南京离散制造业的生产数据采集

工业大数据之数据采集一、概述工业大数据的采集是指通过各种传感器、设备和系统，采集工业生产过程中产生的各种数据，包括生产设备状态、生产参数、工艺指标等信息。

数据采集是工业大数据应用的基础，对于实现工业生产的智能化、数字化和自动化具有重要意义。

本文将详细介绍工业大数据的数据采集过程、方法和标准，以及其在工业生产中的应用。

二、数据采集过程1. 数据源识别和选择在进行数据采集之前，首先需要识别和选择数据源。

数据源可以是各种传感器、设备和系统，如温度传感器、压力传感器、流量计、PLC控制系统等。

根据具体的工业生产需求，确定需要采集的数据源。

2. 传感器部署和连接根据数据源的选择，将传感器部署在相应的位置，并确保其能够正常工作。

传感器与数据采集系统之间需要进行连接，可以通过有线连接或者无线连接方式实现。

3. 数据采集系统配置配置数据采集系统，包括选择合适的数据采集设备、安装相应的软件和驱动程序，并进行系统参数设置。

数据采集系统需要能够实时、稳定地采集数据，并具备数据存储和传输功能。

4. 数据采集和处理数据采集系统开始工作后，会定时或者实时地采集数据。

采集到的数据需要进行处理，包括数据清洗、数据校验、数据转换等操作。

处理后的数据可以存储到数据库中，供后续的数据分析和应用使用。

5. 数据质量检查为了保证采集到的数据质量，需要进行数据质量检查。

检查的内容包括数据完整性、准确性、一致性等。

对于异常数据，可以进行标记或者剔除，以保证后续的数据分析和应用的准确性和可靠性。

三、数据采集方法1. 手动采集法手动采集法是指通过人工操作的方式采集数据。

这种方法适合于少量数据的采集，操作简单、成本低，但效率较低，易受人为因素影响。

2. 自动采集法自动采集法是指通过自动化设备和系统实现数据的采集。

这种方法适合于大规模数据的采集，可以实现高效、准确的数据采集，提高工作效率和数据质量。

3. 远程采集法远程采集法是指通过网络或者无线通信方式实现数据的采集。

离散制造业的生产数据采集导读：生产的数据准确、及时、自动的采集是工业互联的基础车间，可以为用户营造一个可视、实时、精细、可追溯的制造环境，因此近10年来在国际上得到迅速发展。

如果把工厂比喻为人，那么生产数据就相当于人的血液系统。

离开生产数据采集，生产管理部门不能及时、准确地得到工件生产数量;不能自动获得机床开工状况和主轴运转情况;不能准确分析设备利用率等瓶颈问题;无法准确、科学地制定生产计划;无法实现生产管理协同。

