工業(yè)互聯(lián)網(wǎng)技術(shù)，是物聯(lián)網(wǎng)技術(shù)、云邊協(xié)同、數(shù)據(jù)庫、實(shí)時(shí)計(jì)算等領(lǐng)域的綜合應(yīng)用場(chǎng)景。本文會(huì)從工程實(shí)踐角度，講述智能制造數(shù)字化賦能轉(zhuǎn)型的角度，并結(jié)合智能制造轉(zhuǎn)型應(yīng)用案例，端到端地講述阿里云IoT對(duì)工業(yè)上云整體方案的系統(tǒng)設(shè)計(jì)和實(shí)踐心得。
主要內(nèi)容包括：① 工業(yè)數(shù)據(jù)上云背景與整體方案介紹；② 核心技術(shù)環(huán)節(jié)和優(yōu)化心得；③ 工業(yè)數(shù)據(jù)應(yīng)用案例介紹。
01
工業(yè)數(shù)據(jù)上云背景與整體方案介紹
1. 工業(yè)數(shù)據(jù)上云的意義
工業(yè)互聯(lián)網(wǎng)，是繼消費(fèi)互聯(lián)網(wǎng)后又一個(gè)重要的應(yīng)用場(chǎng)景，在全球范圍內(nèi)得到了普及推廣。
拋開國內(nèi)制造企業(yè)、業(yè)主等類型單位對(duì)工業(yè)數(shù)據(jù)上云的成本、產(chǎn)出效益方面的擔(dān)憂，工業(yè)數(shù)據(jù)上云的主要意義在于：利用云的開放靈活度、分布式、可擴(kuò)展等特點(diǎn)，打破傳統(tǒng)工廠在工業(yè)化、信息化方案中的標(biāo)準(zhǔn)封閉、碎片化、孤島問題，實(shí)現(xiàn)OT和IT的融合。具體包括：
利用云端的大數(shù)據(jù)能力，產(chǎn)生新的數(shù)據(jù)價(jià)值，優(yōu)化生產(chǎn)和經(jīng)營；
云邊協(xié)同（云端訓(xùn)練+現(xiàn)場(chǎng)推理），加速工業(yè)算法落地；
云上工業(yè)互聯(lián)網(wǎng)，打造產(chǎn)業(yè)鏈協(xié)同的新應(yīng)用模式。
2. 工業(yè)數(shù)據(jù)上云面臨的挑戰(zhàn)
對(duì)于工業(yè)數(shù)據(jù)，可從OT域和IT域兩個(gè)角度入手：
① OT域——工業(yè)設(shè)備時(shí)序數(shù)據(jù)實(shí)時(shí)上云的挑戰(zhàn)
相比于智能家居等消費(fèi)型智能設(shè)備，制造業(yè)產(chǎn)業(yè)普遍自動(dòng)化程度較高，然而設(shè)備更加專業(yè)化和封閉化：適配協(xié)議多，采集頻率高，數(shù)據(jù)量大，非標(biāo)設(shè)備多；因此需要搭建統(tǒng)一的、具有兼容性的數(shù)據(jù)匯集網(wǎng)關(guān)，做好底層建設(shè)，制定針對(duì)性的云邊一體化方案。
工業(yè)產(chǎn)線設(shè)備和消費(fèi)級(jí)智能設(shè)備的對(duì)比如左圖所示。
② IT域——工業(yè)離線數(shù)據(jù)集成挑戰(zhàn)
除了上述的OT域所面臨的挑戰(zhàn)外，在IT域同樣面臨不小的挑戰(zhàn)。
右圖是一個(gè)典型的工廠信息化進(jìn)程。從圖中可以看出，工業(yè)企業(yè)采購的IT系統(tǒng)之間通常是不能數(shù)據(jù)互通的，因此工業(yè)IT存多源異構(gòu)系統(tǒng)特別多、數(shù)據(jù)格式不統(tǒng)一、碎片化嚴(yán)重?；谶@樣的情況，將各類數(shù)據(jù)匯聚起來做商業(yè)分析、經(jīng)營報(bào)表等是非常困難的；因此需要配套離線的數(shù)據(jù)集成方案，去解決上述諸多IT域存在的問題。
