虫情信息自动采集传输设备是新一代的虫情测报工具，该灯采用不锈钢材料，利用现代光、电、数控技术，实现虫体远红外自动处理、接虫袋自动转换、整灯自动运行等功能，在无人监管的情况下，能自动完成诱虫、杀虫、收集、分装、排水等系统作业。虫情信息自动采集传输设备可对昆虫的发生、发展进行实时自动拍照、实现图像采集和监测分析，自动上传到远端的云飞物联网监控服务平台，为农业现代化提供服务，满足虫情预测预报、采集标本的需要。

在农业生产中，传统农作物病虫害监测设备随着信息技术的应用面临新变革，虫情信息自动采集传输设备兼容性强，无流量、通过无线传输将全天候实时采集信息数据发送到中心站广泛收集农业生产地的实时空气、土壤、病虫害等数据；将物联网数据接入农业大数据平台，进行归纳整理与系统分析；物联网数据结合专家诊断，海量数据将合并最终生成为当时当地特定农作物生长模型，通过大数据平台基地产品信息和市场信息的海量数据分析将总结出生产和销售规律；基于大数据形成的作物生产模型，将反过来指导物联网生产，最终实现精准化和自动化的农业大数据生产。

虫情信息自动采集传输设备实现农业有害生物测报的数字化、智能化、可视化、规范化、智能化，林业部门可以应用，测报人员远程就可以了解森林虫情动态，为虫情防控工作的开展提供了不少方便。

CCMT2018数控机床展将为您呈现业界最新的数字化制造、信息互联解决方案和智能制造系统等方面的内容。

上海双湖信息科技有限公司研发的“时视”--设备数据采集/联网与生产管理系统亮相CCMT2018上海数控机床展.

工业互联网平台是面向制造业数字化、网络化、智能化需求，构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源泛在连接、弹性供给、高

效配置的工业云平台，包括边缘、平台（工业 PaaS）、应用三大核心层级。可以认为，工业互联网平台是工业云平台的延伸发展，其 本质是在传统云

平台的基础上叠加物联网、大数据、人工智能等新兴技术，构建更精准、实时、高效的数据采集体系，建设包括存储、集成、访问、分析、管理功能的

使能平台，实现工业技术、经验、知识模型化、软件化、复用化，以工业 APP 的形式为制造企业各类创新应用，最终形成资源富集、多方参与、合作

共赢、协同演进的制造业生态。

时视-设备数据采集/联网与生产管理系统，为企业设备与生产的智能化管理，提供基于互联网及大数据平台技术的解决方案。

时视系统由“时视BOX”智能硬件、数据传输网络、数据应用软件、 数据管理平台组成。采用创新的数据采集、传输、存储、分析、云计 算、集成的大数据和智能化技术，实现设备与生产管理的信息化、数据 化、可视化。

数字安灯与生产可视用工业触屏，在触屏上配置安灯内容（计划与产 量、质量与报废、设备与点检、故障与维修、物料与批号、 模具与刀具等）。发生问题按动触屏软键时，数据通过时视 BOX实时传递到APP和数据平台，数据平台同时记录安灯数 据和问题解决时间，还可以使用大数据分析对经常发生的问 题进行分析。

从ERP自动或人工生成采购订单，采购订单数据上传至供应链协同平台，供应商从供应链协同平台打印条码标 签和条码送货单；工厂扫描收货、物料扫描上架。 生产过程中，采用扫描工单、扫描发料、扫描采集生产工人、机器、物料批号、生产方法和环境、产品测试数 据等信息，实现生产质量的全程追溯.

数据采集与智能制造 工业互联网、MES与智能工厂的实施，设备数据采集是基础；数据平台(PAAS)是核心；工业APP是关键。 设备和生产的数据通过时视BOX的数据互联和采集，不但可以构建各种管理应用模块和数据分析模块，还可以在 EAP数据管理平台上构建出多种MES功能模。

题图来源：视觉中国

今年初，华为总裁任正非在人工智能应用GTS（全球技术服务）研讨会上明确了GTS人工智能对华为的重要意义。

当时他提出，要实现高质量数据输出，在网规网优等关键场景要敢于投资，以及率先在简工勘和自动化设计方面打歼灭战。

8月29日，华为专门召开了GTS人工智能实践进展的汇报会。任正非提醒，虽然GTS机器学习有了很大的进步，但仍然需要重视数据的录入和采集，这是人工智能和自动化的源头。

