工业数据采集分析-工业数据采集分析报告
编辑整理：整理来源：百度知道，浏览量：70，时间：2023-01-16 21:39:01
工业数据采集分析，工业数据采集分析报告，工业数据采集器
前沿：工业数据采集分析
工业数客略粉据采集分为三部分：底层的设备接口：需要了解设备接口上位机协议，常用传感器
中间的数据采集传输：常用的工业数据采集卡（可以自己开发），OPC，物联网网关
Predix 是 GE 推出的全球第一个专为工业数据与 分析开发的云服务平台，负责将各种工业资产设备和供应商相互连接并接入云端，并提供资产性能管理（APM） 和运营优化服务，和西门子的 MindSphere 一并被认为是工业互联网平台的范本和旗舰。
APM 系统包括企业资 产管理（EAM)、预防性维护（PM)、预见性维护（PdM)、工厂资产管理（PAM)、环境健康和安全（EH&S）等 方面，是 GE 为了提升自身的资产管理绩效而特别研发并已在内部应用多年的一整套综合了云计算和物联网技 术的解决方案。
传承于 GE 工业化基因，Predix 提供标准的方式来运行工业级的分析能力，连接机器、数据和人，提供分布式计算、大数据分析、资产数据管理、机器和机器通信和应用移动性，“端到端”的安全访 问机制确保数据、设备、网络和系统的授权访问。
发展历程
GE于2012年在全球范围内率先提出工业互联网概念
2013年推出工业互联网平台产品Predix。
2015年，GE推出Predix 2.0，并在全球建成4个云计算中心，每天监测分析来自全球各地部署的1000万个传感器中的5000万项数据。
2015年，GE在全球成立了新的业务部门GE Digital，并将原有的软件和IT职能部门并入其中，Predix作为明星产品成为部门重要资产。
Predix架构
Predix 包括边缘+平台+应用三个部分，其中边缘和平台都只是配合应用的，应用才是Predix的最终目的。
边缘端
工业设备的连接和协议具有复杂性和多样性的特点，并且很多是与GE有竞争关系的各大厂商（西门子、ABB等）主导的封闭协议，因此Predix并不直接提供实现数据采集的硬件网关设备，但是提供了一个网关框架——Predix Machine，以实现数据的采集和连接。
Predix提供了Predix Machine的开发框架，支持开放现场协议的接入，并增强了边缘计算的功能，由合作伙伴开发相应的设备接入和边缘计算的功能。
Predix Machine，几乎覆盖了边缘设备需要解决的所有问题（①工业协议解析；②灵活的数据采集；③同平台的配合；④本地存储和转发；⑤支持运行平台端的应用；⑥丰富的安全策略；⑦；本地设备通信），并且有非常多的合作伙伴已经基于这个框架开发出了众多边缘网关产品。
Predix Machine包括一整套技术、工具和服务，支持应用开发、部署、应用和管理，可支持小到Raspberry Pi这样的嵌入式硬件，大到SBC(Single Board Computer)的整体解决方案，可以说是一个小型的Predix Cloud了。根据边缘设备的处理能力不同而选择Predix Machine的内置功能，以此来决定应用场景。
平台端
平台端Predix Cloud是整个Predix方案的核心，围绕着以工业数据为核心的思想，提供了丰富的工业数据采集、分析、建模以及工业应用开发的能力
Predix Cloud集成了工业大数据处理和分析、Digital Twin快速建模、工业应用快速开发等各方面的能力，以及一系列可以快速实现集成的货架式微服务。
Predix最强大的地方是基于Digital Twin的工业大数据分析，即将物理设备的各种原始状态通过数据采集和存储，反映在虚拟的信息空间中，通过构建设备的全息模型，实现对设备的掌控和预测。
Predix提供了一个模型目录，将GE和合作伙伴开发的各类模型以API的方式发布出来，并提供测试数据，让使用者可以站在巨人的肩膀上，利用现有的模型进行模型训练，快速实现实例化。同时，用户开发的模型也可以发布到这个模型目录中，被更多的客户共享使用。
