MES制造执行系统的特点，就是能实时收集生产过程中的各类信息、数据，然后汇集到数据库中，作数据分析及供管理层查询。如何高效的采集车间的各类数据，是决定一个MES制造执行系统软件项目实施成败的重要关键环节。为您简单介绍一下几类常见的数据采集方式。

数据收集是MES制造执行系统业务进行的根本，也是MES制造执行系统进行统计分析的基础。MES制造执行系统软件应用中根据不同的数据、应用场景、人员能力、设备投入等方面的因素需要采用不同的数据收集方式，选择不同的数据收集设备。根据各类数据的分类，采用不同的数据采集方式。

1、必须录入的数据

必须录入的数据指系统必须直接从外部获得的数据。系统可以通过规格基础定义功能以及过程数据基础定义功能完全的自行建立属于企业自己的数据收集项目库。

例如产品的编码、产品流程、工序名称、工艺条件目标等。

2、系统自动生成的的数据

生产过程中的部分由事件触发的数据可以由系统在过程中自动收集，主要包括：工序开始操作的时间、结束时间、设备状态等。这一类的数据，可由时间触发之后，根据原本设定的基础数据，由系统自动收集。

3、通过条码采集的方式

通过条码收集制造数据的方式是最为普遍的方式之一。条码收集数据的前提是信息可以以编码的方式表达或与预设的数据通过编码建立对应关系。

条码方式可收集的数据主要包括：产品批号、物料批号、加工资源编号、运输资源编号、人员编号、异常类别、异常现象、设备状态(维修、保养、故障停机等)、作业开始、作业结束等。

条码可以提高数据录入的准确性，提高录入速度，且成本较低。因此，建议尽可能的将数据进行分类然后编码处理，转化成条码的方式表达以便于现场的数据采集。

4、传感器采集数据

某些行业对温度、压力、湿度等的要求有严格要求的，其相关数据来源可以增加各类传感器。采集模式主要为温度传感器、压力传感器、无线数据采集卡和PC等构成。

5、RFID数据采集

在汽车行业中，由于完全依据订单进行生产，并且几乎没有两辆完全一样的订购汽车，因此自动化的物流跟踪是顺利生产的前提条件。对于每道生产工序，必须要对汽车进行明确的识别，以避免诸如错误安装了空调、调漆颜色不对等问题。在装配流水线上应用RFID技术以尽可能大量地生产用户定制的汽车，用户可以从上万种内部和外部选项中选定自己所需要的颜色、引擎型号等，这样汽车装配流水线上就得装配上百种样式的汽车。在装配流水线上配有RFID系统，使用可重复使用的电子标签，该标签上可带有详细的汽车所需的所有信息，在每个工作点都有RFID读写器，这样可以保证汽车在各个流水线位置处能毫不出错的完成装配任务。

实时、准确的生产数据采集并实现是MES制造执行系统得以成功的重要基础，企业MES制造执行系统软件建设中应该充分考虑其数据采集的特点，在采集过程中，根据完整性、实时性原则、多种采集技术综合应用、人机结合原则、易于集成应用原则，运用多种数据采集方式，并利用计算机、数据网络语通信设备、各种技术标准和实时历史数据库软件的有机组合来实现生产数据的集成应用。

效率MES解决方案在自动化的基础上，显著提高工厂的智能化水平，降低人为因素的影响，便捷、“傻瓜式”的操作将大大降低人力成本。

来源：深圳效率科技efficient.hk

FC-Gateway数据采集接口网关是北京华恒信远专门为工业标准通讯接口OPC Server软件、数据采集接口软件配套定制开发的一款嵌入式硬件产品，内置两个标准RS-232串口（其中一个串口可以通过跳线设置成RS-485）和两个RJ45以太网口，型号为Gateway-227B， 此外，还有Gateway-240B、Gateway-230B等嵌入式工控机型号。 该设备操作系统有Windows、Linux两种，其功能与特点如下： 1、OPC服务器：可连接DCS、PLC等控制系统，读写实时数据，包装成OPC Server工业标准通讯接口，提供给实时数据库系统、先进控制系统和MES系统集成商； 2、安全隔离：当数据采集接口网关为实时数据库系统提供实时数据时，它一般位于自动化控制系统和实时数据库服务器之间，由于数据采集接口网关采用了内置单向数据传输技术，可达到自动化控制系统和实时数据库服务器之间的安全隔离目的。 3、该产品操作系统、数据采集程序等均固化，不可修改。一旦被修改，重新启动后，自动恢复到初始状态，可防止病毒以及黑客软件攻击。 4、结构先进、安装方便，该产品高度1U，可以直接安装在标准机柜中，独特的散热技术，1U机箱有多个磁悬浮风扇散热。 5、数据采集冗余设计：支持双机双网冗余通讯。 6、可作为InfoPlus.21、PI、PHD等实时数据库系统的数据采集终端，也可写数据至关系数据库，为MIS、ERP等管理信息系统提供生产实时数据。

企业在产品检测和试验环节要面临的最大挑战来自于如何科学地管理试验数据。解决试验数据的存储、检索、基于权限的安全共享的问题；试验数据的展示分析、结论的快速得出；试验经验的积累，从历史试验数据中分析出未来试验可能的趋势，数据挖掘；试验流程的规范化管理。

试验数据格式五花八门，随着试验复杂程度的提高和试验流程繁琐程度的加剧，试验数据容量在不断增长，试验数据和试验相关数据的有效关联，试验数据共享和应用模式需求的不断增加，都给产品试验环节的管理提出了更高的要求。

通过TDM系统的引入，利用TDM系统所采用的技术和功能来解决以上问题是发展趋势。

神鹰TDM —Test Data Management 试验数据管理系统，是专门为管理企业及科研院所试验数据而设计的管理类的软件系统。主要解决企业试验数据管理和利用效率问题，涉及到与试验过程执行、试验辅助资源、数据采集、数据管理、安全控制、企业软件协同方面的管理功能。它填补了产品研制过程中试验环节的管理空白，是产品研制过程中必不可少的信息化管理手段。