会议上，任正非对于华为内部人工智能发展提出了三点要求：

一、聚焦内部效率提升，利用人工智能改变作业模式、简化管理，结合业务场景解决一线实际问题。

二、围绕业务，持续加大GTS数据系统、AI算法和AI 使能平台的投资。

三、人工智能未来对内要横向扩张，与周边部门协同产生倍增效益；客户界面升级服务内容，在设备和网络的生命周期内，创造更大的价值。

会议还透露，华为在全球有460万站点，每年会在100万站点上作业。任正非希望在5G时代，能先把华为的基站连起来。

任正非提出了加快开发公司统一的人工智能平台要求，部署统一的人工智能训练环境，并期待在2018年首先在GTS实践和应用。（钛媒体记者李程程整理报道）

附：任正非在GTS人工智能实践进展汇报会上的讲话

一、聚焦内部效率提升，利用人工智能改变作业模式、简化管理，结合业务场景解决一线实际问题。

人工智能的核心在于应用，GTS把人工智能作为一个工具，研究海量重复性活动的智能化自动化，提升人的效率和辅助人的工作。从你们的探索来看，实践经验非常重要。

在人工智能和自动化推动过程中，要关注交付服务流程以及人员思想、行为模式的改变，如果他们还是老一套思路，不重视数据的录入和采集，我们人工智能和自动化就会失去源头，同时要看到人工智能是一个持续演进和迭代的过程，大家在推进过程中要不急不躁，持续改进，关键要抓好数据治理和平台构架设计，保证我们大方向正确，在正确的方向上加快迭代，小步快跑。

第一，利用人工智能简化站点作业活动，把设计、报告自动化，同时要联合产品线，构建免安装、免调测网络。

我们在全球有460万站点，每年会在100万站点上作业，任何一次的站点作业都是成本。要通过构建站点信息库，开发站点3D扫描能力，把站点勘测简单化，上站录入表格的时间也就大大节省了。以后的数据录入还可以进一步简化，捆绑一个好的语音系统，现场作业完成了，自己说一遍，表格就自动生成，然后回家把这个表格稍微修改，就能完成交付作业。

基站设计方案模型很多，现在通过机器学习，实现基站连线图和配置参数的自动化生成，降低对现场工程师的要求。面向未来，要在设备模型归一、免安装、免调测上做研究。5G时代万物互联，能不能先把我们的基站连起来？荒山野岭，咱们有多少站点？应该是数百万个。可以请位快递哥骑个摩托车上山，把基站挂上，通电一开，无线连接所有设备都自动连上了，这样减少了错误，也节省了人工。

质量检查只要拍个照，通过与标准图样对比，分包商在站点安装的时候就可以检测安装质量的好坏，一次把事情做对，避免了多次上站，节省了工时，提升了效率。不要小看1~2个小时的节省，这是一个点，若是有几十万个站可推广，乘以系数，就有几十万的规模效益。

第二，网规网优要敢于应用地理、测绘、数学等先进技术和新的业务模式，只要能提升效果，都为我所用。

网规网优基于数据、算法、成本的影响，选择人工智能突破口，通过“分析机器人”提升人员效率，在无线干扰分析、天馈系统方向角优化调整等方面加强人工智能技术的引入，提升无线网络优化规划效率，同时基于产品数据的虚拟路测是一个方向，不需要路测就可以清楚网络的信号状况，一个城市节省3000公里路测，十几个城市就相当于绕地球一圈。

人工智能理论是所有人类瑰宝，都可以为我所用，而不只是我们的理论。网规网优是一个基于数据的业务，人工智能也容易发挥效益，所以我们要敢于招一些统计学、系统工程学、哲学、遥感、遥测……等专业的优秀博士、硕士，就像当年我要求招一些地理测绘专业的人员一样，只要实践两年，自然就明白了。

第三，万亿存量是我们的优势，不断积累小样本，维护模式要从被动问题处理到主动预测预防，并进一步反馈到制造、产品设计，形成闭环改进。

面对海量的、确定性的重复工作，逐步将复杂的成千上万的场景收敛，通过表格、建模等方法不断的总结提炼经验。就像我年轻的时候，一个庞大的数字设备，出了问题就一次一次的闪灯，从闪灯中慢慢看集中在哪个区，再看电路，一判断，是电阻坏了，然后打开，修好了，这就是小样本！这些小样本提供给你们，你们再归纳、总结，上升到理论高度，就是故障模型。

