制造業(yè)數(shù)據(jù)采集哪個(gè)好

    作者：陸興海彭華盛編著來(lái)源：大數(shù)據(jù)DT（ID：hzdashuju）人們對(duì)新事物的認(rèn)知過(guò)程總是螺旋式迭代演進(jìn)的，對(duì)于智能運(yùn)維也是如此，智能運(yùn)維是運(yùn)維發(fā)展的方向，而且是一個(gè)長(zhǎng)期的過(guò)程—從經(jīng)驗(yàn)主義到數(shù)據(jù)驅(qū)動(dòng)，再回歸到業(yè)務(wù)驅(qū)動(dòng)的過(guò)程。從2016年對(duì)于Gartner的概念的理解，到之后每一年不斷的探索與實(shí)踐，到2020年，在筆者參加的智能運(yùn)維國(guó)家標(biāo)準(zhǔn)編寫(xiě)組會(huì)議上，行業(yè)內(nèi)達(dá)成了高度的、更加面向現(xiàn)實(shí)的共識(shí)：以數(shù)據(jù)為基礎(chǔ)、以場(chǎng)景為導(dǎo)向、以算法為支撐，如圖2-1所示?！鴪D2-1行業(yè)對(duì)智能運(yùn)維發(fā)展演進(jìn)的理解智能運(yùn)維一定來(lái)源于非常好的數(shù)據(jù)基礎(chǔ)，同時(shí)，如果沒(méi)有明確的業(yè)務(wù)場(chǎng)景，或者需求，或者功能方面的落腳點(diǎn)，所謂的智能化就是為了AI而AI，也沒(méi)有意義。工程化算法是要擬合數(shù)據(jù)的，根據(jù)數(shù)據(jù)和場(chǎng)景需求才能選擇或研發(fā)合適的算法。只有具備上述三個(gè)條件，才能真正形成一個(gè)工程化落地的智能運(yùn)維，如圖2-2所示。▲圖2-2“三架馬車(chē)”工程化落地的智能運(yùn)維需要著重提及的是，以往很多用戶(hù)忽略了作為智能業(yè)務(wù)運(yùn)維“基石”的運(yùn)維數(shù)據(jù)的重要性。為切實(shí)落地企業(yè)的智能業(yè)務(wù)運(yùn)維規(guī)劃，一方面要強(qiáng)調(diào)運(yùn)維數(shù)據(jù)的基礎(chǔ)作用，另一方面要形成運(yùn)維數(shù)據(jù)治理與應(yīng)用的全局體系。機(jī)器自動(dòng)化采集數(shù)據(jù)，能夠省下繁多的人力物力財(cái)力。制造業(yè)數(shù)據(jù)采集哪個(gè)好