3. 工業(yè)數(shù)據(jù)上云整體架構(gòu)
如前文所述，工業(yè)數(shù)據(jù)上云的價(jià)值在于：幫助制造企業(yè)實(shí)現(xiàn)企業(yè)內(nèi)部從設(shè)備、控制系統(tǒng)及信息系統(tǒng)的互聯(lián)和數(shù)據(jù)融合，最終實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)與運(yùn)營優(yōu)化；然而其存在諸多的技術(shù)挑戰(zhàn)，主要在于：工業(yè)邊緣采集+建模、海量數(shù)據(jù)上云、異構(gòu)數(shù)據(jù)集成、數(shù)據(jù)融合分析等。
基于上述種種現(xiàn)狀，阿里云IoT事業(yè)部工業(yè)互聯(lián)網(wǎng)團(tuán)隊(duì)聯(lián)合阿里云物聯(lián)網(wǎng)平臺(tái)以及邊緣計(jì)算團(tuán)隊(duì)、容器服務(wù)團(tuán)隊(duì)，共同研發(fā)了一套工業(yè)數(shù)據(jù)組合應(yīng)用平臺(tái)，專用于解決工業(yè)企業(yè)大規(guī)模點(diǎn)位設(shè)備數(shù)據(jù)快速上云這類問題，并結(jié)合工業(yè)典型場(chǎng)景提供諸如數(shù)據(jù)資產(chǎn)服務(wù)、業(yè)務(wù)應(yīng)用服務(wù)、數(shù)據(jù)融合服務(wù)等。整體架構(gòu)如下：
基于阿里云物聯(lián)網(wǎng)、云技術(shù)和工業(yè)大數(shù)據(jù)技術(shù)等，阿里云數(shù)字工廠構(gòu)建了一套相關(guān)的解決方案：利用數(shù)字化控制管理資源，收集分析歷史數(shù)據(jù)，并基于分析結(jié)果進(jìn)行業(yè)務(wù)決策和優(yōu)化技術(shù)。（可在阿里云主頁搜索“數(shù)字工廠”查看詳情）
4. 工業(yè)數(shù)據(jù)上云核心鏈路
工業(yè)數(shù)據(jù)通過采集器采集數(shù)據(jù)，獲取設(shè)備的運(yùn)行狀態(tài)。工業(yè)產(chǎn)線大多是通過PLC或DSC實(shí)現(xiàn)自動(dòng)化控制，因此工業(yè)邊緣網(wǎng)關(guān)的主要目標(biāo)是讀取數(shù)據(jù)并進(jìn)行模型化處理、格式化組織并上云。
這一部分的關(guān)鍵點(diǎn)在于，根據(jù)數(shù)據(jù)的實(shí)時(shí)性以及數(shù)據(jù)類型，進(jìn)行分層處理，實(shí)現(xiàn)設(shè)備實(shí)時(shí)消息采集上云+云邊離線數(shù)據(jù)集成：
對(duì)于設(shè)備實(shí)時(shí)消息（圖中的上層），借助物聯(lián)網(wǎng)平臺(tái)提供的MQTT這一大吞吐量上云通道，實(shí)現(xiàn)采集數(shù)據(jù)的實(shí)時(shí)上云。同時(shí)，可通過實(shí)時(shí)消息訂閱分發(fā)，提供給下游對(duì)工業(yè)數(shù)據(jù)實(shí)時(shí)性要求較高的應(yīng)用（如組態(tài)應(yīng)用、MES系統(tǒng)等）；
