亚为智能——工业大数据中的数据采集技术
亚为智能
大数据(Big Data)，是指那些超过传统数据库系统处理能力的数据。最早提出大数据时代已经到来的机构，是全球知名咨询公司麦肯锡。麦肯锡在研究报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素。调查显示，未被使用的信息比例高达99.4%，很大程度都是由于高价值的信息无法获取采集。因此，如何从大数据中采集出有用的信息，已经是大数据发展的关键因素之一。
数据采集(DAQ)，又称数据获取，是指从传感器和其它待测设备等模拟和数字被测单元中采集非电量或者电量信号，并进行分析，处
理。传统的数据采集，还是在现场利用传感器和采集卡，将数据以指定协议，通信传输到上位机，然后加以分析处理。数据来源单一，结构单一，数据量小。但随着大数据时代的到来，现今人们对数据的需求，来源变得更广泛，数据量更大，数据结构类型丰富，既有结构化数据，同时也有半结构化、非结构化数据。
另一方面，工业大数据，或者说“工业+大数据”的组合，在工信部下发的《智能制造综合标准化体系建设指南》中提到，“工业大数据是工业领域完成相关信息化（包括企业内部的数据采集和集成，产业链横向的数据采集和集成，以及客户/用户和互联网上的大量外部数据）所产生的海量数据的基础上，经过深入分析和挖掘，为制造企业提供看待价值网络的全新视角，从而为制造业创造更大价值”。
与一般的大数据对比，工业大数据具有更强的专业性、关联性、流程性、时序性和解析性等特点，同时，由于工业流程化生产，从研发、设计，到制造、生产，到销售、使用，不同环节之间联系紧密，工业大数据的存在，打通了各个环节之间的信息孤岛，通过对数据综
合分析，最终为工业企业提高生产效率，降低成本，实现收入大幅提高。
在这样的前提下，传统点对点，甚至简单的多点对单点的数据采集的形式，就无法再满足工业大数据下的数据采集。同时考虑到工业现场复杂环境带来的干扰，多种设备各自遵循自有协议，相互之间缺少桥梁，以及大数据所需的海量数据，以及与数据共享一同而来的安全问题，亚为提出了一套分布式采集、多层级处理的多大脑智能化数据采集方案。
在采集终端，即针对客户不同的结构化或非结构化数据类型，选用相应的采集设备。对此，亚为拥有一系列体系化的采集卡选型，还可结合实际使用环境，有针对性地通过边缘计算，有效减少无效数据，实现数据的提前清洗，提高系统效率。
在数据传输过程中，通过网关设备和YAV 1P NET系列智能连接器，以及YAV C DELAY的多协议自融合数据中转设备，利用分布式计算技术，有效地将不同协议的数据归一化，便于后续系统统一分析数据间的潜在关联。同时，有网关和连接器的存在，通过安全加密，也进一步保证了数据传输过程中的安全性问题。
亚为部署的工业物联网T-Cos系统，更是在端到端的工业物联网方面，提供了一个至纯至简的解决方案，亚为T-Cos亚为工业物联网平台正是通过我们公司的四大平台（YMS UMS WUMS 掌上亚为）去实现工业大数据的边缘计算，四大平台贯彻亚为“方便一秒钟”的企业文化，巧妙解决了通信归一化、协议归一化、型号归一化、显示
归一化、管理归一化、校准归一化、配置归一化等问题，把工业现场传感数据，例如温度、速度、位移、震动、声音等进行数据梳理，加工成有意义的信息供云计算去处理，形成品控管理或生产指导，实现智慧决策，智能分析，可靠汇聚，可信采集和工业物联网精益化的部署。
利用边缘计算技术，本地主机在接收到数据后，通过亚为YMS、UMS、WUMS等平台程序，实时、高速、高精度显示采集、配置、分析数据，并根据具体需要进行数据分析和报表。本地提取原始数据中的有效信息，筛去海量数据中的无效数据，或是直接初步提取数据之间的关键关联信息，高速上传服务器，然后通过T-Cos平台，分享至客户终端，实现了一设备多用户，以及一用户多设备的MN序列管理。。一方面，对工业现场数据，实时显示分析，实时反馈，对现场异常做到及时响应；另一方面，提前对数据进行处理，可以有效降低数据量，提升数据质量，解决因为数据拥塞引起的时延问题；再就是，通过T-Cos的产品序列号，可以一键式实现物联网，真正达到“一分钟物联化”的目的。
亚为智能 - 工业大数据中的数据采集技术 F
