消费者对产品诉求也是不断提高，也就是对产品生产过程中工艺的一致、设备的状态、器具的有效、质量的符合、操作的规范，都提出了更高要求。既要利润又有符合各方要求，这就需要制造过程的各类信息能有效搜集，以支持并判断是否符合预定。各类制造技术的快速发展，为制造过程中各类数据的全面采集提供了可能并结合MES中固化的流程和标准进行快速判断成为可能。
数据的采集技术近年快速发展，不仅功能强大且成本也逐步降低，比较突出的就有CNC、PLC、RFID、EOS、机器视觉、人工输入6个大类。通过这些技术方案，能快速、实时、高效、准确、客观的搜集各类制造数据，动态的反应生产制造的实际过程，真正实现制造大数据，让数据真正服务于生产提效和质量提升。
1.1.1 原有DNC，称为分布式数控。一般是成套的数控加工中心，都会用有CNC作为操作系统来控制数控加工和制造整个过程。车、钻、铣、磨...诸多工艺,可能都会融于一台数控加工中心。数控机床在CNC的指挥下完成，不仅集成度高，精度和可靠程度也非常好。CNC作为整个控制中心在程序不但会指引了完成各种工艺动作，也会不断利用各类传感器获取到的回馈快速做细微调整。各类传感器所产生的大量数据，实际就是某个零部件某个生产工艺过程的实际过程的数字描述。CNC一般会由于机加工中心厂商不一样会有不同，行业内并没有形成完全统一一致的标准或者协议，各家都要自由的数通信接口和读取标准，但均支持RJ45、232等标准通信协议，用合法授权的软件连接，均可以读取到所需的数据。1.1.2 二次开发。目前常见的数据采集厂家都采用数控系统厂商提供的数据采集软件或系统二次开发软件来进行数据的采集。其典型的系统采集方式如下几种：1.1.2.1 FANUC。一般是通过FANUC的FOCAS开发软件包进行开发数据采集软件，通过以太网的方式是采集。采集的数据量比较大。对机床配置要求比较高，不适应于大量无网卡的机床。另外还有采用宏程序进行数据采集。该方式需要在加工宏程序中加入FANUC的串口打印输出指令将数据从串口输出，这种方式输出的数据有限、数据并非真正的实时数据，在加工程序中加入采集指令效率不高，仍属于有限半自动式数据采集，其数据的有效性受到很大的影响。1.1.2.2 西门子。通常要求西门子840D系列系统采用PCU50的人机计算机，采用以太网卡进行数据采集。在PCU50上安装MCIS（运动控制信息系统）或者采用OPC接口进行数据采集。这种方式采集的数据比较多但对系统配置要求比较高。对于老840D/810D和FM-NC等系统受到限制。1.1.2.3 海德汉。常见的对iTNC530系统采用以太网进行数据采集。通常采用DNCRemoTools软件包进行数据采集。该方式采集的数据量比较大需要向厂家购买授权。1.1.2.4 日系：三菱M70/M700/M80、MAZAK 640，FIDIAC2/C20等。采用系统厂商的数据采集软件进行数据采集，均能采集比较多的数据。对于多数日系数控系统，大多支持串口打印输出的NC指令，因而可使用宏程序进行数据的采集。可编程逻辑控制器，PLC在工业自动化和工业机器人中应用广泛，PLC作为自动化和机器人的控制中心，通过程序完成各类动作。该方式相比CNC更加灵活，但是相对要求也更高，通常采用数字量和模拟量的数据采集模块，采集机床的IO信号从而实现对机床状态的监控。该方式的优点是不受系统的限制，使用广泛。缺点是采集的数据比较少，具体采集的数据受到机床电气设计的限制，另外现场接线改动比较大，对机床和采集系统的维护带来一定的风险。该方式与数控系统的人机单元没有要求。但机床的PLC与具体的机床相关联，需要对每一台机床的PLC都比较熟悉，才能保证机床的正常运转不受影响。1.2.1 PLC编程，建立与外部建立以太网连接，通过指令进行数据交换。需要通过硬件配置来建立连接通道，然后自编程进行收发。要想顺利完成这种通讯和调试，需要一位既懂计算机编程，又懂PLC编程调试的人员。电文发送是由PLC程序控制，节奏可控。1.2.2 PLC提供访问协议，不需要编程的外部访问协议。比如，OPC-UA、MODBUS TCP等，OPC-UA是目前是开放协议，但需要从底层开始开发或者购买的SDK进行二次开发。MODBUS TCP需要在PLC里进行编程、配置,但是兼容性不足。1.2.3 通过通讯的中间件或者中间软件进行中转。一般指OPC软件，一端访问PLC，另外一端对外提供数据。OPC软件有的是厂家提供，还有专业的中间软件，比如kepware，可同时访问的PLC和协议非常多，兼容性好。