神鹰 TDM 是由北京天健通泰科技有限公司自主研发，在军工及制造业多年成功案例的累积下不断完善的成熟产品，TDM 系统为用户提供业务流程管理；试验过程监控；数据采集、分析、挖掘试验资源、知识、标准管理并提供与其他信息系统接口集成。采用试验数据管理TDM能够提高试验数据利用率、积累试验相关知识与经验、全面提升试验数字化管理水平。

功能简介

试验计划管理

提供科研试验计划、生产试验计划、临时试验计划的编制。提供手工添加和批量导入。

提供试验计划的审批、发布。试验计划发布后生成具体的试验委托

提供试验计划进展的监控，可以按照甘特图方式进行进度展示，可以链接到具体的试验委托。

从委托、调度分配、试验执行直至输出报告，试验过程一站式管理。可以有效地提高团 队协作工作效率，缩短试验工作周期。

委托管理

神鹰TDM提供标注委托业务管理流程，委托方可以快捷的填写委托样品与检测需求，试验室统一管理。

任务分配/调度管理

神鹰试验数据管理系统提供试验委托的设备、人员的排程，试验人员和设备的时间关联排程，支持可视化排程以及排程时当前人员和设备的复合查看。

试验实施

提供试验任务中试验表单的填写、数据的导入，拥有大容量文件上传功能，支持文件的断点续传。试验任务状态可依旧现场业务实现调整。

试验报告

试验报告系统可以自动生成，并提供试验报告的审批流程（可依据企业管理要求自定义配置）。可编辑试验总结为企业留下丰富的数据材料。

试验项目管理

类project的管理方式。试验数据管理平台的项目管理主要是把各种系统、方法和人员结合在一起，在规定的时间、目标范围内完成的各项工作。项目管理从初期的项目制定，到对项目进行审核，审核通过后进入项目执行阶段，可以对项目进行再分配、记录项目进度日志、填写项目任务的完成情况。

项目编制。提供试验项目基础信息的编制、附件上传，提供项目编制模板的调用。提供项目负责人和项目成员的指定。

项目分解。提供试验项目的分解，把试验项目分解为多个组成部分，提供结构树方式的分解。

任务定制。提供在项目的每个组成部分制定试验任务，填写试验任务基础信息、产品信息等、附件上传。

任务执行。提供试验任务中试验表单的填写、数据的导入，试验任务状态的修改，提供试验报告的自动生成。

资源板块

设备管理。建立完整的设备台账信息，提供设备类型多级动态自定义方式进行管理。可创建设备的保养计划、定检计划、期间核查计划，并记录相关的养护记录。随时可查询使用记录、维修记录和设备的统计信息。提供设备报废管理。

样品管理。建立样品库，依据企业样品属性建立管理档案。提供样品接收、出/入库及检验后处理方式全过程管理和记录。

标准物质，耗材。建立档案品库，提供样品接收、出/入库及检验后处理方式全过程管理和记录

人员。试验人员基础的维护、供多资质的管理，自动记录工作、工时。同时也提供针对人员培训记录，包括培训时间、培训内容、培训资料，可是反复学习。

厂商/供应商。提供厂家完整信息维护，以及供应商评价管理等。

试验室能力管理

帮助试验室建立能力库，实现多维管理。

方案/方法。建立方法管理库，内容包括设备、人员、检测项目的综合结构化管理。单一或多个试验方法可以组成一个试验方案，满足试验室多种检测需求。

工艺/工序。提供试验工艺的分类、名称管理，提供试验工艺分解为试验工序。

检测项。提供管理包括检测参数名称、条件、单位、标准、要求、预判值、成本、资质、密级管理等。

数据板块

为试验室提供数据组织，自动生成多个维度的数据结构树，包括项目维度、样品维度、设备维度、方法维度等。提供多条件模糊查询，提供附件全文检索、数据对比可按样品一级任务（支持跨任务的数据对比）。支持图形化的数据展示或分析，如表格、曲线、图片、3D模型、CAD图以及视频音频回放等。

提供数据自动采集解决方案，实现试验数据自动入库。提供数据处理工具，线性化展示、放大缩小、光标取值、提供滤波、线性化、野值剔除、拟合、FFT、四则运算、差值、特征值统计等后处理功能。支持集成主流的数据分析工具。

数据统计。支持按照试验项目时间、项目来源、类型进行项目统计，支持表格、曲线、饼图等多种展示方式。

自定义版块

满足用户个性化需求，支持按试验相关业务模块或开放统计的试验属性，自定义统计报表功能（支持表格、曲线、饼图展示方式）。支持图形化自定义配置审核流程，包括审批节点、流转方式等。提供报告模板、原始记录单模板配置工具，用户可自定义模板内容、数据来源，支持WORD模板的定义，也支持模板的版本管理。

实验室质量管理

内/外部审核管理。提供审核计划的制定、审批、提醒，提供审核的记录、审批、查询、导出。支持审核表单的定义、审核流程自定义。

文件管理体系。提供文件的分类、上传、审批功能，支持管理系统文件的版本管理，提供审批流程的自定义。

质量监督管理。提供计划的制定、审批、提醒，提供质量监督的记录、审批、查询、导出。表单一级审核流程可已自定义。预防措施或改进措施可以维护到系统中，提供记录添加、查询及导出功能。