    導(dǎo)讀：騰訊作為國(guó)內(nèi)體量**大的互聯(lián)網(wǎng)公司之一，業(yè)務(wù)涵蓋用戶(hù)日常生活的方方面面，面對(duì)如此巨大業(yè)務(wù)數(shù)據(jù)量，如果不能對(duì)數(shù)據(jù)進(jìn)行專(zhuān)業(yè)化處理并高效有序地存、管、用，如果不能使數(shù)據(jù)產(chǎn)生應(yīng)有的價(jià)值，那么數(shù)據(jù)資產(chǎn)將會(huì)成為數(shù)據(jù)垃圾，成為社會(huì)和企業(yè)的負(fù)擔(dān)。大數(shù)據(jù)平臺(tái)作為騰訊底層的基礎(chǔ)設(shè)施之一，每天必須處理千萬(wàn)級(jí)規(guī)模的離線(xiàn)數(shù)據(jù)任務(wù)及十萬(wàn)億級(jí)別的實(shí)時(shí)計(jì)算，否則無(wú)法滿(mǎn)足業(yè)務(wù)每天數(shù)以?xún)|計(jì)的數(shù)據(jù)分析計(jì)算的需求。本文主要介紹騰訊大數(shù)據(jù)的構(gòu)建理念和總體架構(gòu)。01騰訊大數(shù)據(jù)的構(gòu)建理念項(xiàng)目立項(xiàng)的時(shí)候我們?cè)羞^(guò)激烈討論，是自主研發(fā)還是使用開(kāi)源，“Tobe,ornottobe:thatisthequestion”。當(dāng)時(shí)業(yè)務(wù)需求比較迫切，2009年上半年，QQ空間引入了“開(kāi)心農(nóng)場(chǎng)”業(yè)務(wù)，開(kāi)啟了瘋狂增長(zhǎng)的模式，業(yè)務(wù)部門(mén)的同事看著幾乎是垂直的增長(zhǎng)曲線(xiàn)笑逐顏開(kāi)，我們看著曲線(xiàn)卻笑不出來(lái)。如何能快速構(gòu)建全新的數(shù)據(jù)倉(cāng)庫(kù)，滿(mǎn)足業(yè)務(wù)快速增長(zhǎng)的計(jì)算需求，我們?cè)谂ふ掖鸢?。?008～2009年，開(kāi)源在國(guó)內(nèi)還沒(méi)大行其道，很多程序員都有一種偏見(jiàn)，覺(jué)得使用開(kāi)源都是沒(méi)什么技術(shù)含量的。幾乎所有的程序員心里都有一個(gè)夢(mèng)想和追求，希望能自己實(shí)現(xiàn)一套前列的系統(tǒng)，從而在中國(guó)乃至世界的軟件行業(yè)揚(yáng)名立萬(wàn)。揚(yáng)州光學(xué)數(shù)據(jù)采集系統(tǒng)Modbus數(shù)據(jù)采集系統(tǒng)開(kāi)發(fā)。

    不同應(yīng)用領(lǐng)域的大數(shù)據(jù)其特點(diǎn)、數(shù)據(jù)量、用戶(hù)群體均不相同。不同領(lǐng)域根據(jù)數(shù)據(jù)源的物理性質(zhì)及數(shù)據(jù)分析的目標(biāo)采取不同的數(shù)據(jù)采集方法。通過(guò)了解數(shù)據(jù)采集的三大要點(diǎn)，選擇***、準(zhǔn)確、高效的數(shù)據(jù)合作伙伴至關(guān)重要。二、數(shù)據(jù)采集方式有哪些？數(shù)據(jù)感知可分為“硬感知”和“軟感知”，面向不同場(chǎng)景，即數(shù)據(jù)采集技術(shù)可以分為這兩個(gè)方面的技術(shù)。“硬感知”主要利用設(shè)備或裝置進(jìn)行數(shù)據(jù)的收集，收集對(duì)象為物理世界中的物理實(shí)體，或者是以物理實(shí)體為載體的信息、事件、流程等。而“軟感知”使用軟件或者各種技術(shù)進(jìn)行數(shù)據(jù)收集，收集的對(duì)象存在于數(shù)字世界，通常不依賴(lài)物理設(shè)備進(jìn)行收集。1、基于物理世界的“硬感知”能力數(shù)據(jù)采集方式主要經(jīng)歷了人工采集和自動(dòng)采集兩個(gè)階段。自動(dòng)采集技術(shù)仍在發(fā)展中，不同的應(yīng)用領(lǐng)域所使用的具體技術(shù)手段也不同。基于物理世界的“硬感知”依靠的就是數(shù)據(jù)采集，是將物理對(duì)象鏡像到數(shù)字世界中的主要通道，是構(gòu)建數(shù)據(jù)感知的關(guān)鍵，是實(shí)現(xiàn)人工智能的基礎(chǔ)?；诋?dāng)前的技術(shù)水平和應(yīng)用場(chǎng)景，我們將“硬感知”分為9類(lèi)，每一類(lèi)感知方式都有自身的特點(diǎn)和應(yīng)用場(chǎng)景。（1）條形碼與二維碼條形碼或者條碼是將寬度不等的多個(gè)黑條和空白，按一定的編碼規(guī)則排列。

