1
数据采集的重要性、如何采集数据
朋友们，在我们这个高度发展的信息化时代，互联网已经深入到我们的工业中去了，然而工业互联网的发展动脉就是---数据。我们知道只有拥有大量的数据才能让我们的企业在工业互联网之林中屹立。数据采集是工业互联网的基础，工业互联网的价值在很大程度上取决于采集数据的数量和质量。然而，大量数据都来源于我们自己的采集。下面我来介绍一下如何数据采集。
一、 制造数据采集的数据分类
由于行业不同、应用场景不同，对制造数据的分类也不尽相同。
首先是对数控加工中心的制造本身的理解。从狭义上的理解，制造主要是将原材料加工成产品的生产过程，但如果从广义的上理解，制造可以涵盖产品研发、企业资源管理、产品工艺、生产过程、市场营销、售后维护等等不同的方面，制造数据的范围就变得非常庞大，数据采集的方式自然也就多种多样了。
其次，不同行业对制造数据的分类也不同。比如流程行业，可分为工艺数据、过程数据以及作业实绩。工艺数据主要是指温度、压力、电流、电压等直接影响生产效率、产品质量的数据。过程数据是指生产过程中所使用或者产生的数据，比如物料、计划、生产节拍等等。而实绩数据包括投入产出数量、合格率等等。
在离散数控加工中心制造行业，主要的制造数据包括设备数据、生产过程数据、质量数据等。
1）设备数据：设备运行状态信息、实时工艺参数信息、故障信息、维修/维护信息等;
2）生产过程数据：生产计划、产品加工时间、加工数量、加工人员、加工参数、产品完工率等;
3）质量数据：产品质量信息、工艺质量信息等。
最后，划分的标准也不同。也有人将能源数据、测量测试数据等都定为单独的一类。
本文基于离散行业的划分习惯，按照狭义上的制造进行数据种类的划分，即设备数据、生产过程数据、质量数据三类，能源数据可合并到设备数据，测量测试数据可并入质量数据类。
二、 制造数据采集的方式
目前，数控加工中心制造数据的主要采集方式有设备自动采集、人工终端反馈、其他外围终端采集等。
1. 数控加工中心设备自动采集
这类系统有些是设备厂家提供，优点是对自家设备研究的很深入，但对其他厂家，特别是竞争对手的产品兼容性就差很多，因此，在市场面上更多的是采用第三方厂家提供的专业数据采集系统。这种设备数据采集系统，在离散制造行业叫MDC(机床监控与数据采集系统，Manufacturing Data Collection)，在流程制造业用SCADA系统(数据采集与监视控制系统)实现设备数据的自动采集。如图1所示的MDC显示界面。
设备数据自动采集的手段主要有以下三种：
1）带网卡的数控加工中心机床——通过机床网卡，实现对设备状态的远程自动采集。采集的内容包括运行参数(主轴转速、进给速度、主轴功率、刀具坐标等)以及加工产品、加工数量、报警信息等。该种采集方案的优点是采集的数据种类多、实时性强。缺点是，受控制系统的限制，目前主要是西门子、发那科、海德汉、华中数控等部分主流系统支持。当然，由于这是智能制造的发展趋势，越来越多的机床控制系统也开始支持网卡的数据采集。
2）PLC采集——通过设备PLC输出接口，结合其通讯协议，实现对设备状态采集，包括温度、压力、流量、液位等。优点是支持PLC采集的系统比较多，适用面广。缺点是从采集效果上，略逊色网卡采集的效果，但内容也相对丰富，基本满足制造业的需求。
3）硬件采集——对一些比较老旧的设备，因其无数据输出接口或者没有通讯协议，可通过此种方式进行数据采集。优点是几乎适合任何设备，缺点是采集的数据种类有限。
兰光MDC的显示界面(绿色—运行、黄色—待机、红色—故障)
2. 人工终端反馈采集