對(duì)于本地?cái)?shù)據(jù)存量（圖中的下層），提供了云邊數(shù)據(jù)集成工具，可幫助工業(yè)客戶快速完成異構(gòu)跨源IT數(shù)據(jù)的采集、轉(zhuǎn)換和批量上云。隨后，可利用阿里云工業(yè)數(shù)倉進(jìn)行預(yù)設(shè)的業(yè)務(wù)分析，以及客戶自定義的開發(fā)任務(wù)分析，最終輸出給工業(yè)數(shù)據(jù)應(yīng)用層，進(jìn)行業(yè)務(wù)呈現(xiàn)。
02
核心技術(shù)環(huán)節(jié)和優(yōu)化心得
1. 工業(yè)多協(xié)議兼容的邊緣計(jì)算一體機(jī)
① 在工業(yè)生產(chǎn)現(xiàn)場(chǎng)，通過部署阿里云邊緣計(jì)算一體機(jī)，實(shí)現(xiàn)高實(shí)時(shí)高流量高可靠的數(shù)據(jù)接入、就近計(jì)算、算法推理
使用阿里云邊緣一體機(jī)，為客戶提供邊緣計(jì)算基礎(chǔ)設(shè)施，具體包括以下特性：
本地設(shè)備接入，協(xié)議適配
本地AI容器，應(yīng)用容器
本地規(guī)則引擎，本地FC(函數(shù)計(jì)算)
基于OpenYurt的云原生運(yùn)維
軟硬一體，成本優(yōu)化
② 在工業(yè)數(shù)據(jù)上云場(chǎng)景的邊緣計(jì)算應(yīng)用架構(gòu)
工業(yè)協(xié)議驅(qū)動(dòng)：驅(qū)動(dòng)主要采集PLC點(diǎn)位數(shù)據(jù)和設(shè)備告警數(shù)據(jù)上行，并執(zhí)行反向設(shè)置點(diǎn)位數(shù)據(jù)。支持OPC UA/Modbus等市面主流工業(yè)協(xié)議；同時(shí)開放驅(qū)動(dòng)對(duì)接SDK，第三方可以實(shí)現(xiàn)自己的驅(qū)動(dòng)程序。
點(diǎn)位數(shù)據(jù)處理和模型轉(zhuǎn)換：將原始的離散的、非結(jié)構(gòu)化的點(diǎn)位數(shù)據(jù)，轉(zhuǎn)化為結(jié)構(gòu)化的設(shè)備物模型消息。
實(shí)時(shí)處理：包括按規(guī)則加工、清洗、生成中間數(shù)據(jù)。
數(shù)據(jù)代理：負(fù)責(zé)數(shù)據(jù)上云，同時(shí)接受下行的請(qǐng)求，將設(shè)備下行請(qǐng)求轉(zhuǎn)化為下行請(qǐng)求。
2. 工業(yè)設(shè)備實(shí)時(shí)數(shù)據(jù)的模型化處理
① 阿里云物模型介紹
阿里云物聯(lián)網(wǎng)平臺(tái)物模型,在智能消費(fèi)類設(shè)備領(lǐng)域大規(guī)模推廣,沉淀了屬性、事件、服務(wù)標(biāo)準(zhǔn)定義;又在園區(qū)、城市、工業(yè)等場(chǎng)景中不斷增強(qiáng),演化出組合、引用、規(guī)則等復(fù)雜模型特性,最終具備數(shù)字孿生體的建模、協(xié)同、共智核心特征。
阿里云物聯(lián)網(wǎng)平臺(tái)物模型2.0增加了物模型規(guī)則，可計(jì)算包括物模型自身功能定義之間的運(yùn)算和跨物模型功能定義之間的計(jì)算。
下圖的左圖就是一個(gè)最簡(jiǎn)單的物模型轉(zhuǎn)換規(guī)則：將攝氏度轉(zhuǎn)換為華氏度。
