Advanced Materials Research Online: 2013-11-08

ISSN: 1662-8985, Vol. 837, pp 618-623 doi:10.4028/www.scientific.net/AMR.837.618 copy; 2014 Trans Tech Publications, Switzerland

Methods of manufacturing data acquisition for production management – a review Grzegorz Ćwikła

Silesian University of Technology, The Faculty of Mechanical Engineering ul. Konarskiego 18a, 44-100 Gliwice, Poland e-mail: grzegorz.cwikla@polsl.pl

Keywords: data acquisition, production monitoring, PLC, SCADA, automatic identification systems, OPC, MTConnect

Abstract: Knowledge about the state of the production system is necessary for proper management of a company. A modern company typically uses an ERP (Enterprise Resources Planning) system for management support, but still there is usually a gap between business and manufacturing layers of a company. There is a need to provide solutions allowing data acquisition directly from the production system, analyse this data and display it in a convenient form. Each type of production systems require a different approach to collect data because of variety of objects and conditions. The ability of production data acquisition mostly depends on the level of automation. This paper presents a comparison of methods of data acquisition from different types of manufacturing systems. Methods of data acquisition, from both automated and non-automated manufacturing systems, are described. Automation equipment resources (sensors, actuators, PLC, DCS, CNC, HMI, SCADA) and automatic identification systems (barcodes, RFID, vision systems etc.), as well as communication solutions (fieldbus, wired and wireless networks) and information exchange standards (OPC, MTConnect) are discussed.

Introduction

The management of the company should obtain up-to-date information on the situation in the companyrsquo;s production system. Information should contain data on execution of production orders, effectiveness of machinery and equipment, circulation of materials, semi-finished and finished products, activities performed by employees, quality of products, etc [[1]]. This information should be relayed to the management of the company and to information systems supporting the company operation and its resource planning (ERP), either directly or via middleware – Manufacturing Execution Systems (MES). Data acquisition from production systems in a competitive and globalized economy is becoming a more important issue because it is one of remaining means to improve the companys performance through the integration of the business and manufacturing company layers.

In automated production systems, control devices are equipped with sensory systems, collecting signals for the automatic control, as well as adequate communication networks. In modern production systems there are often SCADA/HMI (Supervisory Control and Data Acquisition, Human-Machine Interface) systems used for the processing and archiving of process data. In this case, the problem may be in the cooperation between devices, networks, and software of different manufacturers, from different periods of time. Solutions must also handle a large amount of data collected, of which you have to select the important information.

In the case when the level of automation of technological processes is low, there are different problems with data acquisition. Companies where the majority of operations are performed using simple equipment and tools, or completely manually, suffer a lack of data on production processes and material flow. Data are mainly collected manually, with delays and low reliability.

The problems described implies the need to systematize and develop methods to obtain information on production and material flow from the companies characterized by different levels of production processes automation.

All rights reserved. No part of contents of this paper may be reproduced or transmitted in any form or by any means without the written permission of Trans

Tech Publications, www.ttp.net. (ID: 130.203.136.75, Pennsylvania State University, University Park, USA-06/03/16,23:02:07)

Classification of data acquisition methods and means

In typical production systems, data acquisition is carried out due to a variety of applications, like automatic control of technological processes, the diagnosis of machines, equipment and processes, and management of companyrsquo;s manufacturing system.

Solving the problem of data acquisition for the purposes of management requires, in the first instance, the classification of production systems due to the characteristics that affect the availability of the data. The basic criterion for this classification may be the degree of automation of the technological processes. Due to this criteria it is possible to specify the following types of production systems: 1. automated systems using modern control devices, equipped with a network interfaces, 2. automated systems using older or less sophisticated types of control devices, without communication interfaces, 3. mechanized systems, in which no means of automation are used, 4. systems in which most of operations are performed manually or using simple equipment and tools. Methods and means of data acquisition should also be classified to allow development of methodology of data acquisition for management purposes. Figure 1 shows the proposed classification of methods of data acquisition for the purpose of the company management.

