基于实时数据洞察做出最佳决策的需求比以往任何时候都要大。应用技术实现这一目标的责任往往落在控制工程师的肩上。幸运的是，如果他们使用基于pc的控制系统，那么实现大数据分析的方法并不会超出PLC程序员的舒适区。随着这些平台的发展，自动化控制器在机器和工厂中所扮演的角色的壁垒已经倒塌。早在90年代中期，一个基于pc的控制器就可以结合PLC、运动控制器和HMI的功能。这就消除了以前多硬件、软件和网络平台带来的成本和低效。今天，一台工业PC可以承担物联网网关、边缘计算设备和分析平台的角色。
虽然在机器控制器上部署分析在边缘计算中更为典型，但在相同环境中开发的附加分析代码可以在云服务中并发运行，如Microsoft Azure或Amazon Web services (AWS)。MQTT和OPC UA等通信标准确保了可伸缩性。
在机器控制器上运行分析软件，作为在云端运行的独立平台的补充，有很多好处。然而，控制工程师的专业知识可能还没有与最新的物联网技术在制造业中大量重叠。通过在与PLC、运动控制和HMI相同的工程平台上应用分析工具，当许多工程师启动第一个真正的工业物联网(工业物联网)和工业4.0概念的试点项目时，工程师将缩短他们的学习曲线，并提高成功实现的几率。这也保护了机器制造商和制造商的IP(知识产权)，而不会将新的收入来源或竞争优势拱手让给第三方。
使用基于pc的控制技术，分析可以在机器控制代码内进行在线和离线分析，不会错过任何大型科技公司可能提供的功能或连接。图形分析序列是在一个简单易用的软件工作台中开发的。这些序列可以转换为IEC 61131-3语言，因此PLC程序员很容易理解代码，并确保这些分析序列可以在PLC中运行，进行24/7监控。幸运的是，基于pc的控制系统可以很容易地采用计算机科学和IT编程工具，如C/ c++， Visual Studio，或使用本地边缘工具，如Azure IoT edge。这可以扩展到包括在PC上运行的任何其他软件平台。此外，如果需要，基于pc的系统可以结合MatLab/Simulink来增强机器学习的分析应用程序。不管工作所需的工具是什么，在一个环境中处理尽可能多的工程工作对于更高效的开发来说是一个稳固的优势。
虽然工具箱几乎是无限的，但已经实现了这种基于pc的控制技术的应用程序的制造商不需要任何新的工具来运行适当的分析。有了配套的配置工具，PC控制中提供的分析工具集的用户可以轻松地筛选数据，因为它是由分析记录器周期性获取的。
可用的软件库包含用于几种类型的周期分析的功能块，例如:数据分类;最小、最大和平均循环时间;和价值集成商。它们还包含用于阈值监视的功能块，提供记录违反阈值的数量的能力。其他功能块可以分析信号振幅和存储指标，如最大值和最小值。可以从一个大数据包中选择许多不同的变量以图形化的方式显示它们，例如，使用基于软件的范围工具进行后范围配置。配置器还提供来自分析PLC库的算法，以离线检查数据的极限值或执行机器周期的运行时分析。一个机器周期的总运行时间——最短、最长和平均运行时间——很容易确定。重要数据的结果可以显示在机器HMI和其他设备的仪表板上。
当研究基于pc的控制架构中的物联网解决方案时，PLC程序员可以创建新的平台或改造现有系统，以破解大数据难题。这可以在不失去现代控制设计的主要方面的控制或通过添加独立系统的复杂性层的情况下实现。