    二是各種網(wǎng)絡(luò)標(biāo)準(zhǔn)統(tǒng)一后才能實(shí)現(xiàn)設(shè)備系統(tǒng)間的互聯(lián)互通，而多種工業(yè)協(xié)議并存是目前工業(yè)數(shù)據(jù)采集的現(xiàn)狀。廣義上，工業(yè)數(shù)據(jù)采集分為工業(yè)現(xiàn)場(chǎng)數(shù)據(jù)采集和工廠(chǎng)外智能產(chǎn)品/移動(dòng)裝備的數(shù)據(jù)采集（工業(yè)數(shù)據(jù)采集并不局限于工廠(chǎng)，工廠(chǎng)之外的智慧樓宇、城市管理、物流運(yùn)輸、智能倉(cāng)儲(chǔ)、橋梁隧道和公共交通等都是工業(yè)數(shù)據(jù)采集的應(yīng)用場(chǎng)景），以及對(duì)ERP、MES、APS等傳統(tǒng)信息系統(tǒng)的數(shù)據(jù)采集。如果按傳輸介質(zhì)劃分，工業(yè)數(shù)據(jù)采集可分為有線(xiàn)網(wǎng)絡(luò)數(shù)據(jù)采集和無(wú)線(xiàn)網(wǎng)絡(luò)數(shù)據(jù)采集。02工業(yè)數(shù)據(jù)采集的特點(diǎn)工業(yè)數(shù)據(jù)采集具有一些鮮明的特征，在面對(duì)具體需求時(shí)，不同場(chǎng)景會(huì)對(duì)技術(shù)選型產(chǎn)生影響，例如設(shè)備的組網(wǎng)方式、數(shù)據(jù)傳輸方式、數(shù)據(jù)本地化處理、數(shù)據(jù)匯聚和管理等。1.多種工業(yè)協(xié)議并存工業(yè)領(lǐng)域使用的通信協(xié)議有很多，如PROFIBUS、Modbus、CAN、HART、EtherCAT、EthernetIP、Modbus/TCP、PROFINET、OPCUA，以及大量的廠(chǎng)商私有協(xié)議。這種狀況出現(xiàn)，很大程度上是因?yàn)楣I(yè)軟硬件系統(tǒng)存在較強(qiáng)的封閉性和復(fù)雜性。設(shè)想在工業(yè)現(xiàn)場(chǎng)，不同廠(chǎng)商生產(chǎn)的設(shè)備，采用不同的工業(yè)協(xié)議，要實(shí)現(xiàn)所有設(shè)備的互聯(lián)，需要對(duì)各種協(xié)議做解析并進(jìn)行數(shù)據(jù)轉(zhuǎn)換。數(shù)據(jù)采集可以通過(guò)自動(dòng)化技術(shù)來(lái)提高效率和準(zhǔn)確性，如自動(dòng)化傳感器網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)算法。

