2 設備端
構建工業物聯網設備端所面臨的核心問題是如何解決數據的異構性。一般來說，設備端的數據異構性問題比服務端較爲突出，且經常不能單純依靠軟件技術來解決。
這裏將傳感層和傳輸層合併在一個章節中講述，主要是這兩個層次之間的界限其實是具有一定的模糊性的。正如前面說過的，越來越多的設備將傳輸層功能作爲一個技術模塊內置在其中從而成爲所謂的智能設備。
2.1 數據異構性
所謂“萬事開頭難”，數據的獲取是整個物聯網系統業務流程的根本驅動力，在現實中也常常是實施代價最大的部分，常見的原因主要有：
2.1.1 電氣信號的異構性
對於需要向非智能設備、傳感器、執行器等採集數據的工業網關而言，第一個面臨的問題就是與採集對象對接的電氣信號是不同的。這些“啞終端”的往往採用的是用於過程控制系統的近場通信技術，比如：各類串口技術、工業總進線技術，甚至更加原始的模擬量或數字量信號點。當然，也不排除有些帶有網絡功能的智能設備也通過工業網關將數據合併上傳。所以，作爲傳輸層的工業網關，首先就要面臨對各種電氣信號的對接能力。
2.1.2 通信協議的異構性
不同的電氣信號接口，其採用的數據通信協議一般是不同的。甚至同樣的電氣信號接口下，比如各類串口，其表徵數據的應用層協議也可能是不同的。作爲工業網關爲了減輕服務端處理數據的負擔，一般來說都要在傳輸前完成從異構到系統內容易數據協議的轉換。
2.1.3 數據數量的異構性
設備端和服務端之間最常見的關於數據數量的失配就是原始數據的缺失。物聯網系統的業務往往需要更多角度的數據，但是傳統設備的數據信號的設置往往僅僅爲了滿足過程控制的需要就可以了。比如一臺水泵的控制系統，僅僅爲了滿足水泵的啓停和運行工況的變化，而可能不會關注其震動、材料疲勞等問題，因此也就不會部署相應的傳感器，也就沒有相應的數據。這個時候的解決方式有兩種：一種是加裝傳感器，另一種是根據現有的數據利用某個合理的公式來推測，也就是通過數據整合來在一定的精度下提供所需要的數據。
當然並不能否定數量失配是數據過多，即：物聯網服務端可能只需要設備的一個相對宏觀的狀態，比如是否正常運行還是處於某種故障中，但是現場並沒有某個設備可以直接給出表徵這種狀態的數據，而是需要網關自己根據採集到的多個數據綜合判斷。
數量的異構性問題，又可成爲數據完整性問題。
2.1.4 數據質量的異構性
原始數據還可能有其他的質量上的失配情況，比如時序數據的噪音、採樣頻率、單位等的不同。
噪音可能來源於最原始的數據源，也可能來源於傳感網絡中的傳輸過程，甚至在工業網關內部的電路或不恰當的數據處理引入。比如原始的數據A/D轉換過程的電氣噪音，時序數據在設備或網關中某個進程間通信的管道的阻塞等等。
對於採樣頻率的不同，常見的情況是服務端需要的採樣頻率相對原始數據的頻率較低。一般採取再採樣的方式來處理。簡單的處理方式可以是在網關中利用一個緩存來存放該數據，一個任務不斷以來自設備的頻率寫入該數據的值，而另一個任務以需要發送的頻率來讀取該設備的值即可。如果對原始數據的確切採集時間有較爲嚴格的要求，可以在讀取的任務中根據時間戳來進行適當的插值計算。當然還有的做法是網關上不做任何關於採樣頻率的處理，而交由服務端來進行，但是這種處理方式，會增加服務端和網絡層的壓力。
數據單位的不同，一般也稱爲倍率問題。處理方式相對簡單，也就是在工業網關中增加倍率的設置，並自動將每個採集到的數據乘以該倍率後再發送。
而本章的以下章節，實際上就是在分別講述設備端對各種數據異構的標準化處理過程。
上一篇：工業物聯網：1 引論
下一篇：工業物聯網：2 設備端（2）