《工業(yè)大數(shù)據(jù)導(dǎo)論》 課件 第4章-工業(yè)大數(shù)據(jù)采集技術(shù)基礎(chǔ)

工業(yè)大數(shù)據(jù)采集技術(shù)基礎(chǔ)目錄一、工業(yè)大數(shù)據(jù)來源二、工業(yè)大數(shù)據(jù)的數(shù)據(jù)項(xiàng)三、工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)四、工業(yè)大數(shù)據(jù)組合采集技術(shù)五、課后習(xí)題目錄一、工業(yè)大數(shù)據(jù)來源二、工業(yè)大數(shù)據(jù)的數(shù)據(jù)項(xiàng)三、工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)四、工業(yè)大數(shù)據(jù)組合采集技術(shù)五、課后習(xí)題工業(yè)大數(shù)據(jù)來源工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟在2017年7月發(fā)布的《工業(yè)大數(shù)據(jù)技術(shù)與應(yīng)用白皮書》中提出，“工業(yè)大數(shù)據(jù)即工業(yè)數(shù)據(jù)的總和，我們把它分成三類，即企業(yè)信息化數(shù)據(jù)、工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)，以及外部跨界數(shù)據(jù)”。工業(yè)大數(shù)據(jù)的定義什么是企業(yè)信息化？

企業(yè)信息化（Enterprisesinformatization）是將企業(yè)的日常的運(yùn)營過程，包括產(chǎn)品生產(chǎn)、貨料物流、現(xiàn)金流動、業(yè)務(wù)辦理、客戶交互、售后服務(wù)等進(jìn)行數(shù)字化，并通過信息網(wǎng)絡(luò)進(jìn)行融合處理，使企業(yè)能夠快速掌握全部業(yè)務(wù)信息，實(shí)現(xiàn)業(yè)務(wù)管理的科學(xué)決策，提高企業(yè)在全球化市場經(jīng)濟(jì)中的競爭力。工業(yè)大數(shù)據(jù)來源企業(yè)信息化數(shù)據(jù)ERP系統(tǒng)數(shù)據(jù)不僅包括生產(chǎn)資源、制造流程、財(cái)務(wù)信息、設(shè)備原料等信息，還將包括產(chǎn)品質(zhì)量、產(chǎn)品研發(fā)、業(yè)務(wù)流程、產(chǎn)品測試、產(chǎn)品存貨、產(chǎn)品分銷、物流運(yùn)輸、人力資源等各項(xiàng)數(shù)據(jù)。MES系統(tǒng)覆蓋制造數(shù)據(jù)、計(jì)劃排產(chǎn)數(shù)據(jù)、生產(chǎn)調(diào)度數(shù)據(jù)、庫存數(shù)據(jù)、產(chǎn)品質(zhì)量數(shù)據(jù)、人力資源、設(shè)備工具、原料設(shè)備采購、產(chǎn)品成本、產(chǎn)線看板、生產(chǎn)過程控制等。工業(yè)大數(shù)據(jù)來源外部跨界數(shù)據(jù)來源

