在制造業(yè)領(lǐng)域，數(shù)據(jù)是提高效率和削減開支以創(chuàng)造有利可圖的產(chǎn)品的關(guān)鍵。對機(jī)器停機(jī)、供應(yīng)鏈問題和安全事件迅速做出反應(yīng)，讓我們的工廠回到他們應(yīng)該做的事情：生產(chǎn)我們的產(chǎn)品！但是，讓制造車間與制造的業(yè)務(wù)方面進(jìn)行溝通歷來是困難的。在數(shù)字時(shí)代之前，是紙和人。

計(jì)算機(jī)技術(shù)開始使某些信息交換自動化。人工智能 (AI) 和機(jī)器學(xué)習(xí)的現(xiàn)代時(shí)代開始將一些分析本身自動化。但運(yùn)營技術(shù) (OT) 和信息技術(shù) (IT) 之間一直存在分歧。

造成這種分歧的原因很簡單，就是技術(shù)源于不同的需求。操作技術(shù)的發(fā)展源于監(jiān)控傳感器和與機(jī)器進(jìn)行數(shù)據(jù)通信的需要。在許多情況下出于安全原因以及在其他情況下出于機(jī)器保護(hù)原因，數(shù)據(jù)丟失是不可接受的。

通信標(biāo)準(zhǔn)是圍繞減少設(shè)備之間硬連線數(shù)字和模擬信號的需要而形成的。人機(jī)交互僅限于用于機(jī)器控制的 HMI 或按鈕站。信息技術(shù)從需要與人們獲取信息和從人們那里獲取信息而發(fā)展。數(shù)據(jù)傳輸速度和可靠性不如信息的質(zhì)量和可用性重要。

這兩個數(shù)據(jù)流，OT 和 IT，現(xiàn)在正在融合，因?yàn)檎陂_發(fā)需要兩者之間緊密集成的新業(yè)務(wù)模型。按需訂購和批量定制是一些示例。

 

問題是我們的制造工廠充滿了舊設(shè)備，這些設(shè)備并非旨在與 IT 系統(tǒng)通信。這些機(jī)器的多樣性增加了這個問題。一臺使用了 40 年的機(jī)器在某些制造過程中仍然具有價(jià)值，但通信技術(shù)將過時(shí)，甚至可能不存在。

隨著多年來資產(chǎn)的增加，不同的技術(shù)進(jìn)入了工廠車間，因此沒有統(tǒng)一的架構(gòu)。

OEM 機(jī)器供應(yīng)商使用不同的供應(yīng)商進(jìn)行自動化，這在過去幾年中意味著有專有的通信協(xié)議和專有的硬件。不同的機(jī)器功能意味著即使是現(xiàn)代數(shù)據(jù)流也有不同的格式。

機(jī)床可能會使用 MT Connect。包裝機(jī)可能會使用 PackML。因此，即使一臺工業(yè)機(jī)器只有幾年的歷史，在沒有工具幫助的情況下，從如此多種機(jī)器中提取數(shù)據(jù)仍然存在困難。

此外，IT 系統(tǒng)并不總是能夠說機(jī)器語言或跟上工廠車間生成的數(shù)據(jù)流。此外，圍繞制造過程的一些機(jī)械和操作過于簡單，以至于無法保證處理器完全能夠進(jìn)行通信。

隨著技術(shù)的進(jìn)步，新機(jī)器取代舊機(jī)器，處理價(jià)格下降，OT 和 IT 系統(tǒng)的數(shù)據(jù)交換將繼續(xù)變得更緊密。但與此同時(shí)，需要一個翻譯器來加入兩者，這就是物聯(lián)網(wǎng)網(wǎng)關(guān)的用武之地。

 

博世用來說明問題的一個例子包括/具有 1887 年的人力車床。這臺車床是羅伯特·博世 (Robert Bosch) 的制造廠之一。它由腳踏板提供動力，并通過手搖曲柄進(jìn)行調(diào)整。它可以說是工業(yè) 1.0 之前的機(jī)器，因?yàn)樗踔翛]有由蒸汽或電力等外部來源提供動力。但是我們可以從這臺機(jī)器上收集數(shù)據(jù)。如果我們知道主驅(qū)動輪和主軸之間的速度差，我們可以檢測到皮帶打滑并需要注意。