Fig. 1. Classification of methods of data acquisition from production systems

In the companies characterized by a predominance of processes performed manually the basis of information retrieval is the method referred to as the manual acquisition. It is based on direct communication between employees at different levels o

剩余内容已隐藏，支付完成后下载完整资料

Advanced Materials Research Online: 2013-11-08

ISSN: 1662-8985, Vol. 837, pp 618-623 doi:10.4028/www.scientific.net/AMR.837.618 copy; 2014 Trans Tech Publications, Switzerland

工业生产管理中的数据采集方法回顾

Grzegorz Ćwikła

Silesian University of Technology, The Faculty of Mechanical Engineering ul. Konarskiego 18a, 44-100 Gliwice, Poland e-mail: grzegorz.cwikla@polsl.pl

关键字: 数据采集, 生产监控, PLC, SCADA, 自动识别系统, OPC, MTConnect

摘要: 时刻了解生产系统的状态对于公司的正确管理是非常必要的。现代企业通常使用ERP(企业资源规划)系统来提供管理支持，但企业的业务层和制造层之间通常仍然存在着差距。企业需要一种解决方案，允许直接从生产系统获取数据，分析这些数据并以便捷的形式显示。由于对象和条件的不同，每种生产系统都需要不同的方法来收集数据。生产数据采集的能力主要取决于自动化水平。本文通过对不同类型制造系统的数据采集方法进行了比较。介绍了从自动化和非自动化制造系统中获取数据的方法。讨论了自动化设备资源(传感器、执行器、PLC、DCS、CNC、HMI、SCADA)和自动识别系统(条形码、RFID、视觉系统等)，以及通信解决方案(现场总线、有线和无线网络)和信息交换标准(OPC、MTConnect)。

介绍

公司管理层应掌握公司生产系统的最新情况。信息应包含生产订单执行情况、机械设备有效性、物料流通、半成品和成品、员工活动、产品质量等数据[[1]]。这些信息应该直接或通过中间件——制造执行系统(MES)传递给公司管理层和支持公司运营及其资源规划(ERP)的信息系统。在竞争激烈和全球化的经济中，从生产系统获取数据变得越来越重要，因为这是通过业务层和制造层集成来提高公司绩效的剩余手段之一。

在自动化生产系统中，控制装置配有传感器，为自动控制收集信号，以及充足的通信网络。在现代生产系统中，通常采用SCADA/HMI(监控与数据采集、人机接口)系统对工艺数据进行处理和存储。在这种情况下，问题可能在于来自不同时期、不同制造商的设备、网络和软件之间的共同作用。解决方案还必须处理收集的大量数据，其中必须选择重要的信息。

在工艺流程自动化程度较低的情况下，数据采集存在着不同的问题。在大多数操作都是使用简单设备和工具，或完全手工操作的企业，缺乏关于生产过程和物料流动的数据。其数据采集主要采用手工方式，数据采集时延长，可靠性低。这意味着需要系统化和发展方法，以便从具有不同生产过程自动化水平的公司获得有关生产和物质流动的信息。

数据采集方法和方法的分类

在典型的生产系统中，数据采集被用于各种应用，如工艺过程的自动控制，机器、设备和过程的诊断，以及公司制造系统的管理。

为了解决管理目的的数据采集问题，首先需要根据影响数据可用性的特征对生产系统进行分类。这种分类的基本标准可能是由工艺过程的自动化程度决定的。根据这个标准，可以指定以下类型的生产系统: 1.自动化系统采用现代控制设备和网络接口。2 .使用较老的或不太复杂的控制设备的自动化系统，没有通信接口。3.不使用自动化手段的机械化系统且大多数操作是手工操作或使用简单设备和工具进行的系统。数据收集的方法和手段也应加以分类，以便开发用于管理目的的数据采集方法。图1显示了企业为管理目的而提出的数据采集策略的分类。

Fig. 1. Classification of methods of data acquisition from production systems

在以手工操作流程为主的企业中，信息检索的基础是手工获取的方法。它是基于不同层次管理人员之间的直接沟通。这种解决方案有很多缺点，首先，它在现代工业系统的背景下是低效的。手工获取常常与错误和延迟的出现相关联。此外为了保存记录而将工人从他们的主要任务中移除也会降低生产力。

现代管理支持系统(ERP、MES)的需求使得有必要使用更可靠、更快的解决方案。这就引出了采集方法的定义，称为半自动采集(也称为辅助人工采集)。在这些方法中，可能需要工人的干预，但它是最小化的，并且员工的行为得到了硬件和软件解决方案的支持，从而能够降低数据采集的错误率并提高其速度。半自动数据采集可以使用固定或移动的硬件和软件解决方案来实现。这些解决方案的基础大多是物体的自动识别技术。这类解决方案允许从非自动化和半自动化生产系统以及完全自动化的系统获取用于管理目的的信息。目前，用于物体自动识别的方法有很多。它们可以基于:条形码(光学读数)、磁道、射频识别(RFID)、图像分析(机器视觉)或语音等。