可视化实验室版块

综合看板。提供试验室综合运营情况的展示看板，包括试验任务进展情况、异常情况、费用情况、设备情况、人员情况、现场环境等。

试验室地图与设备。支持针对试验室的布局自定义，包括楼层、试验室位置等。提供设备位置的定义，以及设备状态的定义和展示。

视频与环境。提供视频系统的接入，远程在线展示视频画面，利用视频系统功能操作云台。对试验室环境提供温湿度、气体的数据实时采集和展示。

外部门户管理

提供试验室外部宣传功能，包括资质介绍、设备展示、方法能力展示、通知、培训、成果展示，以及直接发起试验委托功能。

移动版块

面向管理者提供在Android和IOS平台的业务查看与流程审批。

面向试验员提供任务下载、数据导出、离线数据导入、填写，数据同步功能。

神鹰试验数据管理系统适用行业

公司的合作伙伴涉及航空、航天、汽车、制造、船舶海洋、兵器工业、新能源、高校及各科研单位等。

2017年中国机加工市场规模达8万亿元，其中1000家的机床生产企业，80万家机床使用企业。庞大的机加工市场同时存在着很大痛点，高端控制系统被国外垄断、客户分散、订单不稳定、设备闲置率高、同质化竞争利润低、人力成本高等，国内的加工制造业已经在外流，行业急需升级。

智能云科是一家聚焦机加工领域的工业互联网平台公司，由沈阳机床联合神州控股、光大金控于2015年在上海共同投资设立。

工业互联网平台有很多家在做，可以从以下几个关键维度去快速理解智能云科在做的事情。

行业方面，智能云科聚焦在机加工领域。服务对象，核心是上游机床厂商、下游加工厂。服务内容，从设备、生产数据联网，到产能交易、设备运维、租赁、供应链金融、工业APP等产业全生命周期服务。

有了框架，下面来具体看看，智能云科的iSESOL工业互联网平台是怎么做的，如何产生价值。

可以把智能云科的服务粗略分为两个大类：数据采集联网、数据应用。

数据采集联网：不止是采集，还能直接产生客户价值

朱志浩曾带领团队历时7年，于2014年推出了自主研发的机床控制系统i5，并于同年开始销售搭载i5系统的i5智能机床。

“这件事情的意义，类似于将传统手机升级为智能手机，智能机床通过i5系统，可以快速开发上层应用，从而将宝贵的工业机理、经验持续沉淀下来”朱志浩告诉36氪。

此前，机床厂商做的是一次性买卖生意，现在通过智能机床，能持续提供增值服务，例如零部件的故障预测，帮助客户及时更换，避免生产故障。这样，设备厂商能够从设备使用全周期的角度做这门生意，提高附加值，促使不断提高产品、服务质量，产生良性循环。

更进一步，朱志浩希望能把此项能力开放给市面上更多设备制造厂商。2017年，团队将i5机床控制系统进行独立封装，推出i5OS。可以将i5理解成苹果手机专属的iOS系统，而i5OS则是面向所有设备厂商的Android系统。

智能云科的数据采集联网业务，对于i5智能机床，或者搭载i5OS的设备，可以通过标准接口协议快速获取丰富的加工数据，对于其他机床，智能云科提供iSESOL BOX产品，进行数据采集和联网。

与市面大多数据采集联网设备不同，iSESOL BOX自带操作系统和边缘计算能力，可以直接支持APP应用，如耗电优化、刀具切削优化、温度补偿等。客户付出了连接成本，可以直接获得相应价值，不是为了连接而连接，从而增强客户买单动力。

以上说的是设备层面的数据采集和联网问题，而对于设备的使用方加工厂，智能云科提供iSESOL WIS产品帮助中小微加工厂完成企业信息化。

iSESOL WIS可以理解为轻量化的云MES系统，甚至不需要接入数据采集硬件，直接通过移动设备录入信息方式，将生产过程和结果信息化、可视化。

“工厂老板最关心的是生产情况如何，哪些订单要交货，已经完成了多少，是否有风险。WIS系统不做很复杂的东西，就聚焦在客户最核心的痛点，让他们用得起。”朱志浩告诉36氪。

总结来看，智能云科通过i5 OS、iSESOL BOX、iSESOL WIS产品，将设备和生产数据采集联网，并在连接的同时，直接产生了客户价值。

产业生态应用：基于真实数据，提供精准服务

有了数据，联了网，这只是开始。

智能云科提供了工业APP、产能交易、设备运维、租赁、供应链金融等一系列产业生态应用服务。

工业APP今年很火热，在朱志浩看来，工业互联网平台单纯的汇聚APP没有意义，一定要有承载体。对智能云科来说，承载体就是i5 OS和iSESOL BOX产品，能够与底层制造装备紧密对接，向上为APP提供开发平台。设备商、工厂、研究机构，都可以将自己对于工业机理的理解，以APP的方式沉淀下来，借助平台轻量化、低成本的推广到机加工行业，获取回报。

基于工厂真实透明的生产数据，可以形成较精准的工厂画像，包括每家工厂擅长加工哪些东西，产能情况，需要哪些工业品，经营状况等。智能云科可以更精准的对接订单加工方和需求方，对接工业品的供应方和购买方，对接金融机构和中小微加工厂等。

对于设备厂商来说，基于设备数据，可以进行远程运维、分时租赁等服务，降本增效，创新商业模式。

行业落地和挑战

智能云科的整套服务覆盖面很广，要怎么逐步实现呢？

朱志浩告诉36氪，智能云科从2015年成立，先用了3年时间，把核心产品和整套商业模式架构搭建起来，并通过i5数控机床进行了内部试验验证。当前阶段以及2019年要重点实现社会化落地，先以iSESOL BOX和iSESOL WIS为核心业务，把数据问题解决，再不断延伸产业生态服务。

官方信息显示，截至2018年11月，iSESOL服务范围已涵盖26省、161市，服务企业客户3000余家，已连接智能设备22000多台，累计服务机时5000多千时，覆盖汽车刹车盘、铝雕、消费电子、珠宝等行业。