傳統(tǒng)的工控自動(dòng)化背后，是很多小規(guī)模、封閉、獨(dú)立的自控系統(tǒng)，在工業(yè)實(shí)施的過程中，需要專有的系統(tǒng)或協(xié)議層的訪問，而且難以復(fù)用?；诎⒗镌乒I(yè)協(xié)議網(wǎng)關(guān)配合物聯(lián)網(wǎng)平臺(tái)物模型規(guī)范，可以實(shí)現(xiàn)現(xiàn)實(shí)通信協(xié)議和設(shè)備模型之間的解耦。通過物模型，站在整個(gè)企業(yè)視角對(duì)工業(yè)設(shè)備進(jìn)行統(tǒng)一的自上而下下建模，從實(shí)踐中看到有如下收益：
標(biāo)準(zhǔn)化設(shè)備上下行的數(shù)據(jù)范式，便于設(shè)備實(shí)時(shí)互操作（狀態(tài)跟蹤/采集/反控），利于系統(tǒng)間數(shù)據(jù)流的打通和三方應(yīng)用標(biāo)準(zhǔn)化接入；
基于物模型數(shù)據(jù)采集對(duì)于數(shù)據(jù)的范式、語義和約束條件有明確的定義，有利于數(shù)據(jù)分析、算法推理，節(jié)省數(shù)據(jù)清洗成本；
模型化表達(dá)物理世界映射，更容易描述設(shè)備關(guān)系、機(jī)理規(guī)則等復(fù)雜特征，更適用于關(guān)注設(shè)備態(tài)的業(yè)務(wù)層或者設(shè)備實(shí)時(shí)交互場(chǎng)景，例如工業(yè)組態(tài)、MES系統(tǒng)等；
同類設(shè)備可復(fù)用一套模型，提升配置維護(hù)效率。
上圖為工業(yè)設(shè)備數(shù)據(jù)在數(shù)據(jù)采集上云過程中的不同處理階段
② 物模型應(yīng)用案例
物聯(lián)網(wǎng)應(yīng)用開發(fā)，是阿里云針對(duì)物聯(lián)網(wǎng)場(chǎng)景提供的生產(chǎn)力工具，是阿里云物聯(lián)網(wǎng)平臺(tái)的一部分，可覆蓋各個(gè)物聯(lián)網(wǎng)行業(yè)核心應(yīng)用場(chǎng)景。
對(duì)于工業(yè)場(chǎng)景，在接入物模型設(shè)備后，開發(fā)者可以借助IoT Studio快速搭建工業(yè)云組態(tài)視圖。
③ 工業(yè)數(shù)據(jù)模型化帶來的技術(shù)挑戰(zhàn)
傳統(tǒng)的數(shù)采方案主要包括采集、存儲(chǔ)、就近計(jì)算、流轉(zhuǎn)上云這4個(gè)主要的步驟。如上所說，我們?cè)诔Ｒ?guī)的消息處理的過程中增加了一個(gè)模型化的步驟，在具備了物模型能力的同時(shí)，也帶來了如下的技術(shù)挑戰(zhàn)：
模型化JSON的表達(dá)效率不如原始點(diǎn)位數(shù)據(jù)緊湊，需要針對(duì)性的壓縮編碼方案；
工業(yè)設(shè)備的點(diǎn)位數(shù)據(jù)海量而離散，需要映射綁定到設(shè)備屬性上再處理和計(jì)算，對(duì)數(shù)據(jù)重排有很高的要求。
上圖中左側(cè)部分是原始時(shí)序數(shù)據(jù)點(diǎn)位，右側(cè)部分是模型化后的JSON的表達(dá)方式。為解決模型化后的傳輸、處理問題，降低上云成本，需要利用邊緣側(cè)算力，就近完成模型預(yù)處理工作。
與此同時(shí)，針對(duì)模型化數(shù)據(jù)的邊緣數(shù)據(jù)上云通道的傳輸協(xié)議、編碼方案，也需要做一系列的針對(duì)性優(yōu)化。
