近年来，数据和分析能力突飞猛进。可用数据量呈指数级增长，更复杂的算法得到开发，计算能力和存储能力稳步提高。因此，新常态不是依靠直觉，而是依靠数据来推动数字创新和业务决策。事实上，对于包括制造业在内的组织来说，数据是“最有价值的资源”。工业 4.0 汇集了先进的制造技术，如人工智能 (AI)、机器学习 (ML)、数字孪生、增强现实 (AR) 和虚拟现实 (VR)，以实现独立运行的集成、自主和自组织制造系统人为干预。制造机器/过程数据可以通过算法进行分析，并用于直接影响生产输出的关键实时业务和运营决策。如图 1 所示，从 d 出发的旅程数据收集到数字成熟度是一种添加分析、上下文和洞察力的方式，将从设备或系统捕获的原始数据转化为信息、知识，并最终为决策者提供可操作的智慧。图 1：实现工业 4.0 过程中数据成熟度模型的各个阶段。首先，数据是从制造机器/流程中收集的，并被规范化、数字化和组织为大数据。接下来，添加意义并通过人工智能将数据合成为知识。最后，通过对数字成熟度的综合洞察力，将数据转化为可操作的智慧。
数据收集——第一个前沿
实现工业 4.0 数字成熟度的第一个也是最重要的前沿是数据收集。来自制造机器/过程的数据通过传感器捕获并通过多种关键技术存储。在操作技术 (OT) 端，数据存储在h 控制器、PLC、网关和边缘设备，以及 IT 端的数据中心或企业云。数据存储技术可以长期存储从高级传感器捕获的数字化数据。这种数据丰富的环境支持从工业物联网 (IIoT) 到大数据和模拟、人工智能、自适应控制和数字孪生的计划。制造业中的数据收集存在一些挑战。制造工厂中的机器和流程是异构的，并使用各种协议进行通信。由于工厂系统陈旧、遗留的性质，数据连接也是一个主要问题。因此，通常 IT 和 OT 系统没有一种简单的通信方式来实现工业 4.0 计划。数据代理是克服这些挑战并将 OT 数据桥接到 IT 系统的关键技术推动因素。使用 MQTT 等底层标准，数据代理支持连接多个客户端的能力发送数据和订阅接收数据的多个客户端，例如企业应用程序。与代理通信的客户端可以抽象出机器/进程用于通信的底层协议。由于底层的发布/订阅方法，代理在低带宽环境中工作良好，通信机制不可靠，其中机器/进程不需要保持轮询以获取数据。代理能够在发布客户端之间安全地通信数据，通常是在OT 端到订阅 IT 端的客户端。例如，流分析应用程序可能需要来自 SCADA 系统的数据来运行其分析并发布实时结果。该应用程序将运行订阅代理的 MQTT 客户端。 SCADA 客户端会在可用时向代理发布数据。因此，订阅代理的流分析应用程序将自动获取更新，而无需 p图 2 提供了数据代理如何连接多台机器/进程和应用程序以实现无缝双向数据移动的示例数据架构。图 2：数据的架构必须支持多个数据生产者和数据消费者，将 OT 连接到 IT。 结论
正如本文所讨论的，如果正确利用数据，数据是许多组织最有价值的资产，尤其是在制造业中。为了从工业 4.0 技术中获得最大收益，需要将数据转化为智慧。迈向这一旅程的关键第一步是数据收集。数据收集面临多项挑战，尤其是在将数据从 OT 系统有效桥接到 IT 系统时。数据经纪人在确保数据可用于高级用例方面发挥着非常重要的作用，从而使组织能够充分受益于工业 4.0 技术。Abou作者 Ravi Subramanyan，HiveMQ 行业解决方案制造总监 Ravi Subramanyan 是产品营销和管理领导者，在提供高质量产品和服务方面拥有丰富的经验，为摩托罗拉、通用电气、博世等公司创造了超过 100 亿美元的收入和成本节约, 和堰。 Subramanyan 先生已成功推出产品、建立品牌并为全球和区域业务团队制作产品广告和营销活动。Linkedin 个人资料：https:///in/ravisubra/电子邮件 ID：Ravi Subramanyan