外部跨界數(shù)據(jù)來源于企業(yè)、產(chǎn)業(yè)鏈之外,諸如氣候變化、生態(tài)約束、政治事件、自然災(zāi)害、市場變化、政策法規(guī)等，卻影響者企業(yè)的生產(chǎn)運(yùn)營。氣象觀察自然災(zāi)害氣象播報(bào)電視媒體新聞、網(wǎng)絡(luò)媒體新聞播報(bào)工業(yè)大數(shù)據(jù)來源外部跨界數(shù)據(jù)實(shí)現(xiàn)避免損失加工制造企業(yè)通過收集氣象數(shù)據(jù)、訂單數(shù)據(jù)、原材料數(shù)據(jù)、設(shè)備數(shù)據(jù)等，及時的調(diào)整產(chǎn)品的生產(chǎn)計(jì)劃、物流運(yùn)輸以及相關(guān)安全措施，能夠避免天氣因數(shù)影響企業(yè)訂單交付和企業(yè)的財(cái)產(chǎn)財(cái)產(chǎn)損失。訂單數(shù)據(jù)原材料數(shù)據(jù)設(shè)備數(shù)據(jù)調(diào)整生產(chǎn)計(jì)劃物流運(yùn)輸安全措施訂單及時交付避免財(cái)產(chǎn)損失氣象數(shù)據(jù)工業(yè)大數(shù)據(jù)來源外部跨界數(shù)據(jù)提高銷售業(yè)績利潤市場銷量制定銷售策略獲取相關(guān)數(shù)據(jù)企業(yè)的銷售部門通過收集各地方的收入情況、各地的傳統(tǒng)習(xí)俗、宏觀的經(jīng)濟(jì)數(shù)據(jù)等，有效的針對不同地區(qū)進(jìn)行本地化的宣傳和銷售策略，提高產(chǎn)品的銷售量，為企業(yè)創(chuàng)造更多的利潤。收入情況風(fēng)俗習(xí)慣市場環(huán)境工業(yè)大數(shù)據(jù)來源什么是工業(yè)互聯(lián)網(wǎng)？工業(yè)物聯(lián)網(wǎng)是將具有感知、監(jiān)控能力的各類采集、控制傳感器或控制器，以及移動通信、智能分析等技術(shù)不斷融入到工業(yè)生產(chǎn)過程各個環(huán)節(jié)，從而大幅提高制造效率，改善產(chǎn)品質(zhì)量，降低產(chǎn)品成本和資源消耗，最終實(shí)現(xiàn)將傳統(tǒng)工業(yè)提升到智能化的新階段。萬物互聯(lián)智能工廠工業(yè)大數(shù)據(jù)來源工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)可來自數(shù)控機(jī)床、RFID、傳感器、條碼、測量儀器、機(jī)器人、AGV小車、自動化貨倉、PLC設(shè)備等。機(jī)器人數(shù)控機(jī)床RFID測量儀器AGV小車自動化貨倉工業(yè)大數(shù)據(jù)來源數(shù)控機(jī)床數(shù)據(jù)

數(shù)控機(jī)床是機(jī)械制造業(yè)的“工作母機(jī)”，是制造企業(yè)最基本、最重要的制造設(shè)備。以數(shù)控機(jī)床為例，基于數(shù)據(jù)實(shí)時性可將其分為兩類：機(jī)床運(yùn)行狀態(tài)數(shù)據(jù)和機(jī)床執(zhí)行過程數(shù)據(jù)。工業(yè)大數(shù)據(jù)來源目錄一、工業(yè)大數(shù)據(jù)來源二、工業(yè)大數(shù)據(jù)的數(shù)據(jù)項(xiàng)三、工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)四、工業(yè)大數(shù)據(jù)組合采集技術(shù)五、課后習(xí)題數(shù)據(jù)項(xiàng)概念數(shù)據(jù)項(xiàng)(DataItem)是數(shù)據(jù)組成的基本元素，是數(shù)據(jù)記錄中最基本的、不可分的有名數(shù)據(jù)單位，是具有獨(dú)立含義的最小標(biāo)識單位，用來描述實(shí)體的某種屬性。數(shù)據(jù)數(shù)據(jù)對像數(shù)據(jù)元素?cái)?shù)據(jù)項(xiàng)數(shù)據(jù)項(xiàng)(DataItem)—有獨(dú)立含義的數(shù)據(jù)最小單位，也稱域(field)數(shù)據(jù)(Data)—所有能輸入到計(jì)算機(jī)中去的描述客觀事物的符號數(shù)據(jù)對象(DataObject)—相同特性數(shù)據(jù)元素的集合，是數(shù)據(jù)的一個子集數(shù)據(jù)元素(DataElement)—數(shù)據(jù)的基本單位，也稱結(jié)點(diǎn)(node)或記錄(record)工業(yè)大數(shù)據(jù)的數(shù)據(jù)項(xiàng)定義數(shù)據(jù)項(xiàng)的意義對于一臺機(jī)床來說，至少有數(shù)十種數(shù)據(jù)項(xiàng)，如何去識別這些數(shù)據(jù)便成為了一個問題。通過定義數(shù)據(jù)項(xiàng)，賦予數(shù)據(jù)項(xiàng)一個id，這個id是具有唯一性的，就如同現(xiàn)實(shí)生活中的門牌號一樣，我們能夠通過這個id去識別和獲取這個數(shù)據(jù)項(xiàng)所代表的物理屬性。對于同一類設(shè)備來說，所有的數(shù)據(jù)是種類相同的，但是如何能夠很方便的采集和存儲這一類設(shè)備的數(shù)據(jù)，通過定義數(shù)據(jù)項(xiàng)，將標(biāo)準(zhǔn)與格式統(tǒng)一，那么在采集和存儲時，便只需要一種標(biāo)準(zhǔn)即可，極大程度上減少了開發(fā)人員的工作量，和后期對數(shù)據(jù)維護(hù)的成本。（1）用于識別（2）統(tǒng)一標(biāo)準(zhǔn)工業(yè)大數(shù)據(jù)的數(shù)據(jù)項(xiàng)NC-Link中定義數(shù)據(jù)項(xiàng)以NC-Link協(xié)議中定義數(shù)控系統(tǒng)中的X軸實(shí)際位置這一數(shù)據(jù)項(xiàng)為例，介紹在NC-Link中如何進(jìn)行數(shù)據(jù)項(xiàng)的定義：{"id":"model.device.0.axis.1.act_position",（用戶可自行設(shè)置id，用于標(biāo)識此數(shù)據(jù)項(xiàng)，具有唯一性，用于識別）"type":"POSITION",（數(shù)據(jù)對象類型之一，例如CURRENT,VERSION，POSITION等。）"source":"MOTOR",（描述數(shù)據(jù)來源于哪個組件，為了方面用戶在不用全部詳細(xì)描述所有組件的情況下，根據(jù)已列出和未列出組件的類型描述數(shù)據(jù)的位置。）"name":"軸的實(shí)際位置",（數(shù)據(jù)項(xiàng)名稱，用戶可自行定義。）