维护的最终模式要从被动问题处理走向预测预防为主。问题处理方面，我们至少可以把问题经验库丰富起来，谁暴露的问题最多、解决的最好，也可以搞小奖励。在预测预防方面，通过障碍发现的芯片及批次等相关问题要进一步反馈到公司的制造部门、产品设计环节，从源头上提升设备的稳健性。

二、围绕业务，持续加大GTS数据系统、AI算法和AI 使能平台的投资。

第一，行为即记录，记录即数据，构建并持续完善GTS数据系统。

数据是一门科学，是人工智能的基础，要把业界做得好的方法借鉴过来。GTS沿着作业活动，把作业过程、对象、规则和经验数字化，持续完善GTS的数据系统。各产品线也要把自己的产品数字化，这是服务数字化的基础。要强化云平台基础设施建设，丰富单兵数据采集工具，给每个员工配个数据采集器，员工在现场作业完后，回到驻地处理一下，一按键就发出去了。

数据要以用促建，利用表格、建模等方法输出作业数据，将高质量的作业数据输出作为作业完成的衡量标准，要形成对工程师高质量作业数据输出的牵引，形成指导和模板。

第二，算法要服务于业务，算法科学家与熟悉服务场景的工程师紧密配合，在服务客户的战场上提升能力

人工智能应用是实践科学，在实践和应用当中迭代式前进，效果不是一蹴而就的。实践初期，算法达不到高级工程师的水平也要坚持使用，以人为主，机器为辅，对算法进行持续的训练和提升。

人工智能开发，算法专家、产品线专家要与GTS业务专家组成混合编队，共同识别实际场景中的AI应用机会、理解业务场景、设计算法模型、优化算法效果。

第三，加快开发公司统一的人工智能平台，并于2018年首先在GTS实践和应用。

开发公司统一的人工智能平台，部署统一的人工智能训练环境，首先在GTS实践和应用，把GTS积累的站点作业、网络维护、网规网优领域的算法、知识、方法、经验都固化到这个平台上。

人工智能平台在GTS的应用要急用先行、小步快跑，聚焦服务场景一个个解决，选择与场景匹配的、相对成熟的算法，快速构筑数据处理、模型训练等工程能力，边战斗边优化，并于2018年将平台部署在GTS系统上。

三、人工智能未来对内要横向扩张，与周边部门协同产生倍增效益；客户界面升级服务内容，在设备和网络的生命周期内，创造更大的价值。

第一，自动化也是人工智能，改善一个点，可能有几十万个着力点可推广，就有几十万的倍增效益。

跨领域也应有着力点进行推广，通过数据互联互通、业务交叉融合，公司很多部门就可以精简了。比如财务在人工智能上也梳理了100多个点，其中有些点和GTS有交互，如项目核算要开票，GTS可以这个点为起点，横向发展到财务那里去。

我们要矢志不渝地前进，让一些确定性工作自动化、智能化，减少重复劳动。不能总是强调人工智能对模糊问题的判断和处理，为什么对确定性问题就不行呢？自动化也是人工智能。改善一个点，乘以系数，就可能有几十万的倍增效益。GTS人员都应实验性地“洗一次澡”，有些人在循环中变得更厉害，产生新的工作方法，大幅提高工作效率。

第二，在自身实践成功的基础上，利用数据和智能技术，升级服务内容、构建在线服务模式，解决客户挑战。

基于万亿存量数据的优势，通过改善自身管理的循环实践，构建全球智能网络大平台，平台的能力再以服务方式向客户开放，并将服务内容扩展到设备和网络的全生命周期，解决客户挑战的同时华为也获得收益。

站点的选择，能否根据流量预测和动态变化，进行精准的网络规划？几百万台设备，也不能一天二十四小时高速开着，如果能根据流量动态设定产品能耗，是不是就可能极大地提升网络和能源效率？更远的未来，能否将预防预测能力延伸到整个网络，有预见地应对自然灾害、重大事件等带来的挑战。

我们抓住这些机会，升级服务内容，就可以利用在线服务等手段，在网络全生命周期持续为客户创造价值。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