如果我們監(jiān)控切割速度與切割頭位置的關(guān)系，我們或許能夠看到操作員何時(shí)感到疲倦并需要在質(zhì)量開始下降之前休息一下。通過實(shí)施傳感器和物聯(lián)網(wǎng)網(wǎng)關(guān)，我們可以將這臺機(jī)器拉入數(shù)字工業(yè) 4.0 時(shí)代，并增加其對我們制造過程的實(shí)用性和價(jià)值。物聯(lián)網(wǎng)網(wǎng)關(guān)允許從流程中提取價(jià)值，而無需更換或重新設(shè)計(jì)機(jī)器，這兩種選擇都是昂貴的。

在現(xiàn)實(shí)世界的應(yīng)用中，物聯(lián)網(wǎng)網(wǎng)關(guān)是與所有類型的操作數(shù)據(jù)的連接。雖然機(jī)器數(shù)據(jù)和傳感器是顯而易見的數(shù)據(jù)流，但可以收集其他數(shù)據(jù)以更準(zhǔn)確地描繪整個制造過程。環(huán)境數(shù)據(jù)，如溫度、濕度、照明水平和噪音量可以與機(jī)器數(shù)據(jù)一起收集，以關(guān)聯(lián)對過程性能的影響。

振動傳感器可以在負(fù)載不平衡或潤滑的不良影響需要引起注意之前很久就檢測到機(jī)械變化。可以跟蹤操作員的生物特征和表現(xiàn)，以優(yōu)化操作員的安全并提供適合操作員需求的工作環(huán)境。為中央數(shù)據(jù)系統(tǒng)創(chuàng)建單獨(dú)的數(shù)據(jù)流既昂貴又耗時(shí)。物聯(lián)網(wǎng)網(wǎng)關(guān)可以充當(dāng)邊緣設(shè)備，收集數(shù)據(jù)、緩沖數(shù)據(jù)，甚至在傳輸?shù)缴蠈臃治鲕浖皩ζ溥M(jìn)行梳理。

正是在這些上層 IT 系統(tǒng)中，才能挖掘出真正的價(jià)值。正如我們之前所描述的，在這里可以部署人與人和人對數(shù)據(jù)工具，以大限度地以信息豐富且高效的形式將相關(guān)數(shù)據(jù)傳達(dá)給合適的人。正是物聯(lián)網(wǎng)網(wǎng)關(guān)將數(shù)據(jù)從車間傳送到這些系統(tǒng)，這些系統(tǒng)開始處理大量數(shù)據(jù)以預(yù)測機(jī)器磨損、維護(hù)需求和環(huán)境對生產(chǎn)的影響。一旦物聯(lián)網(wǎng)網(wǎng)關(guān)使這些數(shù)據(jù)“空中傳播”，它就可以被多種可視化和分析產(chǎn)品使用來提供價(jià)值。

我司產(chǎn)品廣泛應(yīng)用于數(shù)控機(jī)械 冶金,石油天然氣,石油化工，
化工,造紙印刷,紡織印染,機(jī)械,電子制造,汽車制造,
塑膠機(jī)械,電力,水利,水處理/環(huán)保,市政工程,鍋爐供暖,能源,輸配電。
 

In real-world applications, IoT Gateways are the connection to all types of operational data. While machine data and sensors are obvious data streams, there are others that can be collected to paint a more accurate picture of the entire manufacturing process. Ambient environmental data such as temperature, humidity, lighting levels and noise volume can be collected alongside machine data to correlate the effects on process performance.

Vibration sensors can detect changes in mechanics long before the ill effects of load imbalances or lubrication needs demand attention. Operator biometrics and performance can be tracked to optimize the safety of the operator and provide a work environment tailored for that operator’s needs. Creating individual data streams to a central data system is expensive and time consuming. An IoT Gateway can act as an edge device, collecting data, buffering it and even grooming it before transport to the upper-level analytics software.

It is in these upper-level IT systems that true value can be mined. As we described before, it is here where the people-to-people and people-to-data tools can be deployed to maximize communication of relevant data to the right people in a form that is informative and efficient. And it’s the IoT Gateway that lifts the data from the plant floor into these systems that begin to process large quantities of data to predict machine wear, maintenance needs and environmental effects on production. Once the IoT Gateway has made this data “air-borne”, it can be used by multiple visualization and analytic products to provide value.