}{

"id":"model.device.0.axis.1.act_position",

"type":"POSITION",

"source":"MOTOR",

"name":"X軸的實(shí)際位置",

}

實(shí)例化模板實(shí)例工業(yè)大數(shù)據(jù)的數(shù)據(jù)項(xiàng)目錄一、工業(yè)大數(shù)據(jù)來源二、工業(yè)大數(shù)據(jù)的數(shù)據(jù)項(xiàng)三、工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)四、工業(yè)大數(shù)據(jù)組合采集技術(shù)五、課后習(xí)題工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)傳感器的作用光敏傳感器——視覺聲敏傳感器——聽覺氣敏傳感器——嗅覺化學(xué)傳感器——味覺壓敏、溫敏、流體傳感器——觸覺新技術(shù)革命的到來，世界開始進(jìn)入信息時代。在利用信息的過程中，首先要解決的就是要獲取準(zhǔn)確可靠的信息，而傳感器是獲取自然和生產(chǎn)領(lǐng)域中信息的主要途徑與手段。在現(xiàn)代工業(yè)生產(chǎn)尤其是自動化生產(chǎn)過程中，要用各種傳感器來監(jiān)視和控制生產(chǎn)過程中的各個參數(shù)，使設(shè)備工作在正常狀態(tài)或最佳狀態(tài)，并使產(chǎn)品達(dá)到最好的質(zhì)量。因此可以說，沒有眾多的優(yōu)良的傳感器，現(xiàn)代化生產(chǎn)也就失去了基礎(chǔ)。傳感器又被稱為“電五官”傳感器工作原理