可见，只有有效的实现生产数据，才能从根本上解决车间管理中计划跟踪迟滞、设备利用率低、产品质量难以提升等问题。

1.离散制造企业中的生产数据采集的特点由于连续工业生产与离散工业生产在设备、物料和产品特点的差异。

导致了两种类型的工业生产在制造管理中存在诸多差异。

离散制造企业的车间执行过程中的生产数据采集体现出以下特点：(1)随着企业竞争加剧，越来越多的离散制造企业实现多品种小批量订单生产方式。

如航天制造企业，产品品种多达上千种，每种产品的批量较小，多的几十件到上千件，少到几件甚至单件(研制生产)。

这给企业的生产数据采集带来挑战。

(2)离散制造企业多品种、多型号的机床并存，导致难以预先设定较为准确设备产能。

许多企业员工的能力参差不齐，缺乏—批稳定的技工。

生产计划在各种因素的影响下，插单现象频繁(如大型发动机制造)，突发事件多，这加剧了生产数据采集的复杂性。

(3)相对流程制造企业，离散型制造企业设备功能冗余度大，往往拥有大量的机床和数控设备。

这些机床和数控设备种类多、品牌杂、新老并存(国有企业这种隋况尤甚)。

设备的协议与接口种类差别很大，通讯接口之间兼容性差。

有些数控设备没有网络接口、只提供软驱或串行口，因此数据采集难度大。

(4)由于每个操作可能涉及不同的物料、设备、工具及文档等资源，这些资源离散地分布在企业中。

因此在异步、并发的离散流程中，需要采集的生产数据种类多，彼此之间关联性高。

(5)许多离散制造企业产品零部件的加工工艺复杂、质量要求高。

工业大数据之数据采集一、引言工业大数据的采集是指通过各种传感器和设备，将工业生产过程中产生的各种数据进行收集和记录。

数据采集是工业大数据分析的基础，对于提高生产效率、优化生产过程、降低成本具有重要意义。

本文将详细介绍工业大数据的数据采集过程，包括采集对象、采集方式、采集频率等内容。

二、采集对象1. 生产设备数据：包括机器运行状态、温度、压力、振动等参数。

2. 传感器数据：包括温度传感器、压力传感器、湿度传感器等的数据。

3. 环境数据：包括空气质量、光照强度、噪音等环境参数的数据。

4. 产品数据：包括产品质量、生产批次、生产日期等数据。

三、采集方式1. 直连采集：将传感器和设备直接连接到数据采集系统，通过通信协议实时采集数据。

2. 无线采集：采用无线传感器网络，通过无线信号传输数据，适用于采集范围广、设备分散的场景。

3. 云端采集：将数据通过互联网上传到云端平台，实现大规模数据采集和集中管理。

4. 手动采集：人工记录数据，适用于某些无法自动采集的数据。

四、采集频率1. 实时采集：数据按照设定的时间间隔进行采集，通常用于对实时性要求较高的场景。

2. 定时采集：按照预定的时间点进行采集，适用于对实时性要求不高的场景。

3. 事件触发采集：当特定事件发生时，触发数据采集，如设备故障、温度超过阈值等。

五、数据采集流程1. 传感器配置：根据采集需求，选择合适的传感器，并进行配置，包括传感器的位置、参数设置等。

2. 数据采集设备配置：选择合适的数据采集设备，并进行配置，包括连接方式、通信协议等。

3. 采集系统搭建：搭建数据采集系统，包括硬件设备的安装和软件系统的配置。

4. 数据采集：根据采集方式和频率，进行数据采集，确保数据的准确性和完整性。

5. 数据传输：将采集到的数据传输到存储设备或云端平台，确保数据的安全性和可靠性。

6. 数据处理和分析：对采集到的数据进行处理和分析，提取有价值的信息和模式。

7. 数据可视化：将处理和分析后的数据以图表、报表等形式展示，便于用户理解和决策。

离散制造业生产排产算法研究及应用于乃功;王新爱;方林【摘要】为有效解决离散车间生产计划排产中存在的主生产计划与生产作业计划分离、生产计划排产与生产控制脱节的问题,分析了离散车间生产工艺的特点,提出了主生产计划与生产作业计划综合排产及生产计划排产与生产车间实时监控集成的思想,并对生产计划动态排产软件进行了系统设计.最后,以某发动机零部件有限公司组装凸轮轴的生产计划动态排产系统为例,验证了该方法的可行性和实效性.【期刊名称】《甘肃科学学报》【年(卷),期】2016(028)001【总页数】6页(P39-44)【关键词】离散制造业;排产;约束理论;实时监控【作者】于乃功;王新爱;方林【作者单位】北京工业大学电子信息与控制工程学院,北京 100124;北京工业大学电子信息与控制工程学院,北京 100124;北京工业大学电子信息与控制工程学院,北京 100124【正文语种】中文【中图分类】TH186制造业根据其生产过程的工艺特点可以分为连续制造和离散制造[1]。

