圖片來源：艾默生

“

艾默生公司工業自動化與控制業務專家指出了自動化系統産生的數據滞留的常見原因，以及如何通過邊緣到雲的工業物聯網（IIoT）解決方案來簡化對這些寶貴信息的訪問。

”

自動化系統産生了大量的數據，這些數據可以用來改善業務成果，但前提是這些數據能夠被有效地訪問、管理和分析。不幸的是，由于一系列的技術和商業原因，這些有價值的數據往往仍然無法訪問。較新的架構正在改變這種困境，它将靈活和有能力的邊緣計算與雲計算模型結合起來，使分析這些數據、獲得新的見解并将結果提供給利益相關者不僅可行，而且實用。

本文指出了最終用戶難以處理擱淺滞留數據的一些最常見原因，以及現代邊緣- 雲工業物聯網（IIoT）解決方案如何簡化對這些數據的訪問和使用。

直到最近， 大多數制造數據都來自于PLC、HMI、SCADA 和運行在運營技術（OT） 領域的系統。這些系統一直專注于提供控制和可視性，以最大限度地提高運營效率和正常運行時間。因此，訪問和分析即時生産目标以外的相關數據是一個次要的問題。

OT 基礎設施是根據操作需要設計和擴展的，這導緻了一些選擇，如：選擇滿足性能要求的專有通信協議，但不支持靈活性和跨供應商的互操作性。盡量減少控制和傳感器數據收集，以最大限度地提高系統的可靠性和簡單性。實施本地化的内部架構，以最大限度地減少網絡安全威脅和供應商鎖定計劃， 以保護知識産權和促進機器的可靠運行，這往往是以犧牲連接性為代價的。

由此産生的系統在其運行目标的背景下表現令人欽佩，但它們受到數據 " 盲點 " 的影響，不能從所有潛在的可獲得數據的分析中受益。在OT 環境中，數據源似乎是開放的，但實際上它們對于OT 環境以外的應用來說是相當困難的，而隻有在OT 環境之外， 這些數據才可以更容易地被分析。

此外，許多潛在的有價值的數據源——如環境條件、狀态監測信息和公用事業消耗——在生産或設備控制中并不需要，因此沒有被自動化系統收集。大數據分析能力繼續擴大，但對滞留數據的訪問受到限制，将繼續限制其潛力。

滞留的數據有很多形式，來自機器、工廠車間和其他系統的OT 或管理工廠的平衡。這種數據可以像單個溫度讀數那樣細化，也可以像曆史數據日志那樣廣泛，以确定操作員确認警報的次數。滞留數據的典型類型包括：

• 孤立的：設施内的資産， 沒有網絡接入任何OT 或I T 系統。這是最直接的情況，但不一定是最容易解決的。考慮一個具有4-20mA 連接或甚至Modbus功能的獨立的溫度變送器。它需要與某種類型的邊緣設備連接（P LC、邊緣控制器、網關或其他）以使該數據流可被訪問。在許多情況下，這些數據對機器控制并不重要，所以它不能通過傳統的PLC / SCADA 數據源獲得。通過最近的PLC 采集數據， 有可能因為需要改變編程邏輯而使OEM 的維修保證失效。

• 被忽視：資産與OT 系統相連，并産生數據，但數據沒有被使用。許多智能邊緣設備提供基本和擴展數據。一個智能電力監控器可以使用硬接線或工業通信協議提供基本信息，如電壓、安培、千瓦、千瓦時等等。但更深層次的數據集，如總諧波失真（T H D）可能由于缺乏應用要求、低帶寬通信或系統數據存儲容量有限而無法傳輸。

• 采樣不足：産生數據的資産， 但采樣的數據率不足。即使智能設備通過某種類型的通信總線向監管系統提供數據，采樣率也可能太低， 或者延遲太大，或者數據集太大，以至于不能以可用的方式獲得結果。有時，數據在發布前可能會被彙總，導緻數據失真。

• 無法訪問： 産生數據的資産（通常是非過程性的，但對診斷等事情仍然很重要），但一般是無法訪問的格式，或無法通過傳統工業系統獲得。一些智能設備有機載數據，如錯誤日志，可能無法通過标準通信協議進行通信，但在分析導緻停機的事件時， 還是非常有用。

• 非數字化：人員在紙張、剪貼闆和白闆上手動生成數據，這就錯過了以數字方式獲取這些信息的機會。對于許多運營公司來說，工人們以物理紙質形式完成測試和檢查表格以及其他類似的質量文件，沒有任何規定将這些信息與數字記錄結合起來。一個更現代的方法是使用數字方法來收集這些數據，從而實現 " 無紙化工廠"。