傳感器就是一種能夠?qū)⑼饨绲奈锢砹啃畔z測出來，并將其轉(zhuǎn)換為模擬量或者數(shù)字量等電訊號，然后通過網(wǎng)絡(luò)進(jìn)行傳輸和存儲的一種器件或裝置。輸入量輸出量A/D或D/A物理量、化學(xué)量、生物量等電信號（模擬量、數(shù)字量等）傳感器對于機(jī)器就與感覺器官對于人類一樣，用來感覺外界的信息。使得安裝了傳感器的設(shè)備能夠感知其自生和周圍，使其有了類似于人的觸覺、味覺和嗅覺等感官，從而有了實(shí)現(xiàn)自動檢測和自動控制的可能。工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)傳感器采集的物理量有位移、速度、加速度、力、時間、頻率、溫度、光等等，以及這些物理量所派生出的物理量。采集量舉例工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)傳感器一般由敏感元件、轉(zhuǎn)換元件、調(diào)理電路三部分組成，敏感元件直接感受被測量，并輸出與被測量有確定關(guān)系的物理量信號；轉(zhuǎn)換元件將敏感元件輸出的物理量、化學(xué)量及生物量信號轉(zhuǎn)換為電信號；調(diào)理電路負(fù)責(zé)對轉(zhuǎn)換元件輸出的電信號進(jìn)行放大調(diào)制。敏感元件被測量直接感應(yīng)被測量將被測量轉(zhuǎn)換為電信號將微電信號進(jìn)行轉(zhuǎn)換和放大傳感器的組成調(diào)理電路轉(zhuǎn)換元件模擬量數(shù)字量工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)傳感器的發(fā)展歷程第一階段（1950~1969）結(jié)構(gòu)型傳感器出現(xiàn)第二階段（1970~80年代）固體傳感器逐漸發(fā)展第三階段（80年代~至今）智能傳感器出現(xiàn)傳感器的發(fā)展歷程大體可以分為以下三個階段：結(jié)構(gòu)型傳感器固體傳感器智能傳感器工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)壓力傳感器溫度傳感器位移傳感器霍爾傳感器加速度傳感器工業(yè)中常用傳感器工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)單點(diǎn)采集架構(gòu)工業(yè)大數(shù)據(jù)的單點(diǎn)采集技術(shù)架構(gòu)可分為四個層次，分別為感應(yīng)層、采集層、存儲層、應(yīng)用層，每一層分工明確，互不干擾，保障數(shù)據(jù)采集與匯聚的穩(wěn)定和高效。工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)單點(diǎn)采集實(shí)現(xiàn)流程第一步，用戶通過采集配置模塊實(shí)現(xiàn)對數(shù)據(jù)采集項(xiàng)和采集頻率的配置。