所谓离散制造是指将多个零部件经过一系列并不连续的工序的加工并经过装配形成产品的过程。

离散制造企业是指加工和销售此类产品的企业。

在离散制造型企业中一般包含对零部件进行加工和将零部件装配成产品等过程。

侧重零部件加工制造的企业我们称为离散加工型企业,侧重于零部件装配的企业称为装配型企业,加工和装配主要由自身完成的企业无论大小相对于前面的两类企业来说要复杂一些。

某发动机零部件有限公司组装凸轮轴的生产制造即属于典型的离散制造,其生产线集加工、装配于一体。

其生产过程是由不同零部件加工子过程或并联或串联组成的复杂过程,其过程中包含诸多的变化和不确定因素如订单随机性、品种多样性、加工复杂性等,在对某发动机零部件有限公司基于实时信息的生产线管理系统调研的过程中发现在大多数离散企业的生产过程中存在以下几个方面的问题:(1)生产计划的制定过于依赖计划人员。

生产计划大多由计划员凭借以往的经验采用EXCEL表格的形式进行编制,计划员的水平和经验对计划排程结果的优劣程度具有很大的决定作用,且计划编制时间长,编制和调整效率较低,不能结合实时的生产情况进行排产造成交货期延误或者生产在制品的积压现象严重。

数字化车间生产现场数据采集与智能管理探究数字化车间生产现场数据采集与智能管理已经成为制造业转型升级的重要内容。

随着物联网、大数据、云计算和人工智能等技术的发展与应用，企业可以以更高的效率和精度收集和利用生产现场的数据，实现生产过程的可视化、集中化和智能化管理，提高生产效率、降低成本，优化资源利用，并且为企业的决策提供数据支持。

数字化车间生产现场数据采集的关键是通过物联网技术和传感器设备，将生产现场的各种生产数据实时采集、传输和存储。

这些数据包括设备运行状态、生产数量、生产进度、质量检测结果、能耗统计等等。

通过实时采集和传输，企业可以迅速掌握生产现场的实时动态，及时发现和解决生产问题，提高生产效率和产品质量。

在数据采集的基础上，对数据进行分析和挖掘，可以发现生产过程中的隐含规律和潜在问题，为生产优化和质量管理提供决策支持。

通过大数据技术，可以对海量的生产数据进行存储、搜索、分析和显示，从而形成生产指标、趋势和异常的可视化报表和图形化展示，帮助企业全面了解生产过程和整体运营情况。

数字化车间生产现场数据的智能管理主要包括生产任务的分配与调度、生产过程的优化与控制以及设备的故障预警与维护。

通过实时监测和分析生产数据，可以根据实际情况调整生产任务和调度，优化生产过程，提高生产效率和资源利用率。

通过对设备数据的监测和分析，可以及时发现设备故障和异常，实现故障的预测和预警，提前进行维护和修复，降低设备损坏和停机的风险。

数字化车间生产现场数据采集与智能管理的实现离不开技术支持和应用创新。

企业需要建立完善的物联网和信息化基础设施，包括传感器设备、网络通信、数据存储和处理等。

企业还需要开发和应用专业的数据采集、处理和分析软件，实现数据的实时监测、分析和预警，并将结果呈现给相关人员。

企业还需要进行员工的培训和引导，提高他们对数字化车间的认知和理解，增强数字化车间的运行效果和效益。

开目MES：离散制造型企业的车间数字化作者：黄娟来源：《CAD/CAM与制造业信息化》2013年第09期开目制造执行系统（简称KMMES）是针对制造企业车间现场的制造过程管理系统，位于上层的计划、设计管理系统与底层的工业控制之间的面向车间层的管理信息系统。

通过对制造现场的计划安排、指令下达、过程控制、信息发布和数据采集等，满足客户实时可视地管控现场，减少错误，提高效率，持续改进制造过程的要求，为企业构建从计划、设计到制造的透明无间车间（图1）。

KMMES基于ISA-95的标准，秉承“信息服务生产、制造透明无间”的理念。

通过分析离散制造多品种小批量、研制批产并行、自主工艺设计制造、半自动或手工设备多样等特点，对企业生产计划、制造执行、质量管理、物料管控和分析决策各个环节进行全方位管理，建立面向离散制造企业的专业数字化制造专业解决方案，实现设计工艺-制造执行-反馈优化的企业闭环管理。

