随着工业物联网（IIoT），物联网的一种变体正在出现，可用于制造和工业领域。大量数据和状态信息需要在端到端分析解决方案中进行进一步处理，旨在优化生产和应用程序流程。数据的处理，解释和分析在这里至关重要。

IDC的分析师认为，到2025年，全球数据将增长十倍，达到163 zbytes（1.63亿EB）。这些数据中约有60％是由公司产生的。在过去的十年中，虽然重点仍然是从模拟数据到数字数据的转换，但如今，这些数据的附加值越来越成为行业关注的焦点。 

市场研究公司Gartner并未确定其当前的“魔力象限”中的市场领导者，而是仅创新者（PTC，Hitachi，SAP）和各种利基提供商，这一事实表明了制造商和制造商合作的潜力。另一方面，公司必须对他们的当前状况和需求进行精确的分析，并寻找已经在某些应用领域为他们带来附加值的解决方案。

因此，智能测试和测量应用程序的使用是许多IIoT应用程序的重要应用领域。

测试和测量应用面临的挑战

总体目标是提高运营效率，实施灵活的生产技术并优化数据收集和处理流程。传感器和传感器数据为自动化和自学机器提供数据库，在许多应用领域中发挥着核心作用。预测性维护也是这里的重要问题。

但是，测试和测量应用程序中的结构和系统正在快速变化，并且相应的数据采集系统必须能够跟上这些发展，以免证明其是投资的死胡同。

同时：没有分析就没有工业物联网。为了能够更快，更高效地工作，必须实时监视数据，这可能会迅速导致巨大比例的数据收集，这些数据很难被有效地处理，甚至无法经济地传输到远程服务器并存储。因此，挑战不仅在于收集数据，而且在于合理地减少原始点处的原始数据，以便仅限制要传输的相关信息，从而限制数据量。

数据处理还必须满足对性能，可伸缩性和安全性的高要求。因此，提高处理效率还包括索引，对数据进行分组的措施，例如自动标记（元数据，数据集分类）或统计数据缩减（均值，标准差，最小值，最大值）。

传感器环境中的IIoT协作

尽管全球企业仍在为可行的解决方案而苦苦挣扎，但知名公司Gantner Instruments GmbH和Kelkheimer Althen GmbH Mess- und Sensortechnik已经在为工业测量和测试技术提供具体的IIoT解决方案。

作为分散式测量和I / O系统以及机械，热量和电量测量的专家，Gantner Instruments致力于其数据采集和连接解决方案以及远程配置和评估软件。Althen将其高质量的传感器集成到完整的系统中，并接管客户特定的测量范围预设，已校准传感器的调整参数设置以及根据客户要求的可能的数学计算和警报设置。

这导致了广泛的可能应用，例如监视核电站和核聚变工厂的材料疲劳，本地公共交通中的路线网络的质量控制，柔性管道系统上的应变测量，预测性维护机器，系统或移动设备的种类，例如在建筑机械和铁路中。

桥梁的远程监控

值得看一个具体的例子，这里是桥梁的监控。但是，在拓扑相似的情况下，也可以考虑在基础设施领域进行进一步监视，例如铁路，公路和高速公路桥梁，重要建筑物，水坝，堤坝或工厂（炼油厂，化学制品，风力涡轮机等）。

使用了来自Gantner的Q.series X，它是模块化设计的分散式，高度灵活的测量系统，也适用于DIN导轨安装。分散式测量系统的这种典型设计提供了高度的灵活性和界面。数据采集模块的任何组合都可以最佳地适应任务，并且非常适合分散应用。

具体来说，Q.series成为X个模块，用于连接传感器（Q.bloxx-XL A108，Q.bloxx-XL A101）和控制器（Q.station-XB），用于连接和处理模块以及进行计算和计算。转移到云端。

在当前示例中，该系统使用来自Althen的3轴ASC 5511LN加速度计完成，该加速度计已连接到Q.series X模块。除了加速度之外，还监视温度，空气湿度（代表桥梁中建筑结构的湿度）和电位计（代表桥梁伸缩缝的路径测量值）。

结果中的IIoT数据

完整的IIoT系统可实现几乎实时的便捷远程监控。对较长时间数据的分析显示出结构的变化以及材料疲劳。还可以得出关于可能的缺陷的结论，因此也可以得出关于桥梁的剩余工作时间的结论。当前，Althen传感器以三种不同的速度读取。它们通过Gantner基础架构以10 Hz，1 kHz，10 kHz的测量速率将数据传输到云中。

有效的数据收集和预评估

还已经以最高可能的100 kHz测量速度进行了测试。但是，这些测量速度目前实际上并不是绝对必要的，并且会不必要地增加对带宽和服务器容量的要求。同时，它们从性能和可伸缩性方面展示了平台的未来安全性。

限制和初步评估对于现有配置也很有用，因为仅使用几个传感器就可以从原始数据中获取大量数据。例如，如果一个传感器每天24小时以1,000 kHz的频率进行测量，则每天将产生大约345 GB的空间，每年大约产生126 TB的空间。对于具有15个测量值的应用示例，这相当于每年1,892 TB的原始数据。

因此，在现场控制器（EDGE计算）中以及在云中进行适当配置后，将基于算法进行初步评估，以便相应地减少数据量。通过传统的CSV格式和完整的，可集成的API接口，也可以将云数据传输到外部分析程序。甚至旧的现有数据记录也可以通过CSV上载完全集成到新的当前数据记录中，并在同一界面中进行处理和可视化。

数据缩减的另一种可能性是基于事件的数据获取。根据参数的配置，还可以在触发前和触发后的条件下保存数据。这也有助于使数据量保持较低，因为仅在发生特定事件的情况下才保存数据。发生错误时，可以立即获得高分辨率数据。

还可以通过云服务器随时远程更新控制器。例如，可以灵活地调整数据预评估，或者可以更新系统的校准值和传感器设置。

这样的IIoT结构当然不限于一栋建筑物，而是几乎可以通过云连接和使用相应的分析应用程序无限扩展。例如，可以想到在地理监视领域中的服务提供商必须就负载和损坏同步监视大量的桥梁。借助Althen和Gantner的解决方案，他可以远程监视所有桥梁上的所有传感器，如果超出了定义的阈值（例如，拉伸或振动幅度过大），则发送警报，并通过切换变速显示进行远程干预。

因此，服务提供商可以为其客户提供高附加值：预测性维护，以可控制的成本快速限制损坏。快速，独立于位置的对集成系统的远程访问大大减少了对耗时且成本高昂的现场检查的需求。好处是：特定的IIoT应用程序不是未来的梦想，它们是IDC称之为“ 2025年数据时代”的必经之路。因为到那时，根据市场研究人员的说法，应将所有数据的30％用于实时应用程序。