深度剖析工业数据采集：现状、挑战与未来
导读工业物联网感知层作为物理世界与数字世界的桥梁，是数据的第一入口。现实中，感知层数据来源多样，涉及各种多源异构设备和系统。因此，如何从这些设备和系统中获取数据，成为工业物联网面临的首要难题。在工业领域，感知通常指工业数据采集。
一、工业数据采集的范围
工业数据采集运用泛在感知技术，对多源异构设备和系统、环境、人员等所有要素信息进行采集，并通过特定接口与协议解析采集的数据。这些信息可能源自加装的物理传感器，也可能来自装备与系统自身。《智能制造工程实施指南（2016 - 2020）》将智能传感与控制装备列为关键技术装备研制重点，针对智能制造提出了 “体系架构、互联互通和互操作、现场总线和工业以太网融合、工业传感器网络、工业无线、工业网关通信协议和接口等网络标准”，并指出：“针对智能制造感知、控制、决策和执行过程中面临的数据采集、数据集成、数据计算分析等方面存在的问题，开展信息物理系统的顶层设计。”
这其中蕴含两方面信息：
- 工业数据采集是智能制造和工业物联网的基础与先决条件，后续的数据分析处理依赖前端感知。
- 各种网络标准统一后，才能实现设备系统间的互联互通，而多种工业协议并存是当前工业数据采集的现状。
广义上，工业数据采集分为：
- 工业现场数据采集和工厂外智能产品 / 移动装备的数据采集（工业数据采集不局限于工厂，工厂之外的智慧楼宇、城市管理、物流运输、智能仓储、桥梁隧道和公共交通等都是其应用场景）。
- 对 ERP、MES、APS 等传统信息系统的数据采集。
若按传输介质划分，工业数据采集可分为：
- 有线网络数据采集。
- 无线网络数据采集。
二、工业数据采集的特点
工业数据采集具有鲜明特征，在面对具体需求时，不同场景会影响技术选型，如设备的组网方式、数据传输方式、数据本地化处理、数据汇聚和管理等。
（一）多种工业协议并存
工业领域通信协议众多，如 PROFIBUS、Modbus、CAN、HART、EtherCAT、EthernetIP、Modbus/TCP、PROFINET、OPC UA，以及大量厂商私有协议。这种情况的出现，很大程度上是因为工业软硬件系统具有较强的封闭性和复杂性。设想在工业现场，不同厂商生产的设备采用不同工业协议，要实现所有设备互联，需对各种协议进行解析并转换数据。这是工业物联网存量改造项目开展时最先遇到的问题 —— 解决 “万国牌” 设备的数据采集，既耗时又费力。若是新建工厂，应从规划阶段就考虑车间、厂级和跨地域的企业级工业物联网应用需求。
在没有历史包袱的情况下，通过制定标准，综合评估现场的电磁环境抗干扰要求、数据带宽要求、传输距离、实时性、组网时支持的设备节点数量限制、星形或 Daisy - Chain 网络拓扑、后期扩展性等因素，选择合适技术路线，并设计好 OT 与 IT 互通的接口，可大大降低数据采集的难度和工作量。
（二）时间序列数据
工业数据采集大多带有时间戳，即记录数据的采集时刻。大量工业数据建模、工业知识组件和算法组件，均以时间序列数据作为输入数据。例如时域分析或频域分析方法，都要求原始数据包含时间维度信息。随着工业物联网应用日益丰富，拓展到更多场景。例如室内定位开始在智慧仓储、无人化工厂中探索应用，无论是基于时间还是基于接收功率强度的定位方式，其定位引擎都要求信号带有时间标签，才能完成定位计算，确保时空信息的准确性和可追溯性。搭建工业物联网平台时，应结合时间序列数据的特点，在数据传输、存储、分析方面进行针对性考虑。例如时序数据库（Time Series DataBase，TSDB）专门从时间维度进行设计和优化，数据按时间顺序组织管理。工业数据和互联网数据差异很大，前者通常是结构化的，而后者以非结构化数据为主。
（三）实时性
工业数据采集的显著特点是实时性，包括数据采集的实时性以及数据处理的实时性。例如基于传感器的数据采集，一个重要指标是采样率，即每秒采集的点数。采样率低的如温湿度采集，采样间隔在分钟级；采样率高的如振动信号，每秒可采集几万个点甚至更多，便于后续信号分析处理以获取高阶谐波分量。一些大型科学装置，如粒子加速器的束流监测系统，采样率可达数兆每秒。采样率越高，单位时间数据量越大。如此大的数据量，若不经处理直接通过网络传输到数据中心或云端，对网络带宽要求极高，且在高带宽下很难保证网络传输的可靠性，可能产生较大传输时延。部分工业物联网应用，如设备故障诊断、多机器人协作、状态监测等，要求在数据采集（感知）、分析、决策执行之间快速完成闭环，因此对数据的实时处理要求较高。若将数据上传到云端，经云端分析后再返回指导下一步动作，来回产生的时延，很多时候难以接受。上述业务场景会在靠近数据源头的现场即时处理数据，进行实时分析，提取特征量，然后基于分析结果进行本地决策，指导下一步动作，同时将分析结果上传到云端，经本地处理后数据量大幅减小。
三、工业数据采集的体系结构