国内也有很多出色的软件，如PLC-Recorder。射频识别，阅读器与标签之间进行非接触式的数据通信，达到识别目标的目的。RFID数据存储和读取的高效率，技术成熟，商业化案例丰富。RFID封装后可以生产过程伴随产品生产的全过程，能在高速、高温、高压、噪音、辐射等工况下有效工作。在通信网络不好敷设，日常难以维护的工位，比如电泳，就非常适合。RFID能完成信息的分散采集集中读取，还可以做加密所以信息安全也很有保障，离散制造业中作为过程信息存储非常合适，所以实际运用得也非常多。RFID与之前CNC、PLC方式最大的区别在于RFID完成信息的存储和传输任务，RFID本身并不产生数据。而RFID又是开放的架构，电子标签存储分区、格式、内容都可以自己定义，跟CNC、PLC相对封闭的商业模式不一样。典型的RFID系统结构主要由阅读器、电子标签、控制器、天线4个部分构成。第一部分是电子标签，是一个微型的无线收发装置，主要由内置天线和芯片组成，天线负责读取信号和获取能量，芯片负责处理和存储信息是整个RFID的核心。第二部分是读写器，是一个捕捉和处理RFID标签数据的设备，一般会嵌入到其他系统之中，是构成RFID系统的重要部件之一，由于它能够将数据写到RFID标签中因此称为读写器。第三部分控制器，是读写器芯片有序工作的指挥中心，主要作用是与应用系统软件进行通信，执行动作指令；控制与标签的通信，基带信号的编码与解码，传送的数据进行加密和解密等等。第四部分是天线，电磁波把前端射频信号功率接收或辐射出去的设备，是电路与空间的界面器件，用来实现导行波与自由空间波能量的转化，分为电子标签天线和读写器天线两大类。一般会利用RFID作为信息容器，一般会将生产所需的信息（SN、型号、关键工艺、关键参数等）初始化写入RFID，伴随生产流水线序列流动到各个加工生产工位时候，读取这些信息完成相应制造环节，又将该制造环节中的产生的关键信息写入到RFID中，也可以将产品信息提前推送到下一工序做好前馈准备，然后在流水线结束前上传采集数据到上位系统中去。EOS（嵌入式操作系统）用在专用设备上，主要任务是控制硬件底层驱动软件、系统内核、设备驱动接口、通信协议、图形界面等。负责软、硬件资源的分配、任务调度，控制、协调并发活动，与底层设备有很强的针对性和适用性。uC/OS，Nucleus，ThreadX，Windows CE，是有代表性嵌入式操作系统。借用这些OS的成熟架构且只保留需要的功能，再通过轻量化的方式植入相关的硬件调用方法以达到快速实现硬件控制调度的目的。嵌入式系统是以应用为中心，软硬件可裁减的，适用于对功能、可靠性、成本、体积、功耗等综合性严格要求的专用计算机系统。具有软件代码小、高度自动化、响应速度快等特点，特别适合于要求实时和多任务的体系。嵌入式系统主要由嵌入式处理器、相关支撑硬件、嵌入式操作系统及应用软件系统等组成，它是可独立工作的“器件”。常用的通信协议有SPI、I2C、CAN、USB、UART。EOS方式的数据一般在EOS内部得到封装，大多也有支持TCP/IP协议，只要根据约定的协议读取即可。机器视觉在国内的运用方兴未艾。机器视觉就是用机器来代替人做检查和判断，属于人工智能一个分支。整个过程实质是模拟人在工作中的某些行为。即通过摄像头等设备，获取到目标的图像，然后通过图像处理技术快速的清洗并分离出，所需的特征信息，再根据这些信息与标准特征做比对，做出支持检查和判断，然后给出结果。非常适合在高危环境下、重复大批量长时间的简单检查等场景下替代人工完成作业。一般应用场景有：有无判断、光写字符识别（OCR）、数量判断、色彩判断等。机器视觉能快速的输出有无、字符串、数量、颜色等抑或者组合信息。机器视觉国外有成熟解决方案，国内也有很多实践经验丰富的厂商能提供产品和服务。机器视觉数据读取，基本都是采用TCP/IP协议，只要根据约定的协议读取即可。人工的数据采集方式，是采用最普遍方式。实质就是由人完成响应的判断后，借助电脑、手持终端、智能终端，将信息记录到信息管理系统中去的一种方式。这种方式最大的优点是灵活度大，缺点就是过分依赖人的判断在某些疲劳或者执行标准不统一的情况下结果容易失真。应用系统一般会以B/S或C/S方式交互，底层都是支持TCP/IP的通信协议，此类采集难点一般不在技术。CNC、PLC、RFID、EOS、机器视觉、人工这个六大类数据采集方式。