GE：使用混合数据模型连接云和本地解决方案

作者：GE数字集团产品总监 Steve Pavlosky

翻译：GE数字集团系统架构总监 余思源

越来越多的工业客户希望使用基于云端的工业大数据分析系统来优化工厂运营，各级领导们也看到了在一套平台上保存暨分析数据的价值，但应该如何将这些分析应用到工厂设备生成的海量数据呢？

混合模型便是其中的一个选择，它使客户能够桥接云和本地解决方案，并同时兼顾两方面的优势。

世界各地的 IT 领导们都看到了云端分析系统的潜在价值，在一套新项目上线几个月后，财务部门负责人收到了云服务商发来的用于数据导入和存储的账单，并发现了其中的危险信号。

对于由机器和工艺设备生成的高频时序数据，将其保存在云端其实并不具有成本优势，那么该如何利用基于云端的工业大数据分析系统的强大功能来处理现代机器创建的海量数据呢？GE推荐的方案是采用一种混合数据管理模型，它在接近数据源的位置（工厂或企业数据中心）使用Historian来保存原始数据，然后将较低频率的数据上传到云端进行分析。

在工厂中通常以一秒（或更快）的间隔采集机器和工艺数据。 所以，每个传感器每月会生成大约 260 万个独立的数据，客户需要对其进行处理并存储。

以北美一家基于云的主流分析平台提供商为例，通常情况下他们对数据的处理（即载入数据）和存储分别收费。使用他们的某个应用存储套件，当传感器数量小于120个时，处理和存储一年数据的成本约为每个传感器 200 美元。另一种存储选项稍微便宜一些，可以存储约10倍的数据，如果有 1,200个传感器，每个传感器每年的成本是150美元，因此每年的总成本将是180,000美元。

而传统的过程历史数据库是专门为高效存储时序数据而构建的，对于12,000个标签的Historian系统（是基于云端分析平台最大标签数的10 倍），授权和运维加上运行软件服务器的成本在三年内将低于 90,000 美元。 与使用云端进行原始数据存储相比，它节省了80%以上。当然，我们还需要考虑电费和 IT 开销。 然而，相对节省的80%费用，电力和 IT 开销只占了一小部分。

这里还缺少一个基于云端的分析套件。通过混合数据模型，工业客户可以将这两种技术结合起来，从而获得两方面的优势。

在混合数据模型中，工业Historian和云协同工作以满足 IT 和运营团队的需求。工业Historian在大规模存储时序数据方面非常高效。今天的用户经常在每个工厂内保存数万个标签，用于本地分析和报告。工业Historian就是为此而构建的，具有低成本、高效和高安全性的特性。

用于存储如此海量数据的关键技术之一便是压缩，它最大限度地减少了存储到磁盘或在服务器之间移动的数据量。 工业Historian还提高了查询性能并内置数据聚合功能。 此外，工业Historian内置采集器，可将数据从源头移动到目的地。 这些采集器可以使用数据压缩和聚合功能来显著减少从需要移动的数据量。 使用Historian采集器，用户可以定义压缩比和聚合方式，只将有变化的数据以分析所要求的正确频率发送到云端。这意味着在工厂中存储了海量高频率数据，并将这些数据的一小部分以正确的频率发送到云端进行分析。

混合数据模型

结合在本地部署Historian和将分析所需的特定数据保存在云端（混合数据模型），为工业客户提供了一种均衡的数据存储方案，支持本地化工厂管理、优化运营并最小化总体成本。

对于混合数据模型中的本地部署部分，Historian比关系数据库（RDB）更具优势。关系数据库（RDB）帮助厂商通过简单的操作和回答以下问题来获得有关其运营的更多信息：哪个客户订购的货物最多？哪家供应商的交货期更短？RDB 旨在管理“关系”，非常适合存储有关制造过程的上下文或产品谱系等信息，但不是大量工业数据采集和优化的最佳方法。

另一方面，Historian专为制造和工艺数据采集和展现而设计。它能最大限度地发挥时序数据的力量，擅长回答制造业客户通常需要在生产过程中实时决策的问题，例如：与一年前的同一天相比，今天小时产量的平均值有什么差异？

Historian 提供了若干优于RDB的关键特征，包括内置数据采集、更快的速度、更高的数据压缩比、强大的冗余、增强的数据安全性和更短的回报周期。

在混合云模型中，压缩尤为重要。工厂或企业范围内Historian的强大压缩算法使用户能够轻松安全地在线存储多年的数据，从而提高性能、减少维护并降低成本。可以自动创建、备份和清除数据档案——无需专职的数据库管理员即可轻松扩展业务。

因此，工业客户可以提高运营可视化，快速决策，提高生产力并降低成本，从而获得可持续的竞争优势。

例如，资产绩效管理 (APM) 解决方案通常利用本地Historian技术，将相关数据发送到云端。APM 解决方案从云端访问数据并进行分析和优化。混合模型降低了成本和维护工作量，同时确保工艺工程师拥有分析所需要的数据。

在另一个案例中，食品制造商将 HMI/SCADA和MES解决方案与Historian结合，以在本地/云混合数据模型中进行时序数据和报警/事件（A&E）的数据管理。Historian系统从多个数据源高速采集数据，对其进行聚合并高效安全地存储，同时将一部分数据发送到云端的分析软件。该解决方案降低了原材料成本，并将客户投诉减少了33%。

随着分析量的增加，工业客户无法完全预测他们需要哪些数据来回答下一个问题。幸运的是，混合数据模型允许公司使用Historian技术来确保以经济、高效、灵活的方式采集所有数据，并将其发送到云端来驱动真正的工业大数据分析。