36氪还了解到，智能云科目前正在准备A轮融资，总金额在亿元以上。

目前，国内已有数十家工业互联网平台公司，包括树根互联、徐工信息、海尔、富士康、智能云科等工业背景公司，浪潮、运营商等ICT巨头，阿里等互联网巨头，用友等IT公司，以及众多科技创业公司等。

智能云科的特点是基于深厚的机加工装备背景，聚焦机加工垂直领域。相比于通用平台，能从机床内部机理入手，更深入的挖掘数据价值。同时具备机加工行业较广泛的客户基础、市场基础（已销售3万台i5智能机床）。

当然，智能云科也面临着很多挑战，包括其i5 OS以及iSESOL BOX能多快多广的覆盖到行业客户，实现工业互联网平台的构建。以及其他设备厂商的接受意愿，是否有竞争顾虑，是否能接受智能机床的新模式等。

——————

我是36氪记者陈绍元，关注物联网、AI、科技，交流或寻求报道(不收费)加微信:963757163，请注明公司、职位、姓名，否则不加。

一、携程实时用户数据采集系统设计实践

随着移动互联网的兴起，特别是近年来，智能手机、pad等移动设备凭借便捷、高效的特点风靡全球，同时各类APP的快速发展进一步降低了移动互联网的接入门槛，越来越多的网民开始从传统PC转移至移动终端上。但传统的基于PC网站和访问日志的用户数据采集系统已经无法满足实时分析用户行为、实时统计流量属性和基于位置服务（LBS）等方面的需求。

我们针对传统用户数据采集系统在实时性、吞吐量、终端覆盖率等方面的不足，分析了在移动互联网流量剧增的背景下，用户数据采集系统的需求，研究在多种访问终端和多种网络类型的场景下，用户数据实时、高效采集的方法，并在此基础上设计和实现实时、有序和健壮的用户数据采集系统。此系统基于Java NIO网络通信框架（Netty）和分布式消息队列（Kafka）存储框架实现，其具有实时性、高吞吐、通用性好等优点。

1、技术选型和设计方案：

一个典型的数据采集分析统计平台，对数据的处理，主要由如下五个步骤组成：

图1、数据平台处理流程

其中，数据采集步骤是最核心的问题，数据采集是否丰富、准确和实时，都直接影响整个数据分析平台的应用的效果。本论文关注的步骤主要在数据采集、数据传输和数据建模存储这三部分。

为满足数据采集服务实时、高效性、高吞吐量和安全性等方面的要求，同时能借鉴互联网大数据行业一些优秀开源的解决方案，所以整个系统都将基于Java技术栈进行设计和实现。整个数据采集分析平台系统架构如下图所示：

图2（数据采集分析平台系统架构）

其中整个平台系统主要包括以上五部分：客户端数据采集SDK以Http(s)/Tcp/Udp协议根据不同的网络环境按一定策略将数据发送到Mechanic(UBT-Collector)服务器。服务器对采集的数据进行一系列处理之后将数据异步写入Hermes(Kafka)分布式消息队列系统。为了关联业务服务端用户业务操作埋点、日志，业务服务器需要获取由客户端SDK统一生成的用户标识（C-GUID），然后业务服务器将用户业务操作埋点、日志信息以异步方式写入Hermes(Kafka)队列。最后数据消费分析平台，都从Hermes(Kafka)中消费采集数据，进行数据实时或者离线分析。其中Mechanic(UBT-Collector)系统还包括对采集数据和自身系统的监控，这些监控信息先写入Hbase集群，然后通过Dashboard界面进行实时监控。

（1）基于NIO的Netty网络框架方案

要满足前面提到的高吞吐、高并发和多协议支持等方面的要求。我们调研了几种开源异步IO网络服务组件（如Netty、MINI、xSocket），用它们和NginxWeb服务器进行了性能对比，决定采用Netty作为采集服务网络组件。下面对它进行一些概要介绍：Netty是一个高性能、异步事件驱动的NIO框架，它提供了对TCP、UDP和文件传输的支持，Netty的所有IO操作都是异步非阻塞的，通过Future-Listener机制，用户可以方便的主动获取或者通过通知机制获得IO操作结果。

图3（Netty框架内部组件逻辑结构）

Netty的优点有：

a、功能丰富，内置了多种数据编解码功能、支持多种网络协议。

b、高性能，通过与其它主流NIO网络框架对比，它的综合性能最佳。

c、可扩展性好，可通过它提供的ChannelHandler组件对网络通信方面进行灵活扩展。

d、易用性，API使用简单。

e、经过了许多商业应用的考验，在互联网、网络游戏、大数据、电信软件等众多行业得到成功商用。

Netty采用了典型的三层网络架构进行设计，逻辑架构图如下：

图4（Netty三层网络逻辑架构）

第一层：Reactor通信调度层。该层的主要职责就是监听网络的连接和读写操作，负责将网络层的数据读取到内存缓冲区中，然后触发各种网络事件，例如连接创建、连接激活、读事件、写事件等，将这些事件触发到Pipeline中，再由Pipeline充当的职责链来进行后续的处理。

第二层：职责链Pipeline层。负责事件在职责链中有序的向前（后）传播，同时负责动态的编排职责链。Pipeline可以选择监听和处理自己关心的事件。

第三层：业务逻辑处理层，一般可分为两类：a. 纯粹的业务逻辑处理，例如日志、订单处理。b. 应用层协议管理，例如HTTP(S)协议、FTP协议等。

我们都知道影响网络服务通信性能的主要因素有：网络I/O模型、线程（进程）调度模型和数据序列化方式。

在网络I/O模型方面，Netty采用基于非阻塞I/O的实现，底层依赖的是JDKNIO框架的Selector。

在线程调度模型方面，Netty采用Reactor线程模型。常用的Reactor线程模型有三种，分别是：

a、Reactor单线程模型：Reactor单线程模型，指的是所有的I/O操作都在同一个NIO线程上面完成。对于一些小容量应用场景，可以使用单线程模型。

b、Reactor多线程模型：Rector多线程模型与单线程模型最大的区别就是有一组NIO线程处理I/O操作。主要用于高并发、大业务量场景。

c、主从Reactor多线程模型：主从Reactor线程模型的特点是服务端用于接收客户端连接的不再是一个单独的NIO线程，而是一个独立的NIO线程池。利用主从NIO线程模型，可以解决一个服务端监听线程无法有效处理所有客户端连接的性能不足问题。Netty线程模型并非固定不变的，它可以支持三种Reactor线程模型。