3. 邊緣數(shù)據(jù)上云通道設(shè)計(jì)
① 在邊緣側(cè)對(duì)設(shè)備的模型化消息進(jìn)行數(shù)據(jù)預(yù)處理，提升上云效率。
現(xiàn)實(shí)中單個(gè)工廠邊緣上報(bào)的數(shù)據(jù)峰值經(jīng)常達(dá)到10W點(diǎn)/秒以上，對(duì)上云吞吐量要求高，如果用原始設(shè)備JSON模型消息傳輸，會(huì)占用很大的上行帶寬(>200Mbps)；
而通過在邊緣側(cè)做前置預(yù)處理、云邊協(xié)同編解碼等優(yōu)化手段，實(shí)測(cè)上云帶寬和云上處理QPS降低80%，為客戶節(jié)約了大量的上云資源費(fèi)用。具體包括以下優(yōu)化點(diǎn)：
優(yōu)化1：采用物聯(lián)網(wǎng)平臺(tái)連接型實(shí)例。獨(dú)享上云通道，上下行資源獨(dú)占。
優(yōu)化2：邊緣虛擬網(wǎng)多通道上云，提升上云并發(fā)處理能力。
優(yōu)化3：云邊報(bào)文壓縮傳輸。提升本地上行帶寬利用率。
優(yōu)化4：邊緣包聚合上報(bào)。邊緣網(wǎng)關(guān)支持按照設(shè)備維度和屬性維度進(jìn)行雙重聚合，提升數(shù)據(jù)排列效率。
優(yōu)化5：物模型Alink JSON協(xié)議優(yōu)化。支持單屬性時(shí)間序批量上報(bào)，使得云端處理更高效。
② 設(shè)備實(shí)時(shí)數(shù)據(jù)消息聚合重排方案介紹
所謂消息聚合重排，是指邊緣側(cè)接收底層上送的離散設(shè)備消息，按指定的間隔窗口聚合為同一設(shè)備同一屬性的一段時(shí)序數(shù)據(jù)，提升單條消息的數(shù)據(jù)排列效率，也有利于云端對(duì)設(shè)備消息進(jìn)行批處理。
③ 數(shù)字序列化和壓縮方案介紹
當(dāng)前的工業(yè)數(shù)據(jù)上云鏈路，是基于阿里云企業(yè)級(jí)物聯(lián)網(wǎng)平臺(tái)提供的mqtt協(xié)議通道。如果基于普通的明文JSON格式直接序列化傳輸,字節(jié)效率偏低；因此需要針對(duì)工業(yè)場(chǎng)景，選擇合適的序列化/壓縮方案。
首先考慮的，是采用一種緊湊的序列化編碼方案替換JON格式，例如 protobuf/tlv，但這類序列化方案存在各自的問題：
Protobuf對(duì)于動(dòng)態(tài)字段類型的壓縮效果并不好,需要先定義好數(shù)據(jù)結(jié)構(gòu)(proto)
TLV的字節(jié)效率較高,但是每一個(gè)設(shè)備模型都需要 client-server兩端維護(hù)一份TLV編碼器，開發(fā)成本高
另一種思路，是在云邊MQTT協(xié)議通道的 client-server間協(xié)商支持一種通用的zip/unzip壓縮算法，可考慮的壓縮策略有：
通用無損壓縮，如 DEFLATE (LZ77+Haffman)
針對(duì)JSON的壓縮算法，如 CJSON/HPACK
選擇序列化/壓縮方案主要考慮資源消耗、壓縮率和云邊兩端的實(shí)現(xiàn)復(fù)雜度；通過多方權(quán)衡，目前采用阿里云物聯(lián)網(wǎng)平臺(tái)支持MQTT通道提供的Zib壓縮方案。