第二步，數(shù)據(jù)采集模塊按照設(shè)定的數(shù)據(jù)采集項(xiàng)和采樣周期對感應(yīng)設(shè)備進(jìn)行持續(xù)性的數(shù)據(jù)采集。第三步，存儲層將采集上來的數(shù)據(jù)進(jìn)行緩存，保障數(shù)據(jù)傳輸和使用的效率。第四步，存儲層將數(shù)據(jù)進(jìn)行持久化操作和分發(fā)到對應(yīng)的應(yīng)用程序。工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)單點(diǎn)采集實(shí)際應(yīng)用在三爪卡盤底部加裝測力儀或力傳感器等測力設(shè)備，并通過連接法蘭將其與卡盤進(jìn)行連接緊固，利用受力后測力平臺內(nèi)部的壓敏電阻值變化測得相應(yīng)電壓值來實(shí)現(xiàn)銑削力的獲取。目標(biāo)：采集加工時切削力數(shù)據(jù)方案：工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)單點(diǎn)采集局限性數(shù)據(jù)無關(guān)聯(lián)性數(shù)據(jù)的采樣周期長單點(diǎn)采集技術(shù)在采集多個通道的數(shù)據(jù)時，是以輪詢的方式進(jìn)行采集，使得總體的采樣周期較長，從而造成數(shù)據(jù)密度低，對于一些高密度采集場合難以適應(yīng)。單點(diǎn)采集技術(shù)主要強(qiáng)調(diào)和凸顯的是對單個數(shù)據(jù)項(xiàng)的采集，難以在數(shù)據(jù)之間建立起關(guān)聯(lián)關(guān)系。工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)目錄一、工業(yè)大數(shù)據(jù)來源二、工業(yè)大數(shù)據(jù)的數(shù)據(jù)項(xiàng)三、工業(yè)大數(shù)據(jù)單點(diǎn)采集技術(shù)四、工業(yè)大數(shù)據(jù)組合采集技術(shù)五、課后習(xí)題工業(yè)大數(shù)據(jù)組合采集技術(shù)工業(yè)大數(shù)據(jù)之間的關(guān)聯(lián)在產(chǎn)品全生命周期的整個階段會涉及不同學(xué)科不同領(lǐng)域的數(shù)據(jù)關(guān)聯(lián)，在數(shù)控系統(tǒng)的研發(fā)過程中會涉及總體設(shè)計(jì)方案、總體需求設(shè)計(jì)、系統(tǒng)結(jié)構(gòu)設(shè)計(jì)、電子電路編程、動力學(xué)建模分析、零部件及組裝體強(qiáng)度分析數(shù)據(jù)、系統(tǒng)及零部件可靠性分析數(shù)據(jù)等等的數(shù)據(jù)關(guān)聯(lián)。產(chǎn)品各零部件之間的關(guān)聯(lián)關(guān)系，如零部件的組成關(guān)系、零件間嵌套關(guān)系、軟硬件版本兼容等關(guān)系。生產(chǎn)加工過程內(nèi)的數(shù)據(jù)關(guān)聯(lián)，跨工序大量工藝參數(shù)關(guān)聯(lián)關(guān)系、生產(chǎn)過程與產(chǎn)品質(zhì)量的關(guān)系、運(yùn)行環(huán)境與設(shè)備狀態(tài)的關(guān)系等。產(chǎn)品全生命周期從開發(fā)、設(shè)計(jì)、制造、使用到維護(hù)與服務(wù)等各個環(huán)節(jié)中數(shù)據(jù)的相互關(guān)聯(lián)，如仿真過程與產(chǎn)品實(shí)際加工狀況的關(guān)聯(lián)。人百米短跑心電圖從起跑隨著速度逐漸升高，體溫、心率、血清ALT活性也相應(yīng)升高，當(dāng)速度穩(wěn)定到一定范圍內(nèi)，體溫、心率、血清ALT活性也逐漸趨于平緩。沖刺時，這些特征值又相應(yīng)改變。人體百米短跑的心電圖橫軸為百米短跑的狀態(tài)階段，分為起跑、加速、途中跑、沖刺?？v軸為人體在奔跑中典型的變化特征值，如體溫，心率，血清ALT活性，速度等。工業(yè)大數(shù)據(jù)組合采集技術(shù)機(jī)床數(shù)據(jù)指令域心電圖橫軸為數(shù)控加工指令，橫軸為數(shù)控機(jī)床切削力、振動、進(jìn)給速度、主軸功率等特征值。數(shù)控加工心電圖隨著加工指令的執(zhí)行過程，數(shù)控機(jī)床的特征值都會相應(yīng)變化。這些特征的變化直接對刀具路徑乃至于產(chǎn)品質(zhì)量表面粗糙度、精度產(chǎn)生重要影響。工業(yè)大數(shù)據(jù)組合采集技術(shù)基于指令域電控?cái)?shù)據(jù)分析的數(shù)控機(jī)床工作過程CPS建模在特定制造資源MR(包括主軸、絲杠、軸承、電機(jī)、刀具等工藝系統(tǒng)數(shù)據(jù)和環(huán)境溫度等外部環(huán)境數(shù)據(jù))下，采集工作任務(wù)WT(包括指令行號、指令段、刀具)和運(yùn)行數(shù)據(jù)Y(包括主軸功率、扭矩、振動、輪廓誤差等電控?cái)?shù)據(jù))，并在信息空間的認(rèn)知層中建立制造資源數(shù)據(jù)、狀態(tài)數(shù)據(jù)與運(yùn)行數(shù)據(jù)的映射關(guān)系Y=f(WT，MR)。工業(yè)大數(shù)據(jù)組合采集技術(shù)基于指令域電控?cái)?shù)據(jù)分析應(yīng)用在數(shù)控車床上車削包含三個臺階的零件，加工該零件時，指令域中指令序列號和對應(yīng)的粗加工G指令等工藝信息構(gòu)成加工工作任務(wù)WT

，采集的主軸電流為加工運(yùn)行狀態(tài)Y。利用指令域波形圖，可以清晰地顯示零件車削加工過程中的WT與Y的映射關(guān)系。指令域電控?cái)?shù)據(jù)分析應(yīng)用在指令域中顯示的數(shù)控加工主軸電流波形圖臺階軸零件及其尺寸工業(yè)大數(shù)據(jù)組合采集技術(shù)組合采集建構(gòu)