智能硬件结合大数据优势，全方位挖掘用户线下、线上行为，精准定义目标客群特征、消费偏好、地域分布，为零售客户提供选址招商、运营管理、客群洞察、推广营销、实现 营销的“点对点”高效精准的传播，是新一代人工智能思维下的营销新武器。

店内优化

客流实时监测

顾客质量和转化率

顾客运动轨迹热点动图

店内商品试用、转化率

新客招募

厘米级精准定位新客，信息采集分析

对接各个广告平台，精准投放

广告效果评估

提高活动效果

展示真实人流，轨迹动图，客观评估活动效果

场景式营销，广告实时送达

用户画像

了解品牌受众，帮助品牌定位

进店顾客人群画像采集

人员、物品管理

优化员工管理系统，监测到岗及工作时间

贵重物品定位，防盗防损

优化库存管理

探针

集探针，iBeacon，商品触碰探测为一体

wifi与gprs两种上报信息方式

搭载gps模块，采集地理位置信息

出色的定位技术

手机号与mac地址绑定方案

平台化运作，提供丰富的上层接口给集成商

解决方案

购买地址：https://detail.1688/offer/551150997804.html?spm=b26110380.sw1688.mof001.1.b4WnET

或阿里巴巴搜索：58数云、潜客宝

1787年第一架纺织机的出现，第一次工业革命正式拉开序幕。随着蒸汽驱动机械制造设备的出现，人类进入机械时代。

火车喷出的浓烟在英格兰风景如画的旷野中升起，19世纪末至20世纪初，第二次工业革命将人类带入自动化世界。

从20世纪四五十年代以来，原子能、电子计算机、微电子技术、航天技术等领域取得重大突破，第三次的工业革命到来，世界格局发生重组改变。

现在，工业4.0已经到来，第四次工业革命的目标是工厂智能化，是基于信息融合，大数据、物联网等实现智能制造。

工业4.0离你的企业实务有多远？智能信息化究竟会给你的企业带来什么样的影响？

比如，制造企业在进行数据采集和处理时经常会遇到类似的问题：

数据采集效率低；例如：采购收货采用的是打印送货单的方式收货。数据采集耗时长；例如：从到货点收到数据录入系统耗时长。数据处理不智能；例如：库存不足时系统不会自动预警或者智能性的自动转采购订单。

制造企业只有软硬件完美结合，用智能信息化系统结合智能硬件设备，最终才能实现工厂智能化。

采购入库通过扫描送货单上的二维码或者条形码，采集送货单号后匹配后台的采购订单信息，自动抓取采购单信息进行数量确认收货，保存后实时上传后台。生产领料生产领料时，可实时查看现有库存及库位，通过扫描库位上的二维码或者条形码进行智能领料。生产入库生产完成后，录入物料信息自动带出库位信息，将货物移转到仓库后扫描库位上的二维码或者条形码进行智能入库。销售出货销售出货时，通过扫描库位上的二维码或者条形码进行物料及数量的匹配后，进行智能出库。盘点仓库盘点时，采用PDA的方式扫描库位上的二维码或者条形码进行快速盘点。简易报工扫描制令单上的二维码，自动带出工序讯息后维护数量，轻松完成报工。简便追溯客户发现品质疑问产品，用手机或二维码扫描设备扫码产品二维码，即显示该产品的生产相关信息，如：公司，生产班组、作业员、检验员、出厂日期。

经过信息化管理之后，企业数据实现快速收集以及智能处理。正如正航智能制造解决方案，帮助企业搭建智能管理平台，提升企业生产效率、提高产能、规避错误、放大管理力，通过快速，智能的工作方式帮助企业实现流程的规范化，智能化，最终实现工厂智能化。

在互联网高速发展的时代，每一个个体都变得不再孤单。透过大数据、云计算、人工智能、物联网等技术的应用，通讯不再划定界限，数据也变得愈发清晰。技术在减少人与人之间距离的同时，也将设备变得互联互通，闭塞的信息孤岛在工厂中逐步减少，制造业迎来升级变革的最佳时机。在这之中，工业互联网又是新工业革命的关键基石。