一、KMMES主要功能KMMES对企业的制造过程进行抽象，封装解决方案对应的软件功能模块。

主要由车间资源建模、人员管理、工装管理、设备运行管理、计划管理与排产、任务调度管理、作业执行管理、质量过程管理、物料跟踪管理、车间事件管理、看板监控和统计分析模块组成，涵盖了制造过程管理的多个方面。

上层接口实现和技术、管理系统集成，下层采集制造过程的各种异构数据，将制造结果信息反馈到上游应用系统，实现制造过程的闭环控制（图2）。

（1）车间资源建模。

“人、机、料、法、环”是车间制造生产的基础，也是MES系统运行的基础信息。

KMMES 采用面向对象的思想，建立数字化车间资源模型，实现所见即所得，为规范管理奠定基础。

包括人员建模、设备建模、物料建模、生产日历建模以及工时建模等基础数据建模能力。

（2）设备运行管理。

设备是生产制造部最重要的资源，也是约束生产能力的最主要元素。

因此建立设备信息模型，并结合DN C数据采集、数字化制造终端数据采集，实现设备监控，是提高瓶颈设备利用率的有效途径。

离散⾏业和流程⾏业的区别离散⾏业和流程⾏业的区别所谓离散型⽣产企业主要是指⼀⼤类机械加⼯企业。

它们的基本⽣产特征是机器( 机床) 对⼯件外形的加⼯，再将不同的⼯件组装成具有某种功能的产品。

由于机器和⼯件都是分⽴的，故称之为离散型⽣产⽅式。

离散⾏业是指制造企业中的⼀类企业，他们的最主要特征为：⽣产过程中基本上没有发⽣物质改变，只是物料的形状和组合发⽣改变，即最终产品是由各种物料装配⽽成，并且产品与所需物料之间有确定的数量⽐例，如⼀个产品有多少个部件，⼀个部件有多少个零件，这些物料不能多也不能少。

按通常⾏业划分属于离散⾏业的典型⾏业有机械制造业、汽车制造业、家电制造业等等。

所谓流程型⽣产企业是指被加⼯对像不间断地通过⽣产设备，如化⼯⼚、炼油⼚、⽔泥⼚、发电⼚等，这⾥基本的⽣产特征是通过⼀系列的加⼯装置使原材料进⾏规定的化学反应或物理变化，最终得到满意的产品。

由于⽣产过程是24 ⼩时连续不断的，⼈们也称此类⽣产为过程型或连续型。

流程型⾏业的特点是管道式物料输送，⽣产连续性强，流程⽐较规范，⼯艺柔性⽐较⼩，产品⽐较单⼀，原料⽐较稳定。

典型的流程⽣产⾏业有医药、⽯化、电⼒、钢铁等领域，主要采⽤按库存、批量、连续的⽣产⽅式。

典型的离散制造⾏业主要包括机械制造、航空制造、汽车制造等，既有按定单⽣产，也有按库存⽣产；既有批量⽣产，也有单件⼩批⽣产。

流程⽣产⾏业和离散制造⾏业在产品结构、⼯艺流程、⽣产组织⽅式等⽅⾯都存在较⼤的差别。

所以，在MES应⽤上，要根据⾏业特征区别对待，主要是对MRPII/ERP的要求不同，具体表现在：对⽣产模型的要求不同：流程⽣产⾏业的⽣产模型以配⽅为核⼼，⽽离散⾏业的⽣产模型以产品BOM为核⼼。

⽣产计划⽅式不同：流程企业根据市场的需求进⾏⽣产，离散企业根据定单或市场预测作为⽣产计划制订的依据。

作业计划调度不同：离散企业根据优先级、⼯作中⼼能⼒、设备能⼒调度，是基于有限能⼒的调度；流程企业是连续的⽣产⽅式，不需要也⽆法精确到⼯序级别，⽽是以整个流⽔⽣产线为单元进⾏调度。

