1
數據采集的重要性、如何采集數據
朋友們，在我們這個高度發展的信息化時代，互聯網已經深入到我們的工業中去了，然而工業互聯網的發展動脈就是---數據。我們知道只有擁有大量的數據才能讓我們的企業在工業互聯網之林中屹立。數據采集是工業互聯網的基礎，工業互聯網的價值在很大程度上取決于采集數據的數量和質量。然而，大量數據都來源于我們自己的采集。下面我來介紹一下如何數據采集。
一、 制造數據采集的數據分類
由于行業不同、應用場景不同，對制造數據的分類也不盡相同。
首先是對數控加工中心的制造本身的理解。從狹義上的理解，制造主要是將原材料加工成產品的生產過程，但如果從廣義的上理解，制造可以涵蓋產品研發、企業資源管理、產品工藝、生產過程、市場營銷、售后維護等等不同的方面，制造數據的范圍就變得非常龐大，數據采集的方式自然也就多種多樣了。
其次，不同行業對制造數據的分類也不同。比如流程行業，可分為工藝數據、過程數據以及作業實績。工藝數據主要是指溫度、壓力、電流、電壓等直接影響生產效率、產品質量的數據。過程數據是指生產過程中所使用或者產生的數據，比如物料、計劃、生產節拍等等。而實績數據包括投入產出數量、合格率等等。
在離散數控加工中心制造行業，主要的制造數據包括設備數據、生產過程數據、質量數據等。
1）設備數據：設備運行狀態信息、實時工藝參數信息、故障信息、維修/維護信息等;
2）生產過程數據：生產計劃、產品加工時間、加工數量、加工人員、加工參數、產品完工率等;
3）質量數據：產品質量信息、工藝質量信息等。
最后，劃分的標準也不同。也有人將能源數據、測量測試數據等都定為單獨的一類。
本文基于離散行業的劃分習慣，按照狹義上的制造進行數據種類的劃分，即設備數據、生產過程數據、質量數據三類，能源數據可合并到設備數據，測量測試數據可并入質量數據類。
二、 制造數據采集的方式
目前，數控加工中心制造數據的主要采集方式有設備自動采集、人工終端反饋、其他外圍終端采集等。
1. 數控加工中心設備自動采集
這類系統有些是設備廠家提供，優點是對自家設備研究的很深入，但對其他廠家，特別是競爭對手的產品兼容性就差很多，因此，在市場面上更多的是采用第三方廠家提供的專業數據采集系統。這種設備數據采集系統，在離散制造行業叫MDC(機床監控與數據采集系統，Manufacturing Data Collection)，在流程制造業用SCADA系統(數據采集與監視控制系統)實現設備數據的自動采集。如圖1所示的MDC顯示界面。
設備數據自動采集的手段主要有以下三種：
1）帶網卡的數控加工中心機床——通過機床網卡，實現對設備狀態的遠程自動采集。采集的內容包括運行參數(主軸轉速、進給速度、主軸功率、刀具坐標等)以及加工產品、加工數量、報警信息等。該種采集方案的優點是采集的數據種類多、實時性強。缺點是，受控制系統的限制，目前主要是西門子、發那科、海德漢、華中數控等部分主流系統支持。當然，由于這是智能制造的發展趨勢，越來越多的機床控制系統也開始支持網卡的數據采集。
2）PLC采集——通過設備PLC輸出接口，結合其通訊協議，實現對設備狀態采集，包括溫度、壓力、流量、液位等。優點是支持PLC采集的系統比較多，適用面廣。缺點是從采集效果上，略遜色網卡采集的效果，但內容也相對豐富，基本滿足制造業的需求。
3）硬件采集——對一些比較老舊的設備，因其無數據輸出接口或者沒有通訊協議，可通過此種方式進行數據采集。優點是幾乎適合任何設備，缺點是采集的數據種類有限。
蘭光MDC的顯示界面(綠色—運行、黃色—待機、紅色—故障)
2. 人工終端反饋采集