在数据序列化方面，影响序列化性能的主要因素有：

a、序列化后的码流大小（网络带宽占用）。

b、序列化和反序列化操作的性能（CPU资源占用）。

c、并发调用时的性能表现：稳定性、线性增长等。

Netty默认提供了对GoogleProtobuf二进制序列化框架的支持，但通过扩展Netty的编解码接口，可以实现其它的高性能序列化框架，例如Avro、Thrift的压缩二进制编解码框架。

通过对Netty网络框架的分析研究以及对比测试（见后面的可行性分析测试报告）可判断，基于Netty的数据采集方案能解决高数据吞吐量和数据实时收集的难点。

》》点击阅读全文

测井数据采集控制系统是用于对各种置于地层中的井下仪器产生的信号进行采集、处理并对井下仪器进行控制的油田基础测控设备。由于专业性极强，以往系统中的数据采集及控制单元通常是以自我设计为主，因此导致系统的开发周期长、成本高、稳定性较差。现在，我们硬件使用National Instruments 公司的数据采集卡，软件使用VC++结合 Measurement Studio 软件包，实现了测井数据采集和控制单元的基于标准工业数据采集产品的设计与开发，大幅度的降低了系统的开发和维护成本，缩短了系统的开发周期，提高了系统的稳定性和可靠性。目前这套系统已制造20余套，成功应用于全国各大油田，取得了可观的经济效益。

系统原理

测井数据采集控制系统主要由工控机、NI通用数据采集卡、信号调理模块、绘图仪、综合控制箱、直流电源、交流电源、UPS电源、示波器等构成。系统原理框图如图1。

主机1主要用于系统的数据采集、处理和控制。绘图仪用于测井曲线实时出图。深度信号调理模块对光电编码器信号及其它井口信号进行调理，并控制深度显示；数字信号调理模块用于配接各类编码（例如，曼彻斯特编码）传输的井下仪器，如双源距C/O能谱测井仪、脉冲中子氧化化测井仪等；脉冲信号调理模块主要配接采用脉冲、周期信号传输的井下仪器以及各种脉冲编码类型的仪器。如：井壁超声成像测井仪等；直流信号调理模块主要配接采用直流量、低频模拟信号传输的井下仪器。直流电源为井下仪器提供直流供电、交流电源为井下仪器提供交流、泵、阀、继电器和释放器的供电。综合控制箱负责完成缆芯切换、供电控制。UPS电源用以保证在停电或外部供电不正常时，维持一段时间的供电，以免测井数据因得不到及时存储而丢失。以上各单元统一安装到两组19英寸标准机柜中。关于信号的流程，从图1中可以看出。我们把进入数据采集控制系统的信号归结为两类：井口信号和井下信号。井口信号来自井口和电缆绞车，它包括电缆张力信号、电缆磁记号和深度系统的光电编码信号。井下信号是指来自井下仪器的信号。来自井下仪器的感应型或脉冲型信号、深度系统的两路光电编码信号、井口的张力信号及电缆磁记号，通过电缆线进入采集箱内的深度调理模块、脉冲信号调理模块或直流信号调理模块，经过调理后，输出到NI数据采集卡。井下仪器编码信号经过综合控制电路的分离及预处理后通过电缆线进入到数字信号调理模块，进行信号调理、解码。解码后的信号同样输出到NI数据采集卡。NI数据采集卡控制数据采集的方式、采样的间隔，同时实现对脉冲信号、直流信号和数字信号的实时采集，采集到的数据以DMA方式传给主机内的数据缓冲区，由系统软件按不同的采样方式控制数据的显示、处理、打印和存盘。

数据采集方案设计

测井数据采集控制系统设计的核心是其数据采集方案设计。数据采集方案设计主要由系统深度数据采集和深度中断管理方案设计；多路复合信号实时同步采集方案设计；复杂编码格式数字信号高速传输与采集模式设计；直流信号高精度采集方案设计；系统状态及井下仪器控制方案设计等构成。由于专业性极强，以往系统中的数据采集及控制单元通常是以自我设计为主，因此系统的开发周期长、成本高、而且稳定性较差，并经常导致使用过程中，系统死机、深度测量不准等问题的出现，使系统的维护成本成倍增长，同时由于技术水平的限制，自己开发的系统只能配接一些信号类型简单和传输速率低的井下仪器，不具备多路信号实时同步采集以及高速传输的数字信号采集和处理能力。为了克服现有系统的缺陷，我们在充分调研和试用各大公司的数据采集产品的基础上，选择了NI 公司生产的系列数据采集卡和Measurement Studio 软件开发包，经过对NI各个采集卡的仔细研究和深度开发，我们仅用了３个月的时间就完成了过去需要２年以上的系统核心设计，并在业界首次实现了全部基于标准工业数据采集产品的测井数据采集控制系统设计，同时使系统在采样精度，深度控制，采集速度等主要技术指标上得到了全面的大幅度的提升。

（1）系统深度数据采集和深度中断管理方案设计：

系统深度模块是该系统中行业性最强的一个模块，它需要对正交光电编码器信号进行测量，得到系统当前的深度数据，同时它还要根据当前的深度数据生成用于同步各信号采集的深度等距触发信号。例如，在光电编码器顺时针转动时，每隔固定位移间隔（例如5 cm） 产生一个触发信号，这个触发信号通知系统对所有测量信号进行采集，如果系统光电编码器突然反方向转动，则不产生触发信号，系统不做任何采集，从而使系统只按照单方向等位移的状态采集数据。此外，该模块还要具备对正交光电编码