基于物联网的离散制造车间制造数据管理关键技术分析随着物联网技术的不断发展和普及，离散制造车间的制造数据管理也面临着新的挑战和机遇。

在物联网技术的支持下，离散制造车间可以实现智能化和数字化管理，从而提高生产效率、降低成本、优化资源利用，为企业带来更多的竞争优势。

在这个背景下，本文将对基于物联网的离散制造车间制造数据管理的关键技术进行分析和探讨。

一、物联网技术在离散制造车间的应用现状物联网技术通过传感器、无线通信和云计算等手段，实现产品、设备和生产过程之间的信息互联，将离散制造车间从传统的人工操作向自动化、智能化的方向发展。

目前，物联网技术在离散制造车间的应用主要包括以下几个方面：1. 生产过程监控与控制：通过安装传感器和执行器，对生产设备和生产过程进行实时监测和控制，提高生产效率和产品质量。

2. 资产管理与维护：利用物联网技术对生产设备进行远程监测和维护，及时发现设备异常，减少设备故障和停机时间。

3. 供应链追溯与管理：通过物联网技术对原材料、零部件和成品进行追溯管理，实现供应链的可视化和智能化。

4. 能源监测与节约：利用物联网技术对能源消耗进行实时监测和管理，实现能源的智能节约和环保。

二、关键技术分析1. 传感器技术传感器是物联网技术的基础，其在离散制造车间中的应用十分广泛。

传感器可以实时监测生产设备的运行状态、产品的质量参数、环境的温度、湿度等信息，将这些信息通过无线通信技术传输到数据中心，为生产管理和决策提供数据支持。

传感器技术的发展和应用对提高离散制造车间的智能化水平和生产效率具有重要意义。

2. 云计算和大数据分析技术离散制造车间产生的制造数据量庞大，如何高效地收集、存储、处理和分析这些数据成为一个重要的问题。

云计算和大数据分析技术可以为离散制造车间提供高效的数据管理和分析方案，实现数据的实时处理和准确分析。

通过大数据分析技术，离散制造车间可以挖掘潜在的生产优化和成本节约的机会，为企业的决策提供有力的支持。

工业大数据之数据采集一、引言数据采集是工业大数据分析的重要环节，通过对工业生产过程中产生的各种数据进行采集和处理，可以帮助企业实现生产过程的监控、优化和预测，提高生产效率和质量。