在国家战略的支持下，工业互联网的发展稳步前进。数据处理的技术不断提高，数据挖掘能力不断提升。那么，究竟什么是生产设备数据采集？它的数据采集的重要性和难点又是什么呢？数网星工业互联网平台是如何进行数据采集呢？带着这几个问题，我们以数网星工业互联网平台为例，为大家讲解一下基于平台如何做好数据采集。

什么是生产设备数据采集？

数据采集(DAQ)，是指从传感器和其它待测设备等模拟和数字被测单元中自动采集非电量或者电量信号，送到上位机中进行分析，处理。

工业生产设备数据采集是利用泛在感知技术对各种工业生产设备进行实时高效采集和云端汇聚。通过各类通信手段接入不同设备、系统和产品，采集大范围、深层次的工业生产设备数据，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。

工业生产设备数据采集的重要性和难点是什么？

工业大数据的采集为工业创新以及战略性发展提供数据基础，也是打造数字化工厂实现智能制造，迈向工业4.0的必经之路。工业生产设备作为工业生产最为重要的一部分，其各种数据直接关系着产品和工厂管理。

数字化工厂不等于无人工厂，产品配置，制造流程越复杂越多变，就越需要人的参与；在数字化工厂当中，工人更多地是处理异常情况，调整设备。但数据采集一直是困扰着所有制造工厂的传统痛点，自动化设备品牌类型繁多，厂家和数据接口各异，国外厂家本地支持有限，不同采购年代。即便产量停机数据自动采集了，也不等于整个制造过程数据都获得了，只要还有其他人工参与环节，这些数据就不完整。

数网星工业互联网平台是如何进行数据采集？

数网星工业互联网平台是天拓四方基于多年行业经验及项目积累而研发的互联网平台，它面向的是中小企业最为关注的核心痛点，透过丰富的功能应用，帮助企业有效降低运营风险和整体成本。

在强大的处理系统帮助下，数网星可以支持多种PLC和DCS控制系统的对接和电表的快速配置，快速读取设备状态数据。帮助用户将工业大数据项目实施难度和维护成本大幅降低，用户只需简单操作即可按照自己的意愿去采集想要的数据。

自动化生产都会伴随着产生大量的设备和生产数据，但由于布设的采集器不同，导致很多企业需要花费高昂价格、时间去开发对应的采集系统，直接阻碍了后续对数据存储和分析上的使用。数网星工业互联网平台通过先进的数据采集、管理、分析和应用，帮助企业在实现实时监控基础上，高效的进行远程调试、运维管理等工作。下一期，我们将继续分享设备智能应用之状态检测，敬请期待！

在《中国制造2025》战略实施后，“制造业数字化、网络化、智能化”被定义为新工业革命的核心技术。

离开生产数据采集，生产管理部门不能及时、准确地得到工件生产数量；无法准确、科学地制定生产计划；无法实现生产管理协同等。

可见，只有有效的实现生产数据的采集和分析，才能从根本上解决车间管理中计划跟踪迟滞、设备利用率低、产品质量难以提升等问题。

自动地、及时地、准确地数据采集，是现代化工业车间的基础。而我们，能为数字化工厂打造一个更加可视、实时、精细、可追溯的制造环境。

东芝，是日本最大的半导体制造商，也是第二大综合电机制造商。公司创立于1875年，业务领域包括数码产品、电子元器件、社会基础设备、家电等。东芝信息机器（杭州）有限公司是日本东芝株式会社的全资子公司，也是东芝笔记本电脑全球唯一的生产基地。

面临的挑战

东芝电脑产品及机板配件生产部门每天都需要及时产出大量的生产数据统计报表，同时质检部门也需要定时定期巡检设备生产相关的异常信息，方便对生产数据进行快速高效和精细化的管理。