信号防抖动，防滑动处理的功能。在系统开发过程中，我们发现 NI PCI-660X 系列产品的用户手册上没有实现该工作模式的基本功能。为了实现该功能，我们经过深入研究和开发，通过利用PCI-6602处理光电编码器信号的计数器通道所能生成的某种特殊状态信号，同时结合其它计数器通道的脉冲生成功能，最终生成了我们所需要的连续的深度等距触发信号。在最终的产品设计中我们利用PCI-6602的5个计数器通道通过程序初始化控制实现了这个功能。这是我们首次通过使用标准工业数据采集卡实现深度数据的精确读取和触发信号的定距输出，它为整个系统得成功研制奠定了坚实的基础。

（2）多路复合信号实时同步采集方案设计：

测井数据采集系统通常需要根据定距或定时触发信号对多路直流信号、脉冲信号和数字信号进行实时同步测量。这就需要系统保证对多个采集卡间以及同一采集卡内部的多个测量通道间的数据采集的同一性和实时性，否则得到的数据就不能反映井下仪器在地层中真实状况。我们采用具有RTSI（实时同步接口）总线的 NI 6070E 或 NI6024E 用于直流信号的测量，PCI-6602 或 PCI-6601 用于脉冲信号和深度信号的测量，PCI-6534 或 PCI-6533用于数字信号的测量。系统中任何一块卡都可以根据工作模式的不同作为主卡来生成同步触发信号或用作从卡来接收同步触发信号。我们把主卡产生的同步触发信号加载到RTSI 总线上，由RTSI来同步其它从卡上的各个测量通道的数据采集，各块采集卡采集到的数据都以DMA方式传给主机内各自的数据缓冲区。由于整个触发和采集过程都是由系统硬件独立控制完成的，使得各个测量通道的采集延时可以控制在纳秒级。所有采集卡都采用DMA模式传输数据，这与以往系统多采用中断模式相比，极大的提高了系统工作效率。

通过RTSI总线我们把原来需要通过系统软件轮询依次读取各通道数据的工作方式转变成通过初始化各个采集卡的工作状态，然后由各采集卡（即系统硬件）的RTSI来控制采集的同步。这种工作方式的转变，不但降低了系统负荷，而且使系统测量的同步性和实时性得到了显著提高。这也是我们选用NI 公司数据采集卡来实现系统数据采集的一个重要原因。

（3）复杂编码格式数字信号高速传输与采集模式设计：

由于测井仪器种类繁多，一个设计合理的测井系统，必须考虑能与不同编码格式的井下仪器配接使用。由于PCI-6534通常情况下具有40MS/s的采样率，我们在系统设计中，充分开发PCI-6534的Pattern I/O功能，实现了复杂高速传输的数字的采集和解码，同时根据井下仪器的特点，可以把调理模块触发PCI-6534的信号加载到RTSI 总线上，以同步系统深度和其它数据的采集，也可以通过RTSI总线把定距或定时触发信号加载到PCI-6534上，以控制数字信号的采集模式。PCI-6534与系统前端数字信号调理模块配合使用，使系统具备了配接各种传输速率高、编码协议复杂的测井井下仪器的能力。

（4）直流信号高精度采集方案设计：

有些测井仪器上传的信号中，既有直流量也有脉冲量还有数字量，而且其直流量的采样频率一般要求达到1MS/ s。采集系统除了要完成井下仪器直流信号的高速采集外还要以定时或定距的模式和较低的采样率采集其它直流信号和脉冲信号。我们在设计中，通过对NI 6070E、PCI-6024E、PCI-6602、PCI-6534这四块卡综合编程控制，采用多通道多次复合同步触发技术，同时充分开发PCI-6534的数字信号模式触

发控制技术，实现了定时或定距触发条件下以高采样率采集井下仪器的直流信号，同时以低采样率采集井下仪器的脉冲信号、井口的直流信号和数字信号的工作模式。这是整个测井数据采集系统设计的难点。

（5）系统状态及井下仪器控制方案设计：

在系统调理模块和井下仪器状态控制设计中，我们选用PCI-6601, 利用它的Digital I/O功能，建立起了一套控制能力强大的32位命令输出体系。选用PCI-6601,主要是为了降低系统的总成本，根据需要也可以选择专门的数字I/O卡，或其它多功能卡。

系统软件设计

测井数据采集控制系统软件主要由现场测控及数据采集软件和测后数据分析处理软件构成，在软件开发上，我们选择使用VC++ 与NI 公司Measurement Studio 软件包相结合的开发方式，用VC++开发与操作系统底层相关的程序和曲线打印输出程序，使用Measurement Studio和CVI提供的类库开发与数据实时采集和曲线显示相关的程序。这种开发方案不但可以对操作系统进行灵活的控制而且充分利用了NI 公司提供的开发工具，从而极大的缩短了系统软件的开发时间。我们仅用了三个月的时间就完成了系统软件的设计，开发和测试工作。图2为系统软件中的脉冲中子氧活化测井及解释软件序界面。图3为系统软件总体框图。

我们使用NI公司的数据采集卡和软件开发工具实现了测井数据采集控制系统的基于标准工业数据采集产品的设计与开发。大幅度地降低了系统的开发和维护成本，缩短了系统的开发周期，提高了系统的稳定性和可靠性。此外，我们可以根据用户的需要对系统数据采集卡进行多种组合或把系统更新为PXI总线系统，实现功能各有侧重的测井数据采集控制系统。目前这套系统已生产20余套，成功应用于大庆油田和全国其它油田，取得了可观的经济效益，具有相当广阔的应用前景。