本文将详细介绍工业大数据的数据采集过程，包括采集对象、采集方式、采集频率等方面的内容。

二、采集对象1. 传感器数据：通过安装在设备、机器或生产线上的传感器，采集温度、压力、湿度、振动等各种物理量的数据。

2. 设备状态数据：通过监测设备的运行状态、故障信息等，采集设备的工作参数、运行时间、维修记录等数据。

3. 生产过程数据：通过监测生产过程中的各个环节，采集原材料消耗、产量、质量指标等数据。

4. 能耗数据：通过监测设备、机器的能耗情况，采集能源消耗、能效指标等数据。

三、采集方式1. 实时采集：通过在设备、机器或生产线上安装数据采集设备，实时采集各种传感器数据和设备状态数据。

采集设备可以通过有线或无线方式与数据存储服务器进行通信，实现数据的实时传输和存储。

2. 手动采集：对于一些无法实时采集的数据，可以通过人工手动输入的方式进行采集。

例如，对于生产过程中的人工操作环节，可以通过人员填写表格或使用移动终端设备进行数据采集。

3. 自动化采集：通过与设备、机器或生产线的控制系统进行集成，实现自动化数据采集。

例如，通过与PLC（可编程逻辑控制器）或SCADA（监控与数据采集系统）进行通信，实时采集各种传感器数据和设备状态数据。

四、采集频率1. 实时采集：对于需要实时监控的数据，采集频率可以达到秒级甚至毫秒级。

例如，对于温度、压力等物理量的数据，可以以秒为单位进行采集。

2. 定时采集：对于一些需要更长时间间隔进行监控的数据，采集频率可以设置为分钟级或小时级。

例如，对于设备状态数据、生产过程数据等，可以以分钟或小时为单位进行采集。

3. 手动采集：手动采集的频率可以根据需要进行灵活调整。

例如，对于人工操作环节的数据采集，可以根据生产节奏和操作需要进行手动输入。

离散型制造业智能工厂总体建设方案一、引言离散型制造业智能工厂的建设对于提高生产效率、降低成本、改善产品质量具有重要意义。

本文将从硬件技术、软件技术以及数据管理三个方面，提出离散型制造业智能工厂的总体建设方案。

二、硬件技术部分1. 智能设备选型在离散型制造业智能工厂中，智能设备的选型至关重要。

首先需要根据具体生产流程及需求，选择高性能、高可靠性的生产设备。

其次，需要考虑设备与设备之间的连接和通信，确保各设备之间的信息无缝传递。

2. 传感器与控制器应用离散型制造业智能工厂的建设离不开传感器和控制器的应用。

通过合理放置传感器，可以实现对生产过程中各个关键环节的实时监测，提高生产线的稳定性和安全性。

同时，控制器的应用可以实现对设备的自动化控制，提高生产效率。

3. 人机交互界面设计离散型制造业智能工厂还需考虑人机交互界面的设计。

通过友好的界面设计，提供操作人员所需的信息，并实现与智能设备的交互，简化操作流程，减少人为错误。

三、软件技术部分1. 工业物联网平台搭建在离散型制造业智能工厂中，工业物联网平台的搭建是关键一环。

通过连接各类设备和传感器，实现数据的采集、传输和分析，为生产决策提供依据。

同时，还需将工业物联网平台与企业内部的信息系统进行有效集成，实现数据的共享和互通。

2. 数据挖掘与分析离散型制造业智能工厂建设过程中，数据的挖掘和分析成为提高生产效率的重要手段。

通过对采集到的大数据进行挖掘，可以发现生产过程中存在的问题，并及时调整生产策略，提高生产效益。

3. 人工智能应用人工智能在离散型制造业智能工厂中的应用越来越广泛。

可以利用人工智能技术对生产过程进行预测和优化，提高生产计划的准确性和合理性。

同时，还可以通过人工智能技术实现生产线的自适应控制，提高生产效率和产品质量。

四、数据管理部分1. 数据采集和存储离散型制造业智能工厂需要采集大量的生产数据，包括设备运行状态、产品质量参数等。

为了保证数据的准确性和完整性，需要建立统一的数据采集和存储机制。

离散制造行业特点
离散型制造企业指的是机械加工、电子元器件制造、汽车、服装、家具、五金、医疗设备、玩具
客户个性化需求多，产品品种日趋多样性，市场需求变化快，预测难度增大，难以为企业合理安排生产提供可靠的依据。

产品结构复杂，零部件多且外协自制兼有，工艺过程经常变更，生产计划的计算和安排非常复杂。

临时插单现象多，生产计划的灵活性和严肃性难以兼顾，生产计划往往难以起到指导生产的作用，经营者容易陷入救火式的现场管理。

而这种管理方式又带来了不稳定的产品品质，无法准时交货等一系列问题。

由于生产计划的不确定性及对库存物料的即时情况把握的缺乏，往往造成库存物料呆滞和生产所需物料缺件，不齐套现象同时并存。

由于产品加工要经过不同的工序，各个工序的生产能力通常并不平衡，生产上容易出现木桶效应，生产被关键的瓶颈资源所制约。

外协厂家、外协件多，对外协产品的质量，交货期的跟踪控制困难。

数据采集点多，数据收集维护工作量大，而且数据往往分布于不同的部门，数据的更新和保证数据的一致性也是一个令企业头痛的问题，由于每个产品生产过程不一致，无法对每个作业工序进行核算，导致整个成本核算过于粗放，不利于企业加强成本管理和控制。

面向离散型制造业的MES的研究与设计的开题报告一、选题背景和研究意义在当前离散型制造业发展的背景下，随着信息技术的发展和应用，企业内部生产过程中的数据管理、监控、溯源等方面的要求越来越高。