但是东芝之前通过excel记录生产数据已无法满足现有业务量的需求：

1、数据采集难：依然采用人工采集、手工输入等方式采集生产线信息；

2、手工数据质量差：excel记录不仅准确性不足，还存在一定的错误率；

3、报送周期长，统计延时：手工输入只能定时进行，无法实时更新系统中的生产数据，滞后情况严重，不利于生产线的顺利进行，制约了产能的进一步提高。

4、事后监管机制：不能及时发现生产过程问题，生产效率提升缓慢；

5、数据分析不足：不能进行可视化的展现，无法给领导提供决策支撑。

为什么选择亿信华辰

1、经受考验的成熟度

支撑30多个国家级部委完成监管、普查、抽查、统计等应用场景的数据采集与分析，助力100余家银行完成统一报表平台和统一数据平台的建设，业务稳定运行。

2、技术先进性

12年的技术沉淀，围绕数据全生命周期自主研发了多款重量级核心智能产品，产品线涵盖了数据采集、数据处理、数据存储、数据分析、数据挖掘等多个领域。

3、高品质强口碑

亿信华辰不仅提供成熟的平台化产品，而且不断地给客户成功交付数据中心、决策支持等应用系统，并以几乎100%的项目成功率，取得了远超同业公司的客户满意度。

平台建设

东芝制造车间生产过程中的数据包括车间人员、物料、加工设备、工票、工装、加工过程等，涉及车间各个部分。面向东芝内部的生产部门，为一线生产人员及质检部门提供数据填报及数据分析平台，是一个完全基于互联网技术构建的智能数据系统。

1、生产数据自动采集并上报

生产部门需要定时每天填写电脑产品及机板配件等的生产信息日报等，利用亿信华辰i@Report产品可以自动将数据库中的设备相关信息初始化到固定格式的报表中，然后根据相关业务逻辑公式，自动统计工数、时长、产出等，生产业务人员确认后直接上报，即可完成数据的采集填报工作，生产组长可以快速汇总其下属各个人员的生产数据，并将数据逐层上报。

2、异常数据提前预警

品质部门需要监管生产流水线的产品生产情况，并形成品质报告定期输出，利用i@Report移动填报功能，品质部门会去现场定时定期巡检，并将异常原因、设备编号等信息在平板电脑上立即进行填报，并拍照上传相关图片留档；同时，对于异常原因利用亿信BI进行历史数据的相关分析，形成问题检索表，方便对比分析。

方案价值

总体而言，利用i@Report+亿信BI两个产品，将以往需要大量的人工通过excel方式报送报表，改为只需要在移动端/PC端在线填报数据的工作模式，极大的减少了业务人员的工作量，提高了数据的共享效率；并将手工数据按照统一的标准存储到数据库，增强了数据的完整统一，也更加有利于对历史数据的对比关联分析。

同时，因为有效的流程监控，在生产过程中，可及时发现异动数据，提前预警，进一步提升了生产质量，降低了事故率，亿信华辰帮助客户收获更高的运营效率和生产质量。

目前，通过智能数据平台的搭建，亿信华辰帮助东芝提升生产能力的同时，也保证了数据的安全性和可靠性，着实为互联网时代的制造业注入了新的活力。

工业生产现场数据采集原则有两点：一是目的性，二是经济性；

目的性是指在做设备的数据采集之前，先要明确所要采集的数据是否具有可观的价值。工业现场其实已经有很多的数据采集系统了，SCADA、HMI什么的也都是应用很广泛了，但是，其中又有多少数据被充分的分析，挖掘其潜在的价值的呢？

大部分情况是，采集了数据后并不知道怎么去利用。国内大部分的工业现场还处在解决生产过程可见性的阶段，能够先把数据采集上来是当务之急，至少能够实时地了解到现场都发生了什么。在智能制造背景下，要将目光放长远，在做数据采集之前，尽可能地多去思考一下什么样的数据对我们的业务改进帮助最大，这样也许会让我们在数据采集方面的投资回报率更好看一些。

经济性是指投资的回报效益。对于工业现场的数据采集，很多人第一个想法就是装传感器。不管什么样的项目，我们首先需要考虑的是投资回报率的问题，装传感器的方式可能是投资最大的一种。因此，做设备层的数据采集，一定要结合我们的数采目标，充分利用设备的现有条件(比如，设备已经具备的上位机系统、已经具备的通讯协议等)用最经济高效的方式来做数采技术路线的设计。

工业数据采集设备分类：有上位机系统的设备(设备自带的监控系统)、基于非TCP/IP通讯协议的设备、基于TCP/IP通讯协议的设备、不具备通讯接口的设备。

自动化系统设备数据采集系统采集方法主要是通过Web系统、生产线工作站系统、OPC服务器等配置对生产线上的各个设备的生产数据进行监控。同时将有效数据采集仓储在数据库中。这对整个生产系统进行生产线、工序参数、工作流程、设备参数、设备类型、OPC服务、通讯协议的全方位设置、管理。

