期望利用大数据和工业物联网（IIoT）的公司，正试图从它们所收集的数据中获得价值。然而，正如俗话所说，“对一个人来讲是垃圾，对另外一个人可能就是财富”，如果从设备和生产数据的角度来看，这确实是真的。设备制造商的大数据优先级，可能与最终用户所期望的信息需求大不相同。
明晰每个应用所需数据类型的第一步是确定IIoT技术应该解决的关键任务和生产挑战。然后，应制定存储和分析数据计划，以产生有助于在公司运营中持续改进的见解。
从最终用户方面来讲，根据所建立目标的不同，可能包括多种信息类型，例如直接、间接和衍生数据。直接或“原始”数据，比如现场传感器信息，通常未经过“加工”和过滤，也没有转换成工程单位。间接数据，比如电机温度或振动数据，则可能经过过滤。衍生数据，则来自于数据采集或后续的计算，包括诸如整体设备效率（OEE）指标等。
细化大数据的用户需求
对大数据和IIoT，最终用户和设备制造商的目标不同，企业必须要考虑到这一点。通常，最终用户通过比较整个企业的生产线或通过供应链管理（SCM）计划来简化运营，从而实现对产量和工厂整体生产效率的优化。这些努力旨在使公司能够做出积极的变化，例如改变生产运营，以最大限度地提高产量和产品种类。
图1：强大的系统集成分析工具可帮助控制工程师优化机器、设备和流程。 图片来源：倍福
另一个策略可能涉及到实施面向未来的概念，例如动态生产分配和面向对象的制造。就能基于设备生产线/模块的可用性或其它因素来自主进入到下一工序。
设备制造商对大数据有不同的关注点和优先选项。它们使用数据来提高设备性能或预测维护服务。通过分析软件，深入到每个设备运行的细节。分析工具协助建立数据模型，帮助设备制造商确定理想的设备运行变量，并确定在机械、电子和软件组件方面可能改进的领域。
数据分析的收益
新的数据分析解决方案提供了丰富的功能，旨在提供高性价比的完美运行组合。例如，在基于PC控制平台运行的高级分析软件会周期性记录日志数据。它利用现代工业以太网协议的速度，在每一个可编程逻辑控制器（PLC）的运行周期，实时收集设备数据。这些数据可能包括运动系统性能、最大转矩、电机温度和设备状态时序等（图1）。
图1：强大的系统集成分析工具可帮助控制工程师优化机器、设备和流程。 图片来源：倍福
所收集的数据，可用于帮助推动设备部件规格的决策，以补救任何感知到的弱点。设备制造商经常需要聚集元数据，与“常规”数据一起，作为一种关联参与设备优化的多个变量的一种手段。例如，可以在很长一段时间内追踪设备操作温度，当温度骤升或骤降时，元数据就可以用来显示设备的整体状态。
标准化数据格式和协议
数据结构和标准对于确保行业一致性至关重要，并且是朝着规范数据采集和传输方法迈出的重要第一步。随着物联网和云技术在工业领域的应用不断增多，数据和协议标准化工作将为一致性和互操作性提供重要支持。
OPC基金会等工作组，强调了在更高水平的系统中对改进的数据采集与传输系统的需求，同时还要保持预定义的数据结构和数据访问权限。
越来越多的公司，开始使用现有的物联网协议，将数据传输到工程技术人员和决策者的数据表。这些协议用来定义数据传输机制，信道中的数据可以被转移到本地数据库或保存在公有或私有云上。所记录日期的格式不是由协议定义的，这使其能够以通用格式打包，如java字符串对象符号（JSON），或者是紧凑格式，如二进制。这种数据交换格式便于工业控制人员理解和支持，并且可以与市场上许多云平台、中间层软件和分析软件实现互操作。
标准化数据格式也是信息技术和自动化技术融合的重要一步。这也保证了工业设备以一种广泛使用的格式呈现所有数据，这样就可以对其进行解析，获取数据的真正价值。不论公司的优先事项和重点是什么，都有相应的硬件和软件工具，帮助生成更具可操作性的数据，以便改善生产经营活动。（作者：Daymon Thomp）