Zlib：對(duì) DEFLATE算法的一種封裝,先用LZ77算法預(yù)處理，然后用霍夫曼編碼對(duì)壓縮后的 literal、length、distance編碼優(yōu)化如今最流行的通用壓縮算法之一。
④ 斷網(wǎng)/斷點(diǎn)續(xù)傳方案介紹
解決數(shù)據(jù)上云時(shí)遇到網(wǎng)絡(luò)中斷或者網(wǎng)絡(luò)抖動(dòng)等情況，在對(duì)沒有上送云端的數(shù)據(jù)進(jìn)行本地存儲(chǔ)，在探測(cè)到網(wǎng)絡(luò)恢復(fù)后進(jìn)行數(shù)據(jù)的上云恢復(fù)。利用斷網(wǎng)續(xù)傳相關(guān)的SDK能力，適配各種斷網(wǎng)場(chǎng)景下的可靠性保障。
4. 工業(yè)設(shè)備實(shí)時(shí)數(shù)據(jù)云上流轉(zhuǎn)
工業(yè)設(shè)備實(shí)時(shí)數(shù)據(jù)上云，基于的是阿里云企業(yè)級(jí)物聯(lián)網(wǎng)平臺(tái)提供的MQTT協(xié)議通道，可支撐海量設(shè)備連接和海量物聯(lián)消息上云，同時(shí)支持實(shí)時(shí)規(guī)則處理與消息多路流轉(zhuǎn)。
對(duì)于工業(yè)場(chǎng)景，推薦使用物聯(lián)網(wǎng)平臺(tái)連接型實(shí)例，可獨(dú)享設(shè)備接入層的網(wǎng)絡(luò)和計(jì)算資源，適合大點(diǎn)位數(shù)據(jù)(高帶寬、高QPS)上云。
5. 工業(yè)離線數(shù)據(jù)集成方案
前文講述了工業(yè)設(shè)備OT域的數(shù)據(jù)實(shí)時(shí)上云方案；接下來講述IT域的數(shù)據(jù)上云方案。前文說到，設(shè)備IT域的數(shù)據(jù)，主要是存量化本地的IT系統(tǒng)。因此，IT域的數(shù)據(jù)上云，主要包括以下步驟：
本地多源異構(gòu)數(shù)據(jù)集成：邊緣側(cè)ETL工具適配各種主流ERP，針對(duì)不同版本的ERP做數(shù)據(jù)轉(zhuǎn)換，映射成標(biāo)準(zhǔn)數(shù)據(jù)模型。
云端數(shù)據(jù)集成：阿里云實(shí)時(shí)數(shù)據(jù)分發(fā)平臺(tái)DataHub提供對(duì)流式數(shù)據(jù)的發(fā)布、訂閱和分發(fā)功能，接收邊緣ETL消息，投遞到交互分析服務(wù)HoloGres。
云上數(shù)據(jù)分析：Hologres是實(shí)時(shí)交互式分析產(chǎn)品，能夠與大數(shù)據(jù)生態(tài)無縫連接，無須移動(dòng)數(shù)據(jù)，即可使用標(biāo)準(zhǔn)的PostgreSQL語句查詢分析MaxCompute中的海量數(shù)據(jù)，快速獲取查詢結(jié)果。
6. 本地多源異構(gòu)數(shù)據(jù)集成工具設(shè)計(jì)
在工業(yè)場(chǎng)景復(fù)雜的異構(gòu)系統(tǒng)環(huán)境下，傳統(tǒng)ETL工具或者數(shù)據(jù)集成平臺(tái)，很難直接做為快速打通企業(yè)存量系統(tǒng)和云上系統(tǒng)的數(shù)據(jù)通道。因此，我們做了一個(gè)更貼合工業(yè)場(chǎng)景的邊緣數(shù)據(jù)集成平臺(tái)-工業(yè)八爪魚。