除了这些分析模型，还有GE提供的超过300个资产和流程模型，这些模型都是跟GE旗下的不同产品相关的，包括各种属性和3D模型，方便客户或者合作伙伴快速构建Digital Twin。按照GE的宣传资料，包括GE自身以及合作伙伴在内，已经构建了数万个Digital Twin。
应用端
对工业客户来说，需要的是解决问题的能力，而不是解决问题的工具。GE推出Predix的主要目标，也是为了更高效、更简单的开发各类工业应用，分析各类工业问题。
Predix应用针对的不是我们耳熟能详的MES、ERP、PLM等传统IT类应用，而是为各类工业设备，提供完备的设备健康和故障预测、生产效率优化、能耗管理、排程优化等应用场景，采用数据驱动和机理结合的方式，旨在解决传统工业几十年来都未能解决的质量、效率、能耗等问题，帮助工业企业实现数字化转型；同时，Predix毫不犹豫的采用物联网、人工智能等新兴IT技术，摆脱人的经验和知识积累的局限性，从只能解决已知的、经验性的问题，逐步带入到对未知世界的掌
产品策略
（1）应用为先
2017年底的时候， GE通知渠道合作伙伴，改变营销策略，不再一味关注销售整个Predix平台，而是侧重销售平台上的应用。
在以往销售平台的过程中， 经常会遇到客户在没有客户案例的情况下，不知道怎么使用这个平台产生价值。而平台的销售周期也往往很长。反而是销售在平台上的应用，解决用户痛点， 反而会带动平台的使用。
工业互联网中，平台是基础， 而APP是核心，脱离了实际应用场景与方式的平台是吸引不了客户将自己的设备连接上网。所以平台企业还是要从解决客户的实际痛点出发，设计解决方案，最终推动平台的使用。
（2）多种部署
在2018年11月，GE宣布推出私有云版本的Predix，允许用户部署在本地的数据中心，同时在边缘侧放入了更多的软件应用，以满足更多用户的使用需求。
企业对于数据存储地点和安全的顾虑很高，这也是为什么制造企业对于云平台的接受程度始终没有改善，未来的工业互联网不仅仅要提升安全保障能力，还要提供更多元的部署方式，私有， 共有，而且需要有混合云，允许客户的私有云和公有云对接，共同完成设备管理，企业运营等工业互联网功能。
应用案例
2017 年 M+M 大会上展示了开放以来 Predix 在各行各业的应用案例，包括
（1）能 源业——BP（英国石油公司）：
BP 和 GE 油气部门联合发布了 POA 服务（Plant Operation Advisor)，这是一个全 新的基于 Predix 开发的旨在提高 BP 油气生产环节的效率、可靠性和安全性的数字化方案，该方案是截至 2017 年 Predix+APM 方案的全球最大部署案例。
（2）电力业——Exelon：
Exelon 采用了 GE 的 Predix 平台实现数字 化转型，部署了 Predix 的完整套件，应用在全公司的 33GW 核电、混合电力、风电、太阳能和天然气的电厂上， 并合作开发了非常多基于 Predix 的工业 SaaS。
（3）航空业——东方航空：
GE 基于大数据建立的发动机叶片损 伤分析，可以为对发动机维修的安排提供了准确率高达 80%的参照。
同时推出 GE 航空大数据平台，着眼于飞 行（风险）分析、燃油管理，以及发动机分析三大关键领域，帮助东方航空提高飞行安全管理水平、降低燃油 消耗和排放，以及有效应对引发计划外维修与在翼时间等问题。
（4）医疗业——仁济医院：
2013 年起仁济医院 与 GE 展开医疗合作，使用资产云管家 AssetPlus。AssetPlus 能从远端观察到每一台设备的运行负荷，进行远程 就诊调控和分流，降低高负荷机器的运行时间，把等待就诊的病患引导至闲置设备。
（5）铁路业——Ferromex （墨西哥铁路）：
Ferromex 是墨西哥最大的铁路运营商，利用 GE 交通的 SmartShopping 套件降低列车的停留时 间，可以实现 7x24 小时对 100 辆列车进行健康和性能的实时监控和分析。