滞留的數據對于希望分析整個生産設施或多個設施的運行性能的組織來說具有重大意義。他們正在尋找解決方案，将滞留的數據從現場傳輸到雲端進行記錄、可視化、處理和更深入的分析。需要這種連接，特别是與高水平的現場和基于雲的企業IT 系統的連接，以便對多種類型的邊緣數據進行曆史化和分析，以實現更深入和更長期的分析結果，遠遠超過通常為近期生産導向目标所進行的分析。

當終端用戶或OEM 能夠從傳統的數據源中釋放出滞留的數據，并将其傳輸到雲托管的應用程序和服務中，這就創造了許多機會，包括遠程監控、預測性診斷和根本原因分析、跨機器、工廠和設施的規劃、長期數據分析、多個工廠内和跨工廠的同類資産分析、車隊管理、跨領域數據分析和分析（深度學習）、對生産瓶頸的洞察，以及識别工藝缺陷的源頭， 廠的同類資産分析、車隊管理、跨領域數據分析和分析（ 深度學習）、對生産瓶頸的洞察， 以及識别工藝缺陷的源頭，即使它們是在生産過程的後期才被發現。

IIoT 倡議的目的是解決滞留數據的挑戰， 并有效地将邊緣數據連接到雲端，在那裡可以對其進行分析。IIoT 解決方案結合了現場的硬件技術、在邊緣和雲端運行的軟件以及通信協議，所有這些都被有效地整合和架構， 以安全和高效地傳輸數據，用于分析和其他用途。

邊緣解決方案可以是自動化系統的一個組成部分，或平行安裝以監測自動化系統不需要的數據。許多用戶喜歡後一種方法，因為他們可以在不影響現有生産系統的情況下獲得必要的數據。然而，關鍵是這些新的數字功能可以連接到所有以前識别的滞留數據的形式。

邊緣連接解決方案有多種形式， 包括準備與運行S CADA或邊緣軟件套件的工業PC（IPC）連接的緊湊型或大型PLC，“邊緣啟用” 并運行SCADA 或邊緣軟件套件的邊緣控制器，以及運行SCADA 或邊緣軟件套件的IPC。部署在邊緣的硬件可能需要有線I/O 和工業通信協議能力，以與所有的邊緣數據源進行交互。一旦獲得數據，可能需要對其進行預處理，或至少通過添加上下文關聯性來組織。保持上下文關聯性在制造環境中特别重要，因為那裡有成百上千的離散傳感器監測和驅動機械和物理機械的動作。現代自動化軟件系統有助于保持相對關系和背景。

最後，必須使用MQTT 或OPC UA 等協議，将數據傳輸到更高級别的系統。今天的OT/ I T 标準正在以一種确保數據和通信的一緻性和未來靈活性的方式發展。對于任何解決方案來說，靈活而又符合标準是很重要的， 而不是不可能長期維護的定制設置。一旦邊緣解決方案到位并能獲得數據，下一步就是使其能被更高級别的IT 系統所訪問，并與雲托管軟件進行無縫通信。

在雲中托管軟件有一系列的好處，這些好處包括降低成本，用戶隻需為他們使用的東西付費，并避免在購買和管理IT 基礎設施方面的投資。雲計算通常被稱為 " 彈性計算 " 環境，因為如果需要更多的計算或數據資源，它們可以根據需要實時添加。

雲計算也使用戶從配置IT 硬件和軟件系統的問題中解脫出來，同時還可以對這些系統進行部署、管理、性能、安全和更新。資源可以集中在追求其核心業務相關的目标上。

最重要的是，雲提供了有效處理大數據集的能力，C P U 處理能力可根據分析的需要進行擴展。更大的可訪問性是可能的，無論何時何地，使用任何能夠承載網絡浏覽器的設備都可以訪問數據。

使用不同的服務器進行存儲，并有備份和災難恢複選項，可以加強數據安全。更快的開發是可能的，平台可以立即運行，隻需要一個互聯網連接和訪問證書。

在實施IIoT 數據項目時，雲架構特别适合組織的需求。雲是許多IIoT 項目的使能基礎設施，這兩種技術的結合使人類、物體和機器之間的創新互動成為可能，催生了基于智能産品和服務的新商業模式。

邊緣到雲的數據連接以可視化、記錄、處理和更深入的分析等多種形式提供價值。任何在OT 和IT 之間架起數據橋梁的IIoT 解決方案都依賴于數字化的能力，這些數字化能力可以與PLC 等傳統自動化元件對接，或者可以直接與任何現有系統并行連接到數據源。這些邊緣資源必須能夠對數據進行一定程度的預處理，并添加上下文，然後将其上傳到雲系統進行進一步分析。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!