為達(dá)到工業(yè)場(chǎng)景低成本快速數(shù)據(jù)上云的要求，工業(yè)八爪魚有強(qiáng)大的邊緣ETL能力，也就是多種數(shù)據(jù)源采集、靈活的數(shù)據(jù)轉(zhuǎn)換方法、安全高速的數(shù)據(jù)傳輸通道，同時(shí)，我們希望能夠最大限度的減少項(xiàng)目實(shí)施的重復(fù)開發(fā)過程，這就要求這個(gè)平臺(tái)還有沉淀模板化的能力。
采集：輸入數(shù)據(jù)源，支持多種數(shù)據(jù)庫實(shí)時(shí)增量；數(shù)據(jù)源定時(shí)掃描采集；支持API上報(bào)、API查詢；支持MQ數(shù)據(jù)采集等。
處理：數(shù)據(jù)轉(zhuǎn)換能力，可以靈活方便的做數(shù)據(jù)查詢和轉(zhuǎn)換。
傳輸：輸出數(shù)據(jù)源，支持OpenAPI、服務(wù)模型、Restful、MQ、EMR、DataHub、SDK、WebService接口等數(shù)據(jù)上報(bào)模式。
模板化能力：支持將整個(gè)流程打包，實(shí)現(xiàn)開箱即用的復(fù)用能力。
工業(yè)八爪魚的核心模塊，主要是本地?cái)?shù)據(jù)的增量同步，以及同步過程中的腳本化轉(zhuǎn)換規(guī)則
增量同步方案：大部分主流數(shù)據(jù)庫都支持變化數(shù)據(jù)捕捉 ( CDC ），這個(gè)功能最初的用途是數(shù)據(jù)庫備份，比如Oracle有XStream、SqlServer的CDC、Mysql的Binlog、Postgres的wal2json。通過數(shù)據(jù)庫這些內(nèi)置的CDC能力，我們可以比較方便快速的拿到準(zhǔn)確的數(shù)據(jù)增量，同時(shí)CDC監(jiān)控不需要對(duì)舊系統(tǒng)的更改，并且也不會(huì)太大影響數(shù)據(jù)庫的性能。
腳本轉(zhuǎn)換方案：我們選擇通過JS腳本來實(shí)現(xiàn)數(shù)據(jù)轉(zhuǎn)換，流程是在云端寫JS代碼，完成后下發(fā)到邊緣端調(diào)試運(yùn)行。
為什么選擇在邊緣端運(yùn)行腳本？這里主要考慮到三個(gè)問題：
內(nèi)網(wǎng)直接采集數(shù)據(jù)會(huì)比較穩(wěn)定；
數(shù)據(jù)轉(zhuǎn)換過程中，如果需要在邊緣數(shù)據(jù)源中查詢依賴數(shù)據(jù)，在邊緣端執(zhí)行腳本比較方便高效；
數(shù)據(jù)轉(zhuǎn)換后再上傳到云端，可以降低網(wǎng)絡(luò)帶寬要求，提升穩(wěn)定性。
03
工業(yè)數(shù)據(jù)應(yīng)用案例介紹
1. 工業(yè)代表落地案例——某流程型制造大型企業(yè)數(shù)字化轉(zhuǎn)型
廠側(cè)DCS系統(tǒng)邊緣側(cè)采集存儲(chǔ)，以及數(shù)據(jù)全量上云存儲(chǔ)。
集團(tuán)統(tǒng)一管理設(shè)備主數(shù)據(jù)，并分發(fā)至各工廠使用。
MES等業(yè)務(wù)應(yīng)用云上與廠側(cè)兩級(jí)部署，云邊數(shù)據(jù)雙向交互協(xié)同。
2. 工業(yè)數(shù)據(jù)應(yīng)用案例——生產(chǎn)過程追溯
