将大数据用于运营技术(OT)自动化和控制应用变得越来越重要。如果没 有正确识别和提出问题，理解数据与问题之间的关系，可能实施起来会 遇到很多困难。

　　随着人们对大数据分析在实现企业目标 方 面 作 用 的 关 注， 如 何 为 运 营 技 术 (OT)自动化和控制应用来处理数据，正变得越来越重要。数据设计、数据架构和数据采集会深刻地影响数据分析，或者用一句老话来说就是 ：垃圾进，垃圾出。学习数据收集和分析的最佳实践，以便将数据转化为超 出其原始用途的信息和价值，对企业来说是很有必要的。

　　考虑如下场景：假设两个旅行者正在旅 行。第一个人说，“我们迷路了。”第二个人 回答说：“我们没有迷路，我知道我们在哪里， 我只是不知道如何到达目的地。”第二种表述 突出了到达目的地所需要的三项信息。目的 地、当前位置以及到达目的地的路径。

　　数据收集和分析是相似的。很容易“上 手”并开始收集数据。但是在这么做之前， 请务必先想清楚以下 3 个方面 ：

　　1. 目的地 ：要解决什么问题?

　　2. 位置 ：有哪些数据可用于解决问题?

　　3. 路径 ：拥有的数据如何帮助找到解决 方案?

　　数据分析目标：识别和提出问题

　　数据分析的第一步是识别问题，然后提 出问题。例如，制造公司生产的产品，在材 料强度方面差异很大，而导致质量差(问题)。

　　该公司怀疑是制造过程中压力或温度的 变化而造成的问题。接下来，以疑问句的形 式重新阐述这个问题，然后用数据来回答。例如，在这种场景下，我们可以问 ：“压力或温度的变化是否会影响产品的强度?”

　　位置：收集回答问题所需的数据

　　下一步是决定需要哪些数据来回答问题。可将可用数据认为是当前位置。从表面上看，需要收集的数据似乎很明显 ：压力和温度。但是，要获得完整的信息，还必须查看数据 收集的地点、时间和方式。

　　例如，用户可能有一个测量过程罐温度 的传感器。然而，传感器可能安装在罐的顶部， 它并不能准确测量反应发生时的温度。因此， 用户可能需要添加第二个传感器来更直接地 测量反应温度。

　　用户还需要某种形式的相关数据，使他 们能够将每个质量测量与相应的过程测量相 关联。在此示例中，用户将记录与过程数据 (温度和压力)和质量数据(材料强度)相关 的通用批号。他们还需要生成一个新的批号， 并在流程的所有步骤中跟踪该批号。

　　▎表 ：提出问题可以帮助用户确定他们是否需要本地服务器、云服务器、 边缘设备或数据集中器。

　　分析路径：理解数据与问题之间的关系

　　分析和跟踪数据可以将用户引导到目的 地，以回答原始问题。有许多路径可供选择。其中包括从回归和分类算法到神经网络和监 督学习等各种分析方法。但是，用户在开始 路径之前需要很好地理解数据和问题之间的关系。他们可能想知道压力和温度的变化是 如何影响材料强度，进而影响产品质量的。选择一个模型，插入数据并寻找结果可能很 有诱惑力。但对过程有一个很好的理解将获 得更好的结果。

　　如果用户知道温度过热超过 2 度，会使 产品强度变差，那么他们就可以选择一个模 型，来帮助在数据中寻找线索。此外，如果 知道超温需要 1 个小时才能影响质量，则有 助于选择一个合适的分辨率和采样率。这可 能需要做出一些假设，假设越合理，回答问 题就越容易。

　　数据分析系统架构的常用组件

　　解决和回答完所有问题后，用户就有了 到达目的地的路线图，就可以开始数据收集。数据分析系统架构是到达目的地的交通工具。有一些常用的组件用于构建这个架构 ：

　　1

　　边缘设备

　　提供本地网络(数据源)和 公网设备之间的接口。它们可用于缓冲和格 式化数据并执行计算。一些边缘设备可以选 择配置防火墙、提供蜂窝访问和充当协议转 换器。

　　2

　　数据集中器

　　该设备通常是可编程逻辑 控制器 (PLC)，用于从现有传感器和 PLC 收 集和汇总数据。在上传到服务器计算机之前， 它可充当缓冲数据、进行数据格式化和计算。

　　3

　　本地服务器

　　托管在本地的服务器 PC。它通常用于提供监控、报告和数据仓库。

　　4

　　云服务器

　　服务器 PC，托管在云中并可 通过因特网访问。它可用于提供仪表板、报告、 通知、数据仓库和高级分析。

　　从数据采集到解决方案的路径，有时就 像一条漫长而曲折的道路。然而，花费在识 别问题、提出问题和收集高质量数据上的额 外努力，将有助于减少弯路。数据分析系统 架构建立在一组通用部件之上，是通向目的 地的交通工具。所以，当目标、解决方案和 工具都清晰了，您就可以轻松踏上这趟数字化之旅了。

　　- END -　

　　责任编辑：张华