    而且還從業(yè)務(wù)和技術(shù)兩個(gè)角度講解了傳統(tǒng)的金融風(fēng)控體系如何與智能風(fēng)控方法實(shí)現(xiàn)雙劍合璧。03智能風(fēng)控平臺(tái)：架構(gòu)、設(shè)計(jì)與實(shí)現(xiàn)作者：鄭江推薦語(yǔ)本書(shū)講解了如何基于不同業(yè)務(wù)場(chǎng)景的智能風(fēng)控方法來(lái)構(gòu)建一個(gè)從數(shù)據(jù)到計(jì)算再到?jīng)Q策的通用智能風(fēng)控平臺(tái)，該平臺(tái)既能應(yīng)用于業(yè)務(wù)的全流程，又能承載互聯(lián)網(wǎng)業(yè)務(wù)中的大部分風(fēng)險(xiǎn)控制方案。全書(shū)從智能風(fēng)控的原理、智能風(fēng)控平臺(tái)的架構(gòu)、智能風(fēng)控平臺(tái)的產(chǎn)品設(shè)計(jì)與實(shí)現(xiàn)3個(gè)維度展開(kāi)。04智能風(fēng)控：原理、算法與工程實(shí)踐作者：梅子行、毛鑫宇推薦語(yǔ)*****，基于Python，原理、算法、實(shí)踐3維度講解機(jī)器學(xué)習(xí)的風(fēng)控實(shí)踐，21種算法26種解決方案，9位**。05智能風(fēng)控：Python金融風(fēng)險(xiǎn)管理與評(píng)分卡建模作者：梅子行、毛鑫宇推薦語(yǔ)本書(shū)基于Python講解了信用風(fēng)險(xiǎn)管理和評(píng)分卡建模，用漫畫(huà)的風(fēng)格，從風(fēng)險(xiǎn)業(yè)務(wù)、統(tǒng)計(jì)分析方法、機(jī)器學(xué)習(xí)模型3個(gè)維度展開(kāi)，詳細(xì)講解了信用風(fēng)險(xiǎn)量化相關(guān)的數(shù)據(jù)分析與建模手段，并提供大量的應(yīng)用實(shí)例。第113期贈(zèng)書(shū)活動(dòng)中獎(jiǎng)名單公布贈(zèng)書(shū)規(guī)則送書(shū)規(guī)則：感謝大家對(duì)華章圖書(shū)的信任與支持。在留言區(qū)談?wù)勀?*喜歡的一本書(shū)及理由。小編會(huì)在留言池隨機(jī)撈2條錦鯉，分別包郵送出1本正版書(shū)籍。光學(xué)分析儀器數(shù)據(jù)采集。寧德定制數(shù)據(jù)采集參考價(jià)

通過(guò)數(shù)據(jù)采集，企業(yè)可以更好地了解市場(chǎng)需求、客戶(hù)行為和競(jìng)爭(zhēng)對(duì)手情況。制造業(yè)數(shù)據(jù)采集哪個(gè)好

    基于特別業(yè)務(wù)場(chǎng)景的需求，在RFID的基礎(chǔ)上發(fā)展出了NFC（NearFieldCommunication，近場(chǎng)通信）。NFC本質(zhì)上與RFID沒(méi)有太大區(qū)別，在應(yīng)用上的區(qū)別如下。NFC的距離小于10cm，所以具有很高的安全性，而RFID距離從幾米到幾十米都有。NFC*限于，與現(xiàn)有非接觸智能卡技術(shù)兼容，所以很多的廠(chǎng)商和相關(guān)團(tuán)體都支持NFC。而RFID標(biāo)準(zhǔn)較多，難以統(tǒng)一，只能在特殊行業(yè)有特殊需求的情況下，采用相應(yīng)的技術(shù)標(biāo)準(zhǔn)。RFID更多地被應(yīng)用在生產(chǎn)、物流、跟蹤、資產(chǎn)管理上，而NFC則在門(mén)禁、公交、手機(jī)支付等領(lǐng)域發(fā)揮著巨大的作用。（4）OCR和ICROCR（OpticalCharacterRecognition，光學(xué)字符識(shí)別）是指電子設(shè)備（例如掃描儀或者數(shù)碼相機(jī)）檢查紙上打印的字符，通過(guò)邊檢測(cè)暗、亮的模式確定其形狀，將其形狀翻譯成計(jì)算機(jī)文字的過(guò)程。如何除錯(cuò)或利用輔助信息提高識(shí)別正確率，是OCR的重要課題。ICR（IntelligentCharacterRecognition，智能字符識(shí)別）是一種更先進(jìn)的OCR。它植入了計(jì)算機(jī)深度學(xué)習(xí)的人工智能技術(shù)，采用語(yǔ)義推理和語(yǔ)義分析，根據(jù)字符上下文語(yǔ)句信息并結(jié)合語(yǔ)義知識(shí)庫(kù)，對(duì)未識(shí)別部分的字符進(jìn)行信息補(bǔ)全，解決了OCR的技術(shù)缺陷。一個(gè)OCR識(shí)別系統(tǒng)，從影像到結(jié)果輸出。制造業(yè)數(shù)據(jù)采集哪個(gè)好