工業(yè)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(yè)協議并存
工業(yè)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(yè)軟硬件系統存在較強的封閉性和復雜性。
設想在工業(yè)現場,不同廠商生產的設備,采用不同的工業(yè)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(yè)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(guī)劃階段考慮車間、廠級和跨地域的企業(yè)級工業(yè)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(huán)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(jié)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(yè)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(yè)數據建模、工業(yè)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(yè)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(yè)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(yōu)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(guī)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(yōu)的數據庫。工業(yè)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(yè)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(xù)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(jiān)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(yè)物聯網應用,如設備故障診斷、多機器人協作、狀態(tài)監(jiān)測等,由于要求在數據采集(感知)、分析、決策執(zhí)行之間,完成快速閉環(huán),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(yè)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(tài)監(jiān)測和數據分析。
▲圖3-2 實時振動信號狀態(tài)監(jiān)測和數據分析
03 工業(yè)數據采集的體系結構
工業(yè)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(yè)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(yè)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(yè)數據采集發(fā)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(yè)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(fā)展迅速,大家越來越意識到數據就近處理的優(yōu)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(yè)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(yè)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(yè)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(jiān)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(yè)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(fā)電機利用力傳感器實現風機混凝土應力狀態(tài)的實時在線監(jiān)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(fā)電系統的運行過程中,實時在線監(jiān)測振動狀況并發(fā)送檢測信息,根據檢測信息有效控制風機運轉狀態(tài),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(jiān)測,分析采集的數據,可以指導研發(fā)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(yè)時的遠程監(jiān)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(yè)網關,實現同樣的效果。
工業(yè)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(qū)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。