艾默生：连接多地工业数据源，实现全球制造智能

一家在80多个国家开展业务的大型跨国化工生产商致力于将经营成功、社会责任和保护环境有机结合，为可持续的未来创造化学产品，该公司在全球设立了6个高度集成的“Verbund”生产基地和350个生产基地，利用数字化和数据，提高工作效率和生产流程效率，同时为客户创造了附加价值。

作为智能制造的重要组成部分，该公司设立了可靠性中心，为现场设备的可靠性运行提供专业级支持。该中心可从公司的全球任何站点访问工业数据，并对数据进行分析，为生产现场提供建议，实现故障排除。下面我们来介绍这家化工企业的数字化转型项目如何以安全和可扩展的方式实现从多个应用程序到多个数据源的全球工业数据访问。

具有远程访问能力的可靠性中心

在加强制造智能化同时，需要一个统一的工业数据平台来取代目前广泛使用的点对点的数据传输和集成，管理和监控所有站点的设备，形成全球生产基地的智能设备管理平台，实现设备健康监测和远程运维能力。

No.1 连接和集成

许多化工厂在实践中发现，除了从控制系统获取流程的数据之外，获取其他设备和流程数据很有挑战性。例如，有些工厂建立了有线网物理层（如本质安全栅），这让数据获取变得困难。

No.2 智能数据和通用语言

数据必须包含有用的上下文，编码标签可能对现场人员很有用处，但对远程专家可能没有意义。相反，提供位置、工厂、设备和流程功能的描述性标签使远程人员能够更快、更有效地识别各种设备信息并进行分析。那么，使用不同命名规则的数据如何整合？企业级数据平台可能有所帮助，它能够将企业内多个数据源的数据映射同一个数据平台，且将同数据源的数据标签转换成统一命名规则，这是数据代理的功能之一。通常，这些规则是以类似于物理资产的分层方式构建的，称为数据模型。

No.3 数据传输和集成

一旦数据存储在数据湖并且采用标准化的标签系统，数据就可以在全球范围内可用。当授权用户搜索信息时，源应该是透明的。数据代理必须从数据所在的位置或应用程序中识别和检索数据。对于地理上分散在远距离设备，数据的区域复制可以加快搜索迅速。

No.4 可视化

使用来自智能传感器、设备和应用程序的信息实现可视化协作门户，一般来说，数据平台应使用标准化的仪表看板和屏幕提供可视化信息，以减少学习曲线和认知负荷。

中央系统管理示意图

No.5 扩展面临更多挑战

在全球范围内部署数据平台也带来了一些挑战，包括网络安全问题，如终端安全、用户身份验证以及遵守可能适用的不同国家法规。大规模的全球部署还可能带来更多挑战：应用程序性能、高端实时数据的可用性和可靠性、高昂的初始成本、较高的生命周期和维护成本，以及为具有不同需求的不同业务部门设计和实施全球标准的能力。

远程集成和中央系统管理

目前正在使用的数据平台连接来自不同数据源的信息，包括历史数据、电子表格和新的传感器数据。这个平台增强了数据分析能力，并向用户提供急需的信息。

经过审慎的选择，该企业选择了艾默生Plantweb Optics数据湖建立其企业数据平台。Optics数据湖使用单端口TCP/IP提供实时的双向连接。这与企业 IT系统集成标准非常一致。该解决方案优先传输压缩和加密数据，以接近实时地在企业广域网VPN上运行。Optics数据湖提供了一个多层的信息代理，可以将大量数据源与数据应用程序阵列解耦。企业级部署的网络基础设施（包括数据驱动的仪表板）基于NoSQL MongoDB数据库，它可以处理各种数据类型（时间序列、文本信息、警报或事件等），并在世界不同地区快速设置和复制，以加快本地用户的访问速度。

Plantweb Optics数据湖企业级解决方案目前应用在该公司全球四大洲的数十个工厂的50多台计算机上，连接数百个不同的分布式企业数据源。除了这一核心功能之外，该解决方案还嵌入了数据驱动的数字仪表看板、HTML5和流式分析等技术，并与Optics数据湖的KPI可视化门户相结合。

应用价值

迄今为止，已经实际应用的功能包括：

• 可访问全球的设备数据，为这些设备提供预测性维护，功能还在不断拓展中；
• 在其他企业工厂，从基础自动化到MES的连接几乎达到100%的数据可用性（一些远距离站点具有最高85%的数据可用性）。

未来，该企业将把信息作为公司全球预测性维护平台的关键组成部分，还计划将该解决方案扩展到其它制造智能领域。

目前企业已经解决了大部分访问和解析运营和制造数据的挑战，但就数据可用性、语境化和可伸缩性而言，新的数据层提供了一个高效和有效集成数据的解决方案。

结论

一个有效的数据平台可以帮助制造企业实现数字化转型。用于智能制造、智能工厂、工业4.0等项目；人、机器、工厂、物流和产品需要轻松的沟通和合作。为了连接这些不同的数据源，需要一个统一的、灵活的、高性能的系统来提供企业范围的实时数据和信息流。（来源：艾默生）