620 工业工程的现代技术

自动采集是指在不需要人工干预的情况下，从工艺过程自动控制系统中检索数据。数据来自传感器、工业控制器、数控机床、机器人、“智能”执行器、SCADA系统等来源[[2]]。在这种情况下，经常使用自动识别和机器视觉系统来辅助过程控制和数据采集。

手工数据采集

自动化、机器人学和机械化使人类对生产过程的参与大大减少，但仍有一些过程不是自动化的，主要原因是盈利能力不足。根据生产过程的具体情况，员工可以扮演以下角色:手工操作的执行者、仓库工人、机械、设备和运输工具的操作员等。从工人那里获得的信息通常由中层管理人员或数据输入操作员输入管理支持系统。数据可以直接输入到业务层(例如ERP)系统中，也可以输入到标准文字处理器或电子表格中的各种类型的文档模板中。研究和实践的结果表明，员工并不是一个可靠的信息来源，由于主观、疏忽或恶意等原因，信息的转发存在相当大的延迟和错误。最常用的手工数据获取方法是通过对话(直接或电话)或表单和报告(也使用简单的软件工具——文字处理程序、电子表格)从员工那里获取数据。这些方法在现代企业中是不够的，有必要创建替代的、更可靠的方法。

自动数据采集

用于管理的自动数据采集在自动化生产系统中是可行的。这些解决方案涵盖了从生产系统的自动控制部分获取数据的大部分需求[[3]]。用于控制的数据采集通常是自动实现的，不需要员工的参与。为控制过程而获取的数据可以同时用于管理目的，但通常需要预处理和适当的接口。工业自动化系统的元素的列表,可以ERP系统的数据来源包括:控制和测量设备安装在机器和设备,测量仪器(传感器、传感器等)、设备用于质量控制、工业自动化-电磁阀执行器,伺服驱动器,频率逆变器,计量泵等,自动识别系统(条形码阅读器,射频识别),机器视觉系统,控制设备:plc、工业计算机、操作面板(人机界面HMI)、分布式控制系统(DCS)、监控与数据采集系统(SCADA)、机械与设备执行过程:机械、数控机床、工业机器人、运输系统、码垛系统等设备。上述设备作为数据源可以分为两类:主设备和辅助设备。典型的主要来源是传感器和测量设备，直接响应物理过程中的变化。工业控制器(PLC、DCS)、数控控制系统、工业机器人等设备都可以作为二次源，因为它们对一次源信号进行中继。同时，通过控制算法对原始数据源数据的处理，生成新的数据。

SCADA系统也是辅助源，集成来自不同类型源的数据。同时，由于实现了主控制算法，SCADA系统还可以从进程操作员或监控器(手工输入的命令和数据)收集数据或生成数据。

主要数据源。初始数据源主要是各种类型的传感器和传感器，将环境中发生的物理现象转化为电信号。传感器可用于测量或检测诸如温度、压力、位置、运动、加速度、传感器操作领域中物体的存在等。得到的信号可以是模拟的、二进制的或数字的。在自动化过程中传感器的类型和位置的选择是系统设计者的职责。传感器可以提供正在进行的制造过程的状态、机器环境和机器状态的信息。

现代工业自动化执行机构具有自诊断系统和通信接口，也可以作为主要的数据来源。这类装置的例子有现代伺服驱动器、变频器等。自动识别系统和机器视觉系统也可以应用于过程自动化技术对系统进行直接控制。

次要数据源。依赖于主要数据源数据的设备和系统被认为是次要数据源。次要数据源还可以基于原始数据创建新数据，这对于控制目的是必要的。例如工业控制器(PLC、DCS、IPC)、工业机器人、数控机床和SCADA系统。

plc(可编程逻辑控制器)是当今生产过程自动化最重要的技术手段，它实际上是在实时操作系统下运行的专用工业计算机，从传感器和测量设备收集数据，执行控制算法，并与其他设备通信。现代plc允许与pc机、其他控制器、测量仪器、执行器和人机界面(HMI)的元件共享数据，这要归功于以各种标准运行的通信模块。