如需增加设备，只要在中心管理系统增加相应的设备类型，配置好相关的采集参数即可，可有效节约成本；生产过程中通过缓存交互数据，不直接和数据库交互，极大的提高了数据采集的性能；通过心跳检测程序，实时反馈生产设备的异常，保证生产数据完整性。

一种自动化生产线设备数据采集方法，可以是如下步骤：

1.根据自动化生产线上各种设备的不同协议类型，将支持OPC相关协议的设备与OPC连接；将支持TCP开放协议的设备与生产线工作站系统中的网口交换机连接；将支持COM开放协议的设备与生产线工作站系统中的串口交换机连接；

2.通过Web系统配置生产线的全局属性；

3.生产线工作站系统启动时从Web系统中同步本生产线所有相关配置，并存入缓存；

4.生产线工作站初始化时，根据设备在Web系统的协议类型，连接每个设备，并启用OPC监听、TCP监听或COM监听。对于“基于TCP/IP通讯协议”，比较常用的有OPC Classic、Siemens S7、Modbus-TCP等通用协议，也有设备厂商自行定义的私有协议。这些协议的特点是都是基于TCP/IP协议簇，只是应用层协议不同。采用这些协议的设备一般都会有RJ45的接口，也就是以太网口，都可以直接通过以太网接入到车间网络中。对这些设备的数据采集，我们需要做的就是对上述协议的解析。对于OPC等通用协议，已经有很多成熟的SCADA产品可以利用，近些年，也有很多开源框架、商业化的组件可以应用，比如Eclipse neoSCADA，Kepware等等，都能够在完成上述协议的解析的同时，将其转换为一些IT领域常用的接口(RESTful API)，方便其他信息系统的对接。

5、将监听到的每个设备数据写入工作站数据库。

设备数据分析，可以通过多种查询工具可以快速查询生产实时数据、相关历史数据。给管理人员重要决策提供有效数据基础。可以对数据进行横向比较，可以对历史数据进行分析。通过系统统计分析没太机器的运转率，故障时间累计以及车间设备总体利用率。系统可以提供柱状图、饼图、报表等分析工具，展现现场设备运转统计分析数据。自动统计每天限的产量数据，可以按照不同的班组、时间段等多种条件进行综合查询。

同时对于设备的故障管理也可以进行相关数据记录，比如不同的设备及其台号，故障类型、时间段等多种条件进行历史查询赛选。这样可以进行历史数据查询，更好的帮助技术人员进行设备故障原因分分析，提高问题解决效率。

你想降低企业生产成本吗？

你想提高企业市场竞争力吗？

你是否找到合适的方法与途径？

或许

加强实时设备效率管理

提高企业装备素质和设备利用率

是一条很好的途径

其中

计算OEE和稼动率是一种好的专业的方法

传统的OEE解决方案

传统的OEE解决方案，主要有以下两种方式：

1.人工统计、人工计算。

通过人工对设备停机和报警数据进行抄表和采集。但是这种方式容易造成数据不准确，不及时，最后还需要人工计算OEE，人工生成统计报表，工作量巨大。

2.投资昂贵、复杂的MES系统

这种方式花费的成本高昂，耗费时间长，需要数月的时间去准备、导入系统，可能还存在系统导入失败的风险。

传统的OEE解决方案让很多企业望而却步，如果选择方式一，巨大的工作量需要你投入更多的用人成本，最后的结果还并不一定准确有参考价值；选择方式二，高昂的投入，让没有多余预算与时间的你，只能选择放弃；即使最终投资上了一套MES系统，实施过程漫长，还要承担上线失败的风险。

测个OEE，怎么就这么难？

难道就没有一个投入成本低、能快速部署、快速上线的解决方案，帮助我们的企业加强设备效率管理，提高企业竞争力？

选择Kinco OEE和稼动率数据自动采集系统，几万元就可能完成一个车间级OEE和稼动率数据采集系统，一周左右即可上线使用。测量OEE，加强设备效率管理，就是如此经济、简单。

Kinco OEE和稼动率数据自动采集系统

Kinco推出OEE和稼动率数据自动采集系统，具有自动化数据采集模块——KW无线数据采集模块，通过LoRa技术传输数据，无需部署传统的以太网，就可以轻松地获取有关设备的生产信息，为OEE提供最有价值的数据。

