2.2 数据采集方法
（1）传感器
传感器是一种检测装置，能感受到被测量的信息，并将信息按一定规律转换成电信号或其他所需形式的信息输出，以满足数据的传输、处理、存储、显示和控制等要求。生产车间中存在许多传感节点，24小时监控着整个生产过程，当发现异常时，迅速反馈至上位机，是数据采集的感官接收系统，属于数据采集的底层环节。
（2）RFID技术
RFID射频识别技术是一种非接触式的自动识别技术，通过射频信号自动识别目标对象、获取数据信息并交换数据。RFID技术可识别高速运动物体并可同时识别多个标签，操作快捷方便。
在工作时，RFID读写器通过天线发送出一定频率的脉冲信号，当RFID标签进入磁场时，凭借感应电流所获得的能量发送出存储在芯片中的产品信息，或者主动发送某一频率的信号。阅读器对接收的信号进行解码，然后送到后台主系统进行相关处理。主系统根据逻辑运算判断该卡的合法性，针对不同的设定做出相应的处理和控制，发出指令信号控制执行动作。
2.3 数据采集难点
（1）数据量巨大
如果单纯是将数据采集到，可能还比较好完成。但是，因为必须要考虑数据的规范与清洗，所以在存储之前需要对海量的数据进行处理，从技术上又提高了难度。
（2）工业数据的协议不标准
互联网数据采集一般都是常见的HTTP等协议，但在工业领域，有ModBus、OPC、CAN、ControlNet、DeviceNet、Profibus、Zigbee等各类型工业协议，而且各个自动化设备生产及集成商还会自己开发各种私有的工业协议，导致在工业协议的互联互通上，出现了极大的难度。很多企业在工业现场实施综合自动化等项目时，遇到的最大问题就是面对众多的工业协议，无法及时有效的进行解析和采集。
（3）视频传输所需通讯带宽巨大
随着云计算技术的普及、公有云的兴起，大数据需要大量的计算资源和存储资源，因此工业数据逐步迁移到公有云已经是大势所趋了。现在一个工业企业可能会有几十路视频，成规模的企业会有上百路视频，如此大量的视频文件如何通过互联网顺畅的传输到云端，也是需要面临的巨大挑战。
（4）对原有系统的采集难度大
在实施大数据项目时，数据采集往往不仅仅是针对传感器或者PLC，而是采集已经部署完成的自动化系统的上位机数据。这些自动化系统在部署时，厂商水平参差不齐，大部分系统是没有数据接口的，文档也大量缺失，大量的现场系统没有点表等基础设置数据，使得对这部分数据采集的难度极大。
（5）安全性考虑不足
原先的工业系统都是运行在局域网中，安全问题不是突出考虑的重点。一旦需要通过云端调度工业之中最为核心的生产能力，又没有对安全的充分考虑，造成的损失是难以弥补的。
3、数据展示
数据采集、处理之后，需要对采集数据进行展示，例如智能产品/智能生产设备/智能测试设备运行状态报告，可以显示出当前每台设备的运行状态，是否空闲、空闲时间多少、是否加工中、加工时间多少、状态设置如何、正在运行中或是出了故障等。
数据展示需要对采集到的项目数据提供多种报表的展示，例如设备综合利用率OEE报表，能够准确清楚地分析出设备效率如何，在生产的哪个环节有多少损失，以及可以进行哪些改善工作。设备实时状态跟踪、能耗看板，将生产现场的设备状况第一时间传达给相应的使用者。企业通过对工厂设备状态的实时了解，可以实现即时、高效、准确的精细化设备管理。