生产成本及交付时间的压力越来越大，同时客户对于产品质量、生产周期的要求也越来越高。

因此，离散型制造业需要一种高效的生产协同工具，来确保企业的生产运营过程平稳、强健、高效。

MES（Manufacturing Execution System）制造执行系统，是一种用于协调生产过程中各个环节的软件系统，它贯穿整个生产过程，实现生产现场的数据采集、监控和控制，以及生产信息的交互和管理。

MES可以帮助生产企业有效管理企业内部的生产过程、提高生产效率、降低成本，从而实现企业竞争力的提升。

针对目前离散型制造业的研究现状，本课题旨在基于MES的理论和应用，研究并设计一种面向离散型制造业的MES系统，以帮助企业提高生产效率、优化生产过程管理，提升企业核心竞争力，具有重要的现实意义和应用价值。

二、研究内容和方法本课题将研究和设计一种面向离散型制造业的MES系统，主要包括以下几个方面：1. 生产现场数据采集和监控系统：在生产现场布置数据采集设备，收集生产现场的各种数据信息，包括：机器设备的运行状态、生产进度信息、生产过程中的异常情况等。

2. 生产过程控制系统：通过对生产现场数据的实时监控和分析，对生产过程进行控制和调整，以保证生产过程的稳定性和高效性。

3. 生产计划排程系统：依据用户需求和实际生产能力，进行生产计划的编制、调度和监控，以确保生产计划的准确性和可靠性。

4. 生产品质管理系统：对生产过程的品质情况进行分析和评估，并进行生产质量的追溯和管理，以保证产品的质量可靠性。

本课题将采用文献研究、理论分析和系统设计等方法，进行MES系统的需求分析和系统设计，同时还将结合实际案例和试点工程进行验证和应用。

三、预期成果和意义本课题将研究和设计一种面向离散型制造业的MES系统，可以提高企业的生产效率、优化生产过程管理，从而提升企业竞争力，实现降本增效的目标。

技术数据的采集三同步原则数据采集三同步原则2的特点是能够实时采集生产过程中的各种信息和数据，然后汇集到数据库中，供管理层进行数据分析和查询。

如何高效地收集车间内的各种数据，是决定技术资料收集“三同步原则2”项目成败的重要关键环节。

MES软件在应用中根据不同的数据、应用场景、人员能力、设备投入等方面的因素需要采用不同的数据收集方式，选择不同的数据收集设备。

可分为5大块：1.时标生产过程数据；2.时标警报、消息和生产事件数据；3.实验操作数据；4.批量信息、批量执行状态等数据的收集；5.测量数据。

为了确保这些数据的成功采集，且被技术数据的采集三同步原则 2成功运用，数据采集必须遵循以下三大原则：一是技术资料收集的三同步原则。

第二，数据收集必须是实时和完整的。

技术资料收集的三同步原则2最重要的作用之一就是让领导能够实时观察车间的生产运行状况，并根据这些数据做出及时的反应。

但是，技术数据采集三同步原则2的有效运行需要车间实时采集动态数据。

如果某些生产类型的数据缺失或设备数据不完整，将影响整个技术数据收集的三同步原则2的有效性。

在生产数据中，带有时间戳的数据，如生产过程数据、消息、警报、事件等。

都是有时效的。

一旦出现延迟，就会导致技术数据采集三同步原则2的应用出现错误，所以这些数据必须实时采集、计算、分析、上报，才能保证整个技术数据采集三同步原则2的正常运行。

第二，收集的数据应该能够使用integrationMES通过现场生产数据采集，能够实现生产计划排产、订单管理、生产调度管理、生产物料管理以及跟踪等，并且通过各类可视化方式展现在生产车间的实时看板上，让车间各部门能了解到生产进度状况。

第三，车间数据采集采用多种采集技术方案，并运用人机结合的原则。

制造车间制造设备复杂，工艺流程复杂，工位设置不同，给现场数据采集带来困难。

通常，一种数据采集技术不能满足数据采集的需求。

在离散制造企业的车间中，基本上使用了多种数据采集技术。