转自公众号龙易购互联网

第一章 背景及意义

工业数据采集是智能制造和工业互联网的基础，是“两 化”融合的先决条件，在国家及各部委发布的政策文件中不断被提及。在2015年国务院发布的《中国制造2025》中，提出 了“建立国家工业基础数据库，加强企业试验检测数据和计量数据的采集、管理、应用和积累。”《智能制造工程实施指南（2016-2020）》提出，要发展“智能传感与控制装备”，要形成“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”标准，要解决智能制造“数据采 集、数据集成、数据计算分析”等方面存在的软件问题，在五 类新模式中支持数据采集系统与其他系统协同与集成。

2017 年11月国务院发布的《关于深化“互联网+先进制造 业”发展工业互联网的指导意见》明确将构建网络、平台、安全三大功能体系作为其重点任务,并强调要“强化复杂生产过程中设备联网与数据采集能力，实现企业各层级数据资源的端到端集成”，推动各类数据集成应用，形成基于数据采集、集成、分析的“工艺优化、流程优化、设备维护与事故风险预警能力”，实现“企业生产与运营管理的智能决策和深度优化”。

作为工业互联网三大功能体系之一，工业互联网平台是全要素连接的枢纽和工业资源配置的核心，而工业数据采集则是工业互联网平台的基础，发展工业数据采集是我国推动工业互联网平台全面深度应用的起点，也是制造业转型升级的必要条件。

随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，推动了以“智能化生产、个性化定制、网络化协同和服务化延伸”为代表的新兴智能制造模式的发展，其核心是基于海量工业数据的全面感知。工业数据采集可以实现对生产现场各种工业数据的实时采集和整理，为企业的MES、ERP等 信息系统提供大量工业数据，通过对积累沉淀的工业大数据的深入挖掘，实现生产过程优化和智能化决策。

第二章 工业数据采集概述

(一)工业数据采集的内涵与范围

1.工业数据采集的定义

工业数据采集是利用泛在感知技术对多源设备、异构系统、运营环境、人等要素信息进行实时高效采集和云端汇聚。工业数据采集对应工业互联网平台体系架构中的边缘层，如下图红圈线所示。通过各类通信手段接入不同设备、系统和产品，采集大范围、深层次的工业数据，以及异构数据的协议转换与边缘处理，构建工业互联网平台的数据基础。

这可能是我发过最“干”的“干货”了：工业数据采集方案

工业数据向云端传输后的数据汇聚、数据处理和数据分 析、数据应用等功能，属于工业大数据和工业应用范畴，故不在本报告中涉及。

2.工业数据采集的范围

工业数据采集广义范围既包括工业现场设备的数据采集和工厂外智能产品/装备的数据采集，也包括对ERP、MES等应用系 统的数据采集，具体如下：

(1)工业现场设备的数据采集 主要通过现场总线、工业以太网、工业光纤网络等工业通信网络实现对工厂内设备的接入和数据采集，可分为三类：对传感器、变送器、采集器等专用采集设备的数据采集；对PLC、RTU、 嵌入式系统、IPC等通用控制设备的数据采集；对机器人、数控机床、AGV等专用智能设备/装备的数据采集。

主要基于智能装备本身或加装传感器两种方式采集生产现场数据，包括设备（如机床、机器人）数据、产品（如原材料、在制品、成品）数据、过程（如工艺、质量等）数据、环境（如温度、湿度等）数据、作业数据（现场工人操作数据，如单次操作时间）等数据。主要用于工业现场生产过程的可视化和持续优化，实现智能化的决策与控制。

(2)工厂外智能产品/装备的数据采集 主要通过工业物联网（3G/4G、NB-IoT等）实现对工厂外智能产品/装备的远程接入（通过DTU、数采网关等）和数据采集。主要采集智能产品/装备运行时关键指标数据，包括但不限于如工作电流、电压、功耗、电池电量、内部资源消耗、通信状态、通信流量等数据。主要用于实现智能产品/装备的远程监控、健康状态监测和远程维护等应用。

(3)对EPR、MES等应用系统的数据采集 主要由工业互联网平台通过接口和系统集成方式实现对SCADA、DCS、MES、ERP等应用系统的数据采集，报告中的工业数据采集范围主要指工业现场设备的数据采集和工厂外智能产品/装备的数据采集。