工业数据采集体系涵盖设备接入、协议转换、边缘计算。设备接入是工业数据采集建立物理世界和数字世界连接的起点。设备接入利用有线或无线通信方式，实现工业现场和工厂外智能产品 / 移动装备的广泛连接，将数据上报到云端。工业数据采集发展多年，设备接入存在复杂性和多样性。数据接入后，将对数据进行解析、转换，并通过标准应用层协议如 MQTT、HTTP 上传到物联网平台。部分工业物联网应用场景，在协议转换后，可能在本地进行即时数据分析和预处理，再上传到云端，以提升即时性并降低网络带宽压力。近年来，边缘计算发展迅速，人们越来越意识到数据就近处理的优势。无论是从实效性、数据安全性，还是网络可靠性考虑，边缘计算在工业物联网体系中都发挥着重要作用，边云协同也逐渐成为共识。根据硬件载体不同，将设备接入产品分为以下 3 类，分类并非绝对，不同类别之间的差异在于侧重点不同。
（一）通用控制器
第一类是通用控制器，源自工业装备大脑主控，如可编程逻辑控制器（Programmable Logic Controller，PLC）、微控制单位（MicroController Unit，MCU）等。工业自动化领域存在许多控制和数据采集系统，如分布式控制系统（Distributed Control System，DCS）和数据采集与监视控制系统（Supervisory Control and Data Acquisition，SCADA），它们在承担本职功能的同时，可作为接入设备使用。通用控制器通常集成了数字输入输出 I/O 单元、网络通信单元，以及针对特定应用的选配功能，如模拟量输入单元、模拟量输出单元、计数器单元、运动控制单元等。通过串口或以太网物理接口连接，然后基于现场总线、工业以太网或标准以太网完成数据采集协议的解析。通用控制器应用于数控机床、激光切割机等各种自动化装备、机器人（如机械臂和移动机器人）、SCADA 系统的通信管理机。有些自动化装备拥有专用控制器，采用不同硬件架构如 PowerPC、ARM Cortex 等。基于通用控制器的设备接入，可完成自动化装备自身数据、工艺过程数据采集。
（二）专用数据采集模块
第二类是专用数据采集模块，用于采集现场对象的物理信号。传感器将物理信号转换为电信号后，专用数据采集模块通过模拟电路的 A/D 模数转换器或数字电路将电信号转换为可读的数字量。例如，风力发电机利用力传感器实现风机混凝土应力状态的实时在线监测，为风机混凝土基础承载力的评估提供依据；同时利用加速度传感器采集振动信号，在风力发电系统运行过程中，实时在线监测振动状况并发送检测信息，根据检测信息有效控制风机运转状态，避免因共振造成结构失效，并对超出幅度阈值的振动进行安全预警。将力传感器和加速度传感器安装固定于风机上，传感器输出端连接到专用数据采集模块的输入端，专用数据采集模块通过网络将数据上传到本地或远端服务器，进行下一步数据分析和可视化。专用数据采集模块的形式可能是数据采集板卡、嵌入式数据采集系统等。对于自动化装备或机器人，若某些关注的数据缺失，无法从其通用控制器直接获取，此时可通过加装传感器，配合专用数据采集模块的方式，完成更多维度的数据采集，这种做法较为常见。
（三）智能产品和终端
第三类是智能产品和终端，强调远程无线接入和移动属性。例如通过运营商 4G/5G 蜂窝网络、Wi-Fi 等室内短距离通信，或者低功耗广域网无线连接上报数据。通过无线方式可采集智能产品和终端的各种指标数据，如电量、信号强度、功耗、定位、嵌入式传感器数据等。大部分智能产品和终端在产品定义时直接集成了无线通信能力，手机和可穿戴设备是典型例子。当前智能产品日益丰富，在万物互联时代，默认具备远程接入能力，对智能产品使用过程中的各种运行指标进行监测，分析采集的数据，可指导研发团队更好地改进产品。例如具有移动属性的自动化装备，如 AGV 机器人在室内基于 Wi-Fi 自组网集群，实现 AGV 之间的通信；草皮收割机在户外作业时的远程监测和控制。有些产品终端本身不具备远程接入能力，可间接通过数传模块（Data Transfer Unit，DTU）或工业网关实现同样效果。工业数据采集对数据的界定非常宽泛，它可能来自通用控制器运行时的关键指标，或者传感器采集的某个物理量，或者单纯一个身份标识信息，比如 RFID 标签 EPC 数据区定义的标签 ID、广播报文中携带的唯一 MAC 地址等。通信双方彼此交换的可能仅仅是简单的身份信息，完成一次确认，无须多余信息，虽然通信双方有能力携带额外信息。
关于作者：胡典钢，资深工业物联网专家，顺丰物联网平台负责人，兼任顺丰集团职业发展评审委员和 ZETA 联盟工业物联网高级顾问，负责顺丰物联网平台建设及产品化工作。在物联网、边缘计算、工业大数据领域从业 10 余年，拥有丰富实践经验。历任 NI 公司应用工程师、高级应用工程师、大区销售经理，兼任 GSDZone 社区专栏作者和海南大学校外专家，NI（中国）首位认证双架构师 ——LabVIEW 架构师和 TestStand 架构师，主导大型工业自动化测试控制和工业物联网项目的开发工作。2016 年受邀撰写专著《TestStand 工业自动化测试管理》，广受业界好评，多次重印。
本文摘编自《工业物联网：平台架构、关键技术与应用实践》，经出版方授权发布。（ISBN：978 - 7 - 111 - 70227 - 6）