工业4.0是基本国策，

智能制造是工业4.0的核心，

工厂数字化是必要条件，

工业大数据是智能工厂的血液，

MES是智能工厂的脊柱。

也就是说，mes是在国家政策，世界工业发展大势下应运而生的。

MES把分布在工厂各个作业点上的微电脑、移动终端、RFID/条码设备、软件PLC、传感器、等都通过网络集成连接在系统中，让数字化血液贯穿工厂的每个细胞。

面向工业4.0工厂的五层数字化结构规划

管理层：ERP（Enterprise Resource Planning）企业资源计划、OA（Office Automation办公自动化）、PLM（product lifecycle management产品生命周期管理）、HR（Human Resource人力资源）命令由管理层发出。

执行层：mes（Manufacturing Execution System 面向制造企业车间执行层的生产信息化管理系统，MES能通过信息传递对从订单下达到产品完成的整个生产过程进行优化管理）；wms（Warehouse Management System仓库管理系统）；qms（Quality Management System质量管理体系）；spc（Statistical Process Control统计过程控制）；aps（进阶生产规划及排程系统）。

操作层。

控制层。

现场层。

MES各板块的逻辑关系

工厂良性运营的关键指标有：

1.由上而下按计划生产使计划与生产密切配合，

2.在最短的时间内掌握生产现场的变化，

3.作出准确的判断和快速的应对措施，

4.保证各种异常得到合理而快速的修正。

MES在整个企业信息集成系统中承上启下，是生产活动与管理活动信息沟通的桥梁；在产品从工单下发到生产为成品的整个过程中，扮演着促进生产活动最佳化的信息传递者；当生产事件发生时，MES借着所收集的即时信息，做出快速的反应，以减少无附加价值的生产活动，提升工厂的生产效率。

数据采集的实现方式

数据收集是MES项目的基础及核心，只有数据方便、及时、准确的收集汇总到数据库，才能有效的发挥后续几个功能模块的作用。

在车间现场部署信息采集点，根据现场情况和管理要求，选择相应的数据采集方式(例如PC机＋条码阅读器、便携式采集终端、485数据终端设备＋条码阅读器)，通过扫描条码、手工录入、设备集成等方式收集关键物料、检测结果、软件版本、测试数据、维修、抽检、包装、重工等信息。

过程控制的实现方式

根据现场作业所收集的数据，建立日常管理信息数据平台，监控现场连续的作业过程、分解SPC（统计过程控制）和SQC（统计质量控制）的数据信息，包含对作业过程中各项元素(人员、设备、产品、物料、实时数据信息)的跟踪、校验、管理,运用防呆机制避免作业过程中不必要的差错。

对现场所收集的各项数据进行合法性验证，将验证结果及时反馈给操作人员，只有通过验证后才可以继续执行某项操作，确保产品实际生产流程和预定流程的一致性，例如人员岗位、条码规则、工艺生产流程、上料、物料装配、完整性、可用性、存在性、冲突性、质量状态、兼容性等。

制造业生产数据采集的作用与意义导读：制造业是我国国民经济的支柱产业，也是推动工业化的原动力，现代制造业已经并且正在深刻地改变着人们的生产方式、生活方式甚至社会文化。全球经济一体化的趋势愈演愈烈，国际竞争不断加剧，制造业的发展必须不断提高在质量保障、品种多样化、快速设计制造、快速检测响应以及快速重组等方面的要求。于是，“以信息化带动工业化，以工业化促进信息化”被提到了前所未有的高度、深度和广度。

制造业生产数据采集的作用与意义

众所周知，制造业的信息化主要包括设计数字化、生产数字化、装备数字化、管理数字化、企业数字化等。信息化的大趋势使世界各国争先恐后的把先进技术和信息化引进到传统工业和制造业。1990 年，美国 AMR(Advanced Manufacturing Research)所提出的制造行业的ERP(Enterprise Resources Planning,企业资源规划)/MES(Manufacturing Execution System,制造执行系统)/PCS(Process Control System,过程控制系统)三层结构,已经成功地在许多行业得到了应用,并被越来越多的企业所认可.

美国 AMR 研究公司对MES 的定义表述为：MES 是一个常驻工厂层的信息系统，介于企业领导层的计划系统与生产过程的直接工业控制系统之间，它以当前视角向操作人员、管理人员提供生产过程的全部资源(人、设备、材料、工具和客户要求)的数据和信息，其着重点是将信息技术运用于改善制造过程。

而作为MES中低层的数据采集功能，可以实现对生产现场各种数据的收集、整理工作，是进行物料跟踪、生产计划、产品历史记录维护以及其它生产管理的基础。它可以为企业中其他例如ERP等管理信息系统提供实时数据。另一方面，MES也要从其它管理系统中获取相关的数据以保证MES自身正常运行。因此要满足MES快速、实时的要求，作为各种功能模块运行基础的数据就显得十分重要。一个迅速而可靠的数据采集系统是整个MES能够正常稳定工作的有力保证。

制造企业面临的数据采集现状

作为车间底层的数据采集系统，在企业实际生产过程中却存在着许多困难，尤其是在离散企业中由于自动化程度较低，往往存在着以下特点：

生产过程不可视：主要体现在不能实时了解生产现场中在制品、人员、设备、物料等制造资源和加工任务状态的动态变化。

生产过程复杂性：由于产品结构和加工工艺的复杂性，造成生产过程中各制造过程的关联性强，生产环境复杂多变(临时插单、材料短缺等) 。

制造过程信息集成度低：制造过程中的各种信息不能有效进行集成，导致产能不能得到充分利用。

信息不能有效与上层管理系统进行集成：这种隔断造成生产过程不透明，生产进度、在制品状况、设备利用状况等关键数据不能到达管理层，增加了过程管理和生产决策的复杂性。

制造过程信息的真实性差：现场数据信息过多依赖人机交互界面通过人工录入，增加了出错的机率。

制造过程信息的实时性低：作业任务随市场需求的频繁调整变化，不利于制造过程信息的实时采集，再加上制造过程信息交互的速度和效率低下，造成企业对市场变化的响应速度慢。

企业设计层和管理层到车间层特别是车间设备层的信息采集困难，一方面车间设备层的重要信息难于采集和上传，无法达到对生产过程的监控。另一方面上层系统难以深入到车间和设备层，从而影响管理信息系统的准确运行，使动态信息成为脱离实际的无源之水难于及时下达，从而使整个企业信息化难以产生更大的效益。