對于數控加工中心機床不能實現自動采集的生產工位，可通過現場工位機、移動終端、條碼掃描槍等數字化設備進行數據采集。采集內容包括生產開工、完工時間、生產數量、檢驗項目、檢驗結果、產品缺陷、設備故障等。該種采集方式優點是對設備的要求低，適用場景廣，但缺點是受制于人的主動性，在數據的實時性、準確性、客觀性等方面都有所欠缺。
3. 其他外圍終端采集
采用RFID、集成等方式實現制造數據采集。
1）RFID：RFID射頻識別是一種非接觸式的自動識別技術，它通過射頻信號自動識別目標對象并獲取相關數據，識別工作無須人工干預，可應用于各種惡劣環境。
2）與其他設備集成。如三坐標測量機等檢測設備，可通過與設備進行集成，讀取產品檢測信息,用于質量管理與追溯。
三、 制造數據的狀態管理
在制造數據采集的基礎上，需要對采集到的相關數據進行上分析并指導生產的改進與優化。
1. 設備狀態數據分析
對采集到的各種數據進行加工處理后，以各種方式進行輸出和展現，使相關人員第一時間了解設備生產的實時情況，如實時狀態、加工工藝數據等，便于做出及時、科學的管理決策。
2. 生產工藝數據優化
主要表現在兩方面：
1）設備工藝參數監控：將采集到的設備工藝參數，如溫度、壓力等，與設定的標準參數進行實時比對與管控，從而實現對生產過程進行實時、動態、嚴格的工藝控制，確保產品質量的穩定性。
2）工藝改進與優化：對制造過程的主要工藝參數與完工后的產品合格率進行綜合分析，便于為工藝改進與優化。
3. 生產過程追溯
通過產品制造的過程數據實現對產品制造歷史的追溯，達到問題復現、質量追溯等目的。
四、 制造數據采集的發展方向
隨著物聯網等技術的發展，制造數據采集在設備兼容性、數據豐富性、數據價值挖掘等方面都有了快速發展，下面分別從數據的采集廣度、采集深度及價值利用等方面進行闡述。如圖2所示。
1. 采集的“廣度”
采集的對象可分為兩類，一類是本身就具備數字化功能的設備，如數控機床、熱處理設備、機器人、AGV、自動化立體倉庫等數字化設備。另一類是“啞設備”，就是本身不具有數字化功能，但可以通過改造或者借助信息化手段，使相關信息能進入數字化系統的設備、設施、物料、人員等，都可歸于該類。如對普通機床通過增加智能采集硬件，對物料通過二維碼、RFID等方式，對人員通過刷卡或者信息系統進行相應的數據采集。
通過對更多設備、設施、物料等的采集，實現更廣的兼容性，這是制造數據采集在廣度方向的發展趨勢。
制造數據采集的發展方向
2. 采集的“深度”
充分發揮數字化設備及相關信息化系統越來越好的開放性，以及越來越強大的傳感器、物聯網等采集技術，使采集的數據種類更豐富，準確度更高，實時性更強，并且成本更低，從而性價比更高地采集到更多的各種數據，為大數據深度挖掘與價值體現提供數據原料基礎。
3. 應用的“高度”
數據是智能制造的基礎，結合制造業行業知識對這些數據進行充分的挖掘與利用，對制造企業具有非常重要的意義。
利用這些數據，首先實現了設備或生產過程的可見性，對設備或生產處于什么狀態，可一目了然。通過與設備維修維護等行業知識的結合，知道發生了什么事情，這是數據的認知性應用。
通過大數據分析，預測將來可能出現的故障等問題，實現設備的可預測性維護，避免因為設備的宕機而影響整條產線的正常運轉，實現生產流暢的生產。
自適應是數據最高層級的應用，通過數據采集、狀態感知、實時分析、自主決策，甚至是機器的自學習，系統根據實時狀態進行動態調整與優化，甚至是自我修復，實現高效、高質、無憂的智能化生產。
總之，隨著傳感器技術的突飛猛進及成本的迅速下降，使得傳感器無處不在，實時的數據采集成為可能，各種設備運行和生產制造大數據的快速積累，為工業互聯網平臺提供源源不斷的高質量數據，并與行業知識深度結合，就可以充分發揮工業互聯網平臺的價值，更好地促進企業的智能化轉型升級。
希望以上說的能對大家有所幫助！