Kinco推出的OEE和稼动率数据自动采集系统，具有自动计算和存储功能。通过步科的X10现场智能终端（或智能电子看板），可以生成实时的生产信息报告，包括故障停工，在制品信息和OEE等，并以图表的方式进行呈现。通过这些有价值的数据，企业管理者能做到在事前进行预防，事中进行控制，并能进行数据追溯管理，为充分利用设备，提高设备价值创造效率打下基础，让企业的管理工作变得轻松而简单。

本系统可以做到：

实时传输设备产量、质量数据，设备效率实时统计；通过智能电子看板，可实时掌握车间设备的异常状态，为生产现场提供及时的支持；通过显示终端上传Excel文件，通过Excel报表，管理层可以随时了解导致效率损失的主要因素，从而进行相应的改善。除了Excel报表，数据也可通过第三方数据接口软件上传到ERP或MES。

应用案例

OEE作为衡量生产、设备效率的重要指标，已经被越来越多的企业所应用。杭州某实业有限公司，主营相机零部件研发生产，拥有大量冲床与注塑机设备，生产设备众多，生产频率极高，如何通过设备的运转状态，准确掌握生产能力、生产效率？通过采集OEE数据，根据数据，针对性的提高OEE，无疑是一种有效的途径。

该公司引进步科OEE和稼动率数据自动采集系统，对每一台设备安装KW无线数据采集模块，无线采集设备状态和产能信息。

显示端采用步科智能电子看板，接收KW采集的数据，通过组态软件编程，轻松制定多层显示画面，进行数据分析展示，界面精美，开发简单。同时，采集的数据会同步保存至智能电子看板内置数据库中，定时导出成Excel文件发送到服务器，进行历史数据存储。

LoRa无线数据采集模块，抗干扰能力强，节省布线成本；智能电子看板内置数据库，存储历史数据，定时导出Excel文件，将生产计划、生产产能、稼动率、品质状况等信息进行汇总；智能电子看板的大尺寸数据呈现，让管理者对设备的稼动一览无余，真实呈现设备纯稼动状况。

实时监控设备工作状态、待机状态、故障状态、未安排计划；实时统计产量信息并和工单信息对比

任一时间段内稼动率分析

通过曲线、图表等形式，将计划产量和时间，产量进行对比分析，产能利用情况清晰可见

案例价值

通过步科的OEE和稼动率数据自动采集系统，有效采集OEE和稼动率数据。准确的掌握了设备的生产能力，生产效率以及生产良品的能力，根据数据持续改善，提高OEE，从而提升企业生产能力，提高企业生产效率，提高企业竞争力。

有了步科的OEE和稼动率数据自动采集系统，企业制定一些奖励措施，有了实时的数据呈现和数据支撑，每位员工的表现得到公开、公平、公正的呈现，员工的积极性也被充分调动起来了，设备的使用效率也就提高了，企业的管理工作更简单了，企业生产效率提高了。

OEE与稼动率知识小科普

OEE(全局设备效率)和稼动率

稼动率是指设备在所能提供的时间内为了创造价值而占用的时间所占的比重。OEE是代表和设备理想状态相比，现时设备的状态。从下图我们可以看出OEE的测量。

测量OEE是设备运行持续改善的起点，没有测量就没有改善，世界级企业的成功运营依赖于对设备和生产流程、绩效的一贯地，准确的测量。世界级企业的全局设备效率OEE为85%或更好,制造业平均水平是60%。但大多数企业发现他们的设备OEE运行在13%-40%之间。

OEE与稼动率的关系

由OEE的计算公式可知，OEE的一个最重要的目的就是要减少六大损失：停机损失、换装调试损失、暂停机损失、减速损失、启动过程次品损失和生产正常运行时产生的次品损失。

有OEE的计算公式还可知道，OEE的确定是由时间稼动率（可用率）、性能稼动率（表现性）以及质量三个关键要素确定。如果你的时间稼动率（可用率）在某一个时间段很低，说明在六大损失中和OEE时间稼动率（可用率）损失有关的故障太多，那么显而易见，你应该把过程控制和改善重点放在这些问题影响方面了！同样，如果质量指数或者表现性导致你的OEE水平降低，那么你就应该把目光放在和质量有关的问题点上。

更多关于OEE和稼动率的交流，欢迎与我们联系，共同探讨~