上述特点反映了制造车间迫切需要对制造过程进行信息化的数据采集管理，从而建立一个完整高效的离散制造车间数据采集及其分析处理系统是实现离散车间信息化的基础。数据采集及其分析处理系统的主要功能就是将车间的各种离散数据完整实时的采集到车间数据库中，并进行初步的分析处理，将车间生产的信息实时准确的反馈到车间的管理层，加强管理人员对车间生产现场的监控和管理，并为企业管理人员制定生产计划提供依据。

华磊迅拓科技专业提供SCADA数据采集监控系统，OrBit-SCADA（Supervisory Control And Data Acquisition）系统是"制造业物联网信息总线"的具体实现，它包含两个层次的含义：一是分步式的实时数据采集系统，即工业通讯与控制的PC上位机系统 ；另一个是生产现场的场景建模和显示系统。

工业互联网是在传统互联网的基础上建立起来的。这种演化是工业技术发展的必然趋势。传统互联网将人与人通过计算机网络连接在一起，分享各种信息，传递各种需求，获得各种服务，这是人类社会、经济、科技发展的巨大进步。但是，这种连接的能力还是非常有限的。因为如果只有人而没有机器的参与，我们应用互联网的空间不是完整的。只有当全球70多亿人口和600亿台左右的机器都能够连接在一起的时候，互联网的价值才能得到最大程度的彰显，人类社会才能完全从体力和脑力劳动中彻底解放出来。我们今天已经步入了“复杂的工作要用最简单的方法来处理”的时代。这就是工业互联网技术发展的原动力，发展的趋势不可逆转。在传统互联网的基础上，影响这项技术发展速度的一个重要因素是机器侧的数据采集和云控制技术问题。事实上，这就是自动化技术与信息化技术深度融合的问题。这个问题处理好了，工业互联网的发展就会更顺利一些。机器的连接只是手段，能对机器的有效管控才是工业互联网发展的重要目的。

目前，数据采集技术主要受到两个方面的制约。一是部分机器没有数据接口，二是存在大量异构的通讯规范。与此同时，我们还要考虑到工业发展的惯性，不能完全采用新旧技术彻底更替的办法来解决这两方面的问题。所以，工业社会必须要有这样的技术，在没有数据接口的机器上能够增加数据接口（包括传感器），在异构通讯规范之间采用全兼容的数据采集技术。通用网关是提供这种全兼容技术的产品。在工业互联网技术体系中，通用网关属于边缘计算的一部分。这是与传统互联网明显不同的地方。每一种通讯协议都对应着通用网关中的一种通讯驱动。一项新的技术是把通讯数据包交给通用网关中边缘计算来处理，以便分解出有效的信息来。这将极大地降低通用网关的通讯处理开发成本，提高通用网关数据采集的灵活性。边缘计算的另一个用途当然是对采集来的数据进行必要的处理，以减轻云平台的计算压力。同时，多个边缘计算构成的雾计算，也是工业互联网的重要组成部分。雾计算的加入，可极大地提升工业互联网的分布计算能力。考虑到互联网通讯的不确定性，还需要在通用网关中增加断网续传的功能，以保持数据的完整性。除此之外，我们还需要关注数据的实时性和同步性问题。这些特性一般能够通过调整通讯的请求周期和标记数据的时间戳来确定。显而易见，通用网关是数据采集的重要设备，它在整个工业互联网中构成了一个庞大的通讯节点系统，对于整个工业互联网的运行有着非常重要的影响。为此，我们需要一种有效的网络工具，用于管理这样的通讯节点系统，对它们的运行状态，采集数据更新，采集周期等状态进行监控，同时也能对相应的软件维护、节点参数、接口配置等进行动态的调整。

云控制是工业互联网很重要的一项功能。但是，目前工业互联网的关注点主要集中在数据的处理和信息的管理方面。事实上，由于工业互联网中云平台能够综合更多的数据，因此它不仅可以对企业的管理过程提供重要的决策，而且可以对机器的控制过程提供更优的指令。云机器人和能源互联网都属于云控制的典型的应用。人工智能的技术需要强大的计算资源的支持，而这只有在云计算环境中才能得到满足。只有当强大的云控制功能和强大的数据采集功能结合在一起的时候，工业互联网才能具有真正强大的支配机器的能力。一般情况下，工业互联网的云平台是按照PaaS架构进行设计的。云控制可利用这方面的计算资源，进行智能控制、资源调度、优化决策，以及多个生产过程的协同作业等方面的计算处理，从而为机器的先进控制提供最优的设定值。云控制需要解决的关键技术问题是：互联网通讯的不确定性造成的数据通讯延迟补偿，如何让复杂算法的编辑、编译和基于工业互联网的动态调试过程变得更加简单和直观。工业APP提供的可视化能力，也为云控制技术的工程应用提供了有力支撑。另外，云控制需要边缘计算的协同。边缘计算一方面为云控制提供数据通讯的通道，一方面也为云控制过程提供安全保障。随着工业互联网技术的快速发展，云控制将逐步成为工业领域中最重要的一种生产技术。

工业互联网是生产企业控制与管理深度融合的重要技术设施。数据采集和控制是工业互联网连接机器社会的重要手段。数据采集和云控制技术的研究与应用，将有效消除人们对工业互联网发展的质疑，并产生积极的促进作用。