除人工方式外的五种，都属于是 设备+传感器+传输 的客观数据采集的非人工模式，无人生产、人工干扰少、可靠性高，可信度高，数据量大，容易获得海量数据，只要数据结构化和分析建模的能力建立，就能快速得出各类分析结果，非常适合大规模连续生产模式下的质量和一致性的控制。这五种模式的共同的缺点之一就是前期投入大，如果是初次投入最好是在投资规划的时候一并考虑，投入产出比为最佳，如CNC的投入基本都是百万元级别的，如果是二次改造还会涉及生产工艺和模式的变化投资会更大，所以一定要有要有长远的战略考量；缺点之二是后期维护的技术难度高，这五种方式都是现代装备制造业在数据采集应用的分支，牵涉到机械、机电、电控、图像等很多领域，需要培养专门的人才和做必要的技术储备；缺点之三，技术迭代更新快，当前先进成熟的技术可能若干年后就被淘汰而无法找到有效的第三方支持而逼不得已更新换代。虽然有诸多的缺点，但自动化和少人化是整个制造业的发展大趋势，也是制造大国向制造强国的必经之路，关键在于做好总体规划，体系设计，人才培养、技术迭代。人工方式更多是一种人工作业的行为记录，这种方式灵活度高，适应面广，投入的成本相对较低。缺点也很明显，受精神、身体、情绪、认知的影响比较明显，作业的频率不可能很高，操作的输入的效率等也是明显的短板。综合以上，技术本身并没有好坏，更多要看它适合用在哪些场景下。不同的设备，不同的场景，不同的工艺需求、质量控制和成本考虑，就需要选择适合的数据采集方法。尽量用流程化标准化，减少人为因素干扰，尽可能多地采集各类数据。汽车生产制造，不仅生产流程长、工艺要求多，各类机加工、装配、调整工位也很多，借助MES对各类设备的采集，不仅能对生产计划完成情况、质量情况、设备情况获取一手数据，真实反应生产现场的实际情况，更能结合大数据技术进一步发现清洗汇聚出变化点和发展趋势，为后续改进提供依据。六种采集方式，在汽车生产制造过程中都有应用。一般来说，CNC更多会用在各类机加工设备上借助已有的协议快速采集，例如缸体缸盖的机加工。PLC更多会用在装配工位的机器人以及装配工装上做数据采集，例如车身的焊接机器人和夹具。RFID一般是根据它的移动存储可跟线移动快速读取擦写的特点多用在各类机运上，例如总装内饰的地板链和底盘的空中链。EOS是各类专用设备的默认方式，例如检测线的灯光和四轮定位。机器视觉更多会用在目前传统手段无法检测和重复性的，例如总装车身外观件错漏装检查。人工的方式多在需要人工参与的地方，例如检测线环路测试是依靠人工检测的。六种采集方式采用哪种，主要是看需求场景、设备和成本的投入、人员技能和流程等综合因素确定。一般来说，流程标准化后再实施自动化的路线是制造业，特别是汽车生产制造的大趋势。自动化的采集对现场操作人员的技能的要求是降低了，对专业技术人才的技术能力的大大增加了，对人才的培养和提升是非常重要的。无人化、自动化、信息化是大趋势，充分的利用底层采集的数据，集成各类生产、质量、物流等信息融合到制造执行的大数据中去，是整个汽车制造的潮流。下位数据采集技术与上位信息管理系统之间的关系进一步分析。下位数据采集技术越是高效快速，对上位信息系统的并发处理数据的能力就会更高，对算力和存储都是以几何级数的增长，这个方面的投入也是要跟上的，如果不能及时处理这些海量数据，那么这些数据产生的价值就会大打折扣。从另外一个角度说，也需要产品、工厂、工艺、车间、质量，甚至生产计划、人力资源、财务等使用数据的部门，很清楚地知道自己需要什么数据，数据从哪里来，通过什么算法得到什么，又能到哪里去，整个脉络很清楚，真正做到知其然，更加知其所以然。而不是为了采集而采集，为了数据而数据，舍本逐末。数据采集和最后的利用这是一个公司管理经验的问题，不仅仅只是一个信息化技术部门的问题。近年IoT兴起，IoT更多是一种通信方式和商业模式，借助4G或5G通信技术技术，采集的成本进一步降低。但它是不能取代以上六大类底层采集方式。IoT能与这六大类方法结合，更高效的完成各项任务。以上六种方式实现数据采集，是实现数字工厂的第一步，采集只是MES整个工作和数据流的一部分。MES要完成采集、分析、处理、反馈、存储等多项任务。除了要跟下位结合，更要与管理要求和指标结合，使得生产更符合管理目标。从人机料法环测六个方面反应实际状态，更好给生产现场五个W一个H的明确指令指挥生产。采集这个环节当然是很重要的，是实现生产大数据的第一步。后续需要结合工厂数字建模、数字孪生等数字化技术，与PLM/ERP/DMS/CRM/LES/MES/EMS进一步跨界融合实现，开启真正意义的智能制造。
投诉建议