工業(yè)大數(shù)據(jù)的組合采集技術(shù)中包括以下四大模塊；采集參數(shù)配置模塊、數(shù)據(jù)采集模塊、數(shù)據(jù)庫、云端存儲系統(tǒng)。采集參數(shù)配置模塊：實(shí)現(xiàn)對數(shù)據(jù)項(xiàng)的采集配置。數(shù)據(jù)采集模塊：根據(jù)采集配置從工業(yè)設(shè)備中采集配置數(shù)據(jù)并進(jìn)行組合。數(shù)據(jù)庫：對組合后的數(shù)據(jù)進(jìn)行緩存操作。云端存儲系統(tǒng)：對數(shù)據(jù)庫中的組合數(shù)據(jù)進(jìn)行持久化存儲。工業(yè)大數(shù)據(jù)組合采集技術(shù)組合采集實(shí)現(xiàn)流程第一步，用戶利用采集參數(shù)配置接口設(shè)置配置采集參數(shù)。第二步，數(shù)據(jù)采集模塊對工業(yè)設(shè)備進(jìn)行連續(xù)性地周期采集。第三步，數(shù)據(jù)采集模塊采集完整的數(shù)據(jù)，緩存到本地。第四步，對于本地緩存數(shù)據(jù)進(jìn)行組合操作，形成一組或多組組合數(shù)據(jù)。第五步，組合數(shù)據(jù)緩存到數(shù)據(jù)庫，并在云端進(jìn)行持久化存儲。工業(yè)大數(shù)據(jù)組合采集技術(shù)組合采集的應(yīng)用案例主軸振動信號及轉(zhuǎn)速結(jié)合分析機(jī)床實(shí)際運(yùn)行情況，對主軸振動信號和主軸轉(zhuǎn)速進(jìn)行組合采集，根據(jù)振動和轉(zhuǎn)速的關(guān)系圖，可對應(yīng)分析出哪些轉(zhuǎn)速是主軸的共振轉(zhuǎn)速。在實(shí)際的加工過程中跳過位于共振點(diǎn)的轉(zhuǎn)速值，能夠在很大的程度提高零件的加工精度。工業(yè)大數(shù)據(jù)組合采集技術(shù)基于NC-Link的組合采集的方案基于NC-Link的組合采集的實(shí)現(xiàn)主要是通過Sample采樣來實(shí)現(xiàn)多個數(shù)據(jù)項(xiàng)進(jìn)行組合。

以一臺三軸數(shù)控銑床為例，定義一項(xiàng)采樣通道，組合采集X軸實(shí)際位置、X軸指令位置、X軸實(shí)際速度、X軸指令速度、Y軸實(shí)際位置、Y軸指令位置、Y軸實(shí)際位置、Y軸指令速度這八個數(shù)據(jù)項(xiàng)。數(shù)據(jù)采樣間隙為1ms，采樣數(shù)據(jù)上傳間隙為100ms。{"id"--標(biāo)識"type"--類型"name"--名稱"sampleInterval"--采樣周期參數(shù)設(shè)置如"sampleInterval":1,(該節(jié)點(diǎn)sampleInterval值為1，代表每1ms采集一次ids字段內(nèi)的id所指代的數(shù)據(jù)項(xiàng)的數(shù)據(jù))"uploadInterval"--采樣數(shù)據(jù)上傳周期參數(shù)設(shè)置如"uploadInterval":100,(該節(jié)點(diǎn)uploadInterval值為100，代表每100ms上傳一次采樣數(shù)據(jù))"ids"--數(shù)據(jù)項(xiàng)集合例如[id--X軸實(shí)際位置id--X軸指令位置id--X軸實(shí)際速度id--X軸指令速度id--Y軸實(shí)際位置id--Y軸指令位置id--Y軸實(shí)際速度id--Y軸指令速度

]}工業(yè)大數(shù)據(jù)組合采集技術(shù)基于NC-Link的組合采集的方案{"id":"myChannel","type":"SAMPLE_CHANNEL","name":"采樣通道","sampleInterval":1,"uploadInterval":100,"ids":[ {"id":"model.device.0.axis.0.act_position"}, {"id":"model.device.0.axis.0.cmd_position"}, {"id":"model.device.0.axis.0.act_speed"}, {"id":"model.device.0.axis.0.cmd_speed"}, {"id":"model.device.0.axis.1.act_position"}, {"id":"model.device.0.axis.1.cmd_position"}, {"id":"model.device