通过精细化的分析，在列车进入维修 车间之前就可以实现运维的预测，以减少宕机时间和维修的成本。
补充拓展：工业数据采集分析
工业数据采集的几种方式1、传感器
传感器是一种检测装置，能感受到被测量的信息，并能将检测感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。在生产车间中一般存在许多的传感节点，24小时监控着整个生产过程，当发现异常时可迅速反馈至上位机，可以算得上是数据采集的感官接受系统，属于数据采集的底层环节。
传感器在采集数据的过程中主要特性是其输入与输出的关系。其静态特性反映了传感器在被测量各个值处于稳定状态时的输入和输出关系，这意味着当输入为常量，或变化极慢时，这一关系就称为静态特性。我们总是希望传感器的输入与输出成唯一的对照关系，最好是线性关系。一般情况下，输入与输出不会符合所要求的线性关系，同时由于存在这迟滞、蠕变等因素的影响，使输入输出关系的唯一性也不能实现。因此我们不能忽视工厂中的外界影响。其影响程度取决于传感器本身，可通过传感器本身的改善加以抑制，有时也可以加对外界条件加以限制。
2、条码技术
条码技术是实现POS系统、EDI、电子商务、供应链管理的技术基础，是物流管理现代化的重要技术手段。条码技术包括条码的编码技术、条码标识符号的设计、快速识别技术和计算机管理技术，它是实现计算机管理和电子数据交换不可少的前端采集技术。
二维条码是用某种特定的几何图案按一定规律在平面分布的黑白相间的图形记录数据符号信息的，在代码编制上巧妙的运用计算机内部逻辑基础的“0”“1”概念，使用若干个与二进制相对应的几何形体来表示文字数值信息，通过图像输入设备或光电扫描设备自动识读以实现信息自动处理。二维条码具有条码技术的一些共性：每个码制有其特定的字符集，每个字符占有一定的宽度，具有一定的校验功能等。同时还对不同行的信息具有自动识别功能与处理图形旋转变化等特定。
3、RFID技术
RFID（Radio Frequency Identification，射频识别）技术是一种非接触式的自动识别技术，通过射频信号自动识别目标对象并获取相关的数据信息。利用射频方式进行非接触双向通信，达到识别目的并交换数据。RFID技术可识别高速运动物体并可同时识别多个标签，操作快捷方便。在工作时，RFID读写器通过天线发送出一定频率的脉冲信号，当RFID标签进入磁场时，凭借感应电流所获得的能量发送出存储在芯片中的产品信息（Passive Tag，无源标签或被动标签），或者主动发送某一频率的信号（Active Tag，有源标签或主动标签）；阅读器对接收的信号进行解调和解码然后送到后台主系统进行相关处理;主系统根据逻辑运算判断该卡的合法性，针对不同的设定做出相应的处理和控制，发出指令信号控制执行机构动作。
4、其他采集工具
受限与生产环节的复杂性与环境的苛刻，在除了RFID、条码和传感器的采集模式之外，还包含着利用人机交互的形式直接读取数据、利用现场设备如PLC和仪器仪表直接采集数据的模式。
工业数据采集体系包括设备接入、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/移动装备的泛在连接，将数据上报到云端。工业数据采集发展了这么多年，存在设备接入的复杂性和多样性。
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，可能在本地做即时数据分析和预处理，再上传到云端，提升即时性并降低网络带宽压力。
边缘计算近几年发展迅速，大家越来越意识到数据就近处理的优势，无论是实效性还是出于数据安全性考虑，或是网络的可靠性，边缘计算在工业物联网体系中扮演着重要角色，边云协同也逐渐成了共识。
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，在于其侧重点不同。