質(zhì)量是制造業(yè)的生命線，"人"、"機(jī)"、"料"、"法"、"環(huán)" 是成產(chǎn)過程影響產(chǎn)品質(zhì)量的關(guān)鍵因素，采用IoT信息化方式自動(dòng)采集這些因素?cái)?shù)據(jù)，把IOT物聯(lián)網(wǎng)采集的設(shè)備數(shù)據(jù)與工廠業(yè)務(wù)數(shù)據(jù)進(jìn)行關(guān)聯(lián)，能夠正向追溯成品使用了哪些半成品和原料的批次或者單體，也能反向追溯原材料到半成品和成品的批次或者單體。能夠在追溯過程中重新生產(chǎn)過程中的“人、機(jī)、料、法、環(huán)”等多種因素的原始數(shù)據(jù)
人：這個(gè)工序中每個(gè)步驟是誰操作的
機(jī)：唯一標(biāo)識(shí)的物料在每個(gè)步驟是哪臺(tái)設(shè)備生產(chǎn)
料：原料、輔料、半成品在設(shè)備或步驟中的投料時(shí)間和數(shù)量
法：關(guān)聯(lián)到設(shè)備采集的工藝過程參數(shù)，以及質(zhì)量判斷結(jié)果
環(huán)：按照工廠模型綁定的環(huán)境過程信息
把生產(chǎn)過程數(shù)據(jù)形成一套關(guān)聯(lián)模型，我們可以基于這套數(shù)據(jù)做數(shù)據(jù)分析，比如正向追溯、反向追溯、質(zhì)量結(jié)果分析等。例如當(dāng)產(chǎn)品出現(xiàn)質(zhì)量問題，能夠清楚的知道產(chǎn)品的生產(chǎn)時(shí)間、工藝步驟參數(shù)、對(duì)應(yīng)的物聯(lián)網(wǎng)設(shè)備參數(shù)信息、消耗的物料情況、產(chǎn)品對(duì)應(yīng)的環(huán)境數(shù)據(jù)等，能防止缺陷擴(kuò)散和準(zhǔn)確定位問題，提高產(chǎn)品質(zhì)量，維護(hù)品牌形象。
當(dāng)然，有時(shí)候我們也并不特別清楚這樣一套數(shù)據(jù)模型應(yīng)用場(chǎng)景，可以通過開放數(shù)據(jù)讓客戶找到具體應(yīng)用場(chǎng)景，盡量挖掘數(shù)據(jù)價(jià)值。比如產(chǎn)品不合格時(shí)，是否由于設(shè)備參數(shù)異常導(dǎo)致、是否由于環(huán)境數(shù)據(jù)異常導(dǎo)致。
3. 工業(yè)數(shù)據(jù)應(yīng)用案例——基于振動(dòng)分析的設(shè)備異常檢測(cè)
工業(yè)設(shè)備中存在大量旋轉(zhuǎn)和往復(fù)運(yùn)動(dòng)部件，設(shè)備運(yùn)行過程中會(huì)持續(xù)產(chǎn)生振動(dòng)信號(hào)，這些振動(dòng)信號(hào)往往蘊(yùn)含著豐富的信息，可以反映關(guān)鍵部件甚至設(shè)備整體的運(yùn)行狀態(tài)或健康狀態(tài)
選擇軸承一段時(shí)期內(nèi)的振動(dòng)數(shù)據(jù)，共計(jì)N段采樣信號(hào)，這里面主要用到了無監(jiān)督學(xué)習(xí)，信號(hào)無任何標(biāo)注，可獲得若干異常段信號(hào)特征點(diǎn)，最終是要識(shí)別信號(hào)中是否出現(xiàn)軸承受沖擊帶來的振幅突變，以及是否由于磨損帶來的中心頻率偏移。此類設(shè)備異常檢測(cè)算法可為工業(yè)生產(chǎn)帶來實(shí)際價(jià)值：
在故障發(fā)生前發(fā)現(xiàn)工作異常
減少因非計(jì)劃停機(jī)造成的損失
提高設(shè)備的安全性
阿里云
專欄
閩公網(wǎng)安備 35010202001226號(hào)