对于数控加工中心机床不能实现自动采集的生产工位，可通过现场工位机、移动终端、条码扫描枪等数字化设备进行数据采集。采集内容包括生产开工、完工时间、生产数量、检验项目、检验结果、产品缺陷、设备故障等。该种采集方式优点是对设备的要求低，适用场景广，但缺点是受制于人的主动性，在数据的实时性、准确性、客观性等方面都有所欠缺。
3. 其他外围终端采集
采用RFID、集成等方式实现制造数据采集。
1）RFID：RFID射频识别是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象并获取相关数据，识别工作无须人工干预，可应用于各种恶劣环境。
2）与其他设备集成。如三坐标测量机等检测设备，可通过与设备进行集成，读取产品检测信息,用于质量管理与追溯。
三、 制造数据的状态管理
在制造数据采集的基础上，需要对采集到的相关数据进行上分析并指导生产的改进与优化。
1. 设备状态数据分析
对采集到的各种数据进行加工处理后，以各种方式进行输出和展现，使相关人员第一时间了解设备生产的实时情况，如实时状态、加工工艺数据等，便于做出及时、科学的管理决策。
2. 生产工艺数据优化
主要表现在两方面：
1）设备工艺参数监控：将采集到的设备工艺参数，如温度、压力等，与设定的标准参数进行实时比对与管控，从而实现对生产过程进行实时、动态、严格的工艺控制，确保产品质量的稳定性。
2）工艺改进与优化：对制造过程的主要工艺参数与完工后的产品合格率进行综合分析，便于为工艺改进与优化。
3. 生产过程追溯
通过产品制造的过程数据实现对产品制造历史的追溯，达到问题复现、质量追溯等目的。
四、 制造数据采集的发展方向
随着物联网等技术的发展，制造数据采集在设备兼容性、数据丰富性、数据价值挖掘等方面都有了快速发展，下面分别从数据的采集广度、采集深度及价值利用等方面进行阐述。如图2所示。
1. 采集的“广度”
采集的对象可分为两类，一类是本身就具备数字化功能的设备，如数控机床、热处理设备、机器人、AGV、自动化立体仓库等数字化设备。另一类是“哑设备”，就是本身不具有数字化功能，但可以通过改造或者借助信息化手段，使相关信息能进入数字化系统的设备、设施、物料、人员等，都可归于该类。如对普通机床通过增加智能采集硬件，对物料通过二维码、RFID等方式，对人员通过刷卡或者信息系统进行相应的数据采集。
通过对更多设备、设施、物料等的采集，实现更广的兼容性，这是制造数据采集在广度方向的发展趋势。
制造数据采集的发展方向
2. 采集的“深度”
充分发挥数字化设备及相关信息化系统越来越好的开放性，以及越来越强大的传感器、物联网等采集技术，使采集的数据种类更丰富，准确度更高，实时性更强，并且成本更低，从而性价比更高地采集到更多的各种数据，为大数据深度挖掘与价值体现提供数据原料基础。
3. 应用的“高度”
数据是智能制造的基础，结合制造业行业知识对这些数据进行充分的挖掘与利用，对制造企业具有非常重要的意义。
利用这些数据，首先实现了设备或生产过程的可见性，对设备或生产处于什么状态，可一目了然。通过与设备维修维护等行业知识的结合，知道发生了什么事情，这是数据的认知性应用。
通过大数据分析，预测将来可能出现的故障等问题，实现设备的可预测性维护，避免因为设备的宕机而影响整条产线的正常运转，实现生产流畅的生产。
自适应是数据最高层级的应用，通过数据采集、状态感知、实时分析、自主决策，甚至是机器的自学习，系统根据实时状态进行动态调整与优化，甚至是自我修复，实现高效、高质、无忧的智能化生产。
总之，随着传感器技术的突飞猛进及成本的迅速下降，使得传感器无处不在，实时的数据采集成为可能，各种设备运行和生产制造大数据的快速积累，为工业互联网平台提供源源不断的高质量数据，并与行业知识深度结合，就可以充分发挥工业互联网平台的价值，更好地促进企业的智能化转型升级。
希望以上说的能对大家有所帮助！