(二) 工业数据采集体系架构

工业数据采集体系架构包括设备接入、协议转换、边缘数据处理三层，向下接入设备或智能产品，向上与工业互联网平台/工业应用系统对接，如下图所示：

这可能是我发过最“干”的“干货”了：工业数据采集方案

设备接入：通过工业以太网、工业光纤网络、工业总线、3G/4G、NB-IoT等各类有线和无线通信技术，接入各种工业现场设备、智能产品/装备，采集工业数据。

协议转换：一方面运用协议解析与转换、中间件等技术兼容Modbus、CAN、Profinet等各类工业通信协议，实现数据格式转 换和统一。另一方面利用HTTP、MQTT等方式将采集到的数据传 输到云端数据应用分析系统或数据汇聚平台。

边缘数据处理：基于高性能计算、实时操作系统、边缘分析 算法等技术支撑，在靠近设备或数据源头的网络边缘侧进行数据

预处理、存储以及智能分析应用，提升操作响应灵敏度、消除网络堵塞，并与云端数据分析形成协同。

(三)工业数据采集的特点

1.连接性

连接是工业数据采集的基础。所连接物理对象的多样性及应 用场景的多样性，需要工业数据采集具备丰富的连接功能，如各种网络接口、网络协议、网络拓扑、网络部署与配置、网络管理与维护。连接需要充分借鉴吸收网络领域先进研究成果，如TSN、SDN、NFV、WLAN、NB-IoT、5G等，同时还要考虑与现有各种工业总线的互联互通。

2.数据第一入口

工业数据采集作为物理世界到数字世界的桥梁，是数据的第一入口，拥有大量、实时、完整的数据，可基于数据全生命周期进行管理与价值创造，将更好的支撑预测性维护、资产性能管理等创新应用；同时，作为数据第一入口，工业数据采集也面临数据实时性、确定性、多样性等挑战。

3.数据量大

随着工业系统由物理空间向信息空间、从可见世界向不可见 世界延伸，工业数据采集范围不断扩大；同时工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的包括设备状态参数、工况负载和作业环境等数据量呈爆发式增长，远大于企业中计算机和人工产生的数据。随着智能制造和物联网技术的发展，产品制造阶段少人化、无人化程度越来越高，运维阶段产品运行状态监控度不断提升，未来人产生的数据规模的比重降低，机器产生的数据将出现指数级的增长。

4.实时性

生产线的高速运转、精密生产和运动控制等场景对数据采集的实时性要求不断提高，重要信息需要实时采集和上传，以满足生产过程的实时监控需求。

工业系统不仅要求数据采集速度快，而且要求数据处理速度 快，特别是针对传感器产生的海量时间序列数据，数据写入速度达到了百万数据点/秒-千万数据点/秒。而且数据采集模块还要将实时数据通过有线、无线网络实时传送至系统集成模块，实现企业业务决策的实时性，也就是工业4.0所强调的基于“纵向、 横向、端到端”信息集成的快速反应。

5.融合性

OT与IT、CT的融合是工业数字化转型的重要基础。工业数 据采集作为“OICT”融合与协同的关键承载，需要支持在连接、管理、控制、应用、安全等方面的协同。工业数据采集既需要OT技术提供在工厂中的对于各种工业流程和机器的控制技术并且能够保证工业环境中的高可靠性，又需要IT技术支持工厂中大 量数据分析和促进工业生产数字化和智能化，也需要CT能够提 供可靠、快速和低成本的“传输”实现工业连接。

6.多种工业协议并存

工业软硬件系统本身具有较强的封闭性和复杂性，不同设备或系统的数据格式、接口协议都不相同，甚至同一设备同一型号的不同时间出厂的产品所包含的字段数量与名称也会有所差异，数据无法相互共享。工业数据采集领域存在Profibus、Modbus、CAN、LonWorks、HART、Profinet、EthernetIP、Modbus/TCP、EtherCAT等多种工业协议标准，各种协议标准不统一。

综上所述，工业数据采集需要将互联网、物联网、云计算、 边缘计算等技术和工业数据采集深度融合，一方面通过构建一套能够兼容、转换多种协议的技术产品体系和网络架构，实现工业数据互联互通互操作；另一方面通过TSN等低时延技术和部署边缘计算模块，实现数据的实时采集和在生产现场的轻量级运