在实际应用中，plc集成了过程控制层的大部分传感器和执行器。由于通信接口，可以访问PLC的内存和存储值的输入和进程变量，这允许下载这些信息。

越来越多的公司在其生产系统中使用现代机械，如带有CNC(计算机数控)的机床、DNC(直接数控)和工业机器人。数控控制系统在结构上类似于传统的计算机，设计用于处理特定的机器。从数据采集的角度来看，这些控制系统的通信能力是最重要的[[4]]。数控标准设备由一组二进制输入/输出和一组传感器组成，用来检测机器的状态。更多的最新机器至少配备了串行接口或通信网络接口，这允许数据采集。

HMI / SCADA系统是硬件和/或软件解决方案，允许可视化、过程数据存档、对工艺过程的监控。SCADA系统可以作为plc和其他设备(如数控机床)的主控制。大多数SCADA系统为操作员提供控制，并允许输入额外的数据。SCADA系统还允许记录操作员所采取的操作。所有这些特性使得SCADA系统成为一个集成了来自控制系统的大部分数据的组件，这对于获取用于管理目的的信息是一个很好的基础。

网络、标准和接口。从控制系统获得的数据必须通过适当的接口发送到企业上层的系统，从而在硬件和软件两级实现这些系统的集成。自动化系统市场的高度分散化带来了许多问题——不同的硬件和软件制造商提出了许多相互竞争的标准和解决方案。这适用于控制系统和工业通信网络[[5]]。用于连接不同级别的自动控制(现场总线)的网络大多基于标准的OSI模型，但它们的实现通常依赖于硬件制造商。这导致生产系统的通信结构混乱，降低了效率。这种情况导致试图引入统一的标准和通信协议，允许访问控制系统(OPC、MTConnect等)中的数据。

OPC标准引入了专门的服务器，负责收集和共享来自工业控制设备的各种数据[[6]]。由于OPC，客户端软件可以使用当前和历史数据、警报和事件等。服务器通常专用于特定制造商或特定标准的特定系列PLC设备。OPC客户机模块可以访问由OPC服务器共享的标准化表单中的数据，这些模块集成在需要访问来自控制系统(SCADA、MES甚至ERP)的数据的应用程序中。客户端可以使用标准的OPC协议与任何OPC服务器通信，从而可以访问来自不同厂家的plc的数据。SCADA系统通常有内置的OPC客户机(用于与plc通信)和OPC服务器，OPC服务器可以向其他客户机提供数据。

622 Modern Technologies in Industrial Engineering

MTConnect是一种新的通用通信标准，旨在允许访问数控机床的数据。由于MTConnect，从不同机器收集的数据可以以单一的、面向对象的格式提供。它基于标准的web技术——HTTP和XML。与MTConnect兼容的设备在本地处理信息，然后以标准格式提供给任何客户机应用程序[[7]]。在客户机软件请求之后，与MTConnect兼容的机器发送一个格式化的XML文件，其中包含关于机器状态和当前进程的数据。这样的文件可以很容易地被任何软件解析。

半自动数据采集

在企业中使用半自动数据采集方法的原因是需要比手工采集更高效、更可靠的解决方案。改进手工获取的最简单方法是为低层员工提供访问计算机终端的机会，计算机终端配有支持数据输入的软件。终端可以是固定的也可以是移动的，为输入数据而设计的程序应该以方便数据输入的同时降低出错风险的方式编写。这个解决方案仍然需要员工花费宝贵的时间来输入冗长的字符串。这个问题可以通过使用自动识别系统来解决。这些系统通常使用带有编码信息和相应读取器的标签，允许快速可靠地读取[[8]]。应用最广泛的自动识别系统是条形码技术和RFID技术。这一类别还可能包括视觉系统，它与以前的方法不同，因为不需要标签和不同的应用范围。

最常用的自动识别方法是条码技术，它主要是仓库管理系统的数据来源[[9]]。条形码技术最重要的优点是标签价格低廉。该技术的优点使其成为生产系统、物流和仓储中主要的识别方法[[10]，[11]]。在生产系统的许多地方部署条形码扫描器，使我们能够获得有关材料、半成品或成品和设备流程的信息。

RFID系统(射频识别)是基于无线数据传输的。RFID标签(tags)尺寸紧凑，可以抵抗特定的环境因素(热

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[20069]，资料为PDF文档或Word文档，PDF文档可免费转换为Word