汽配厂新上的冲压线联网，明明所有设备都能连上，数据就是对不上，废品率莫名涨了快一个点。高速包装线的赋码系统，三分之一的产品扫不出溯源信息，查来查去最后问题出在数据同步上。这不是什么小众问题，我见过至少一半的中小产线联网项目，最后都卡在这里。
为什么很多产线的设备数据同步，做着做着就废了？
我见过最离谱的一个项目，甲方花了近百万上MES，结果跑了三个月，产量统计和实际出库差了7%，追了半个月才发现，四台冲压机的系统时钟，最大差了1.2秒。刚好每台压机每秒出一件，批次切割的时候直接切错了，把上一批的算到下一批，你说离谱不离谱。
很多人做同步，第一反应就是找个好的同步算法，什么复杂的一致性算法往上面堆，其实工业场景下，90%的同步问题根本和上层算法没关系。大部分出在没人在意的物理层。
按照IEEE 1588v2工业对时标准，工业级PTP交换机的对时精度可以做到微秒级，足够满足绝大多数产线的同步需求。但很多项目为了省那几万块的设备成本，直接用民用千兆交换机接产线，民用交换机不对PTP报文做优先级处理，时钟抖动直接拉到两百毫秒以上，碰上高节拍产线，可不就出问题吗。
说实话，这点钱真的省不得。我之前那个项目，最后换了四台工业PTP交换机，花了不到八万，时钟误差直接降到10微秒以内，数据对不上的问题直接消失，废品率也掉回原来的合格水平。
工程落地的核心权衡：选拉式还是推式同步？
现在圈子里好像有种风气，说推式同步比拉式先进，上来就堆MQTT、Kafka那一套，我就想问，适合你的场景吗？
去年有个朋友找我擦屁股，他们给一个食品厂做50台封口设备的联网，上来全用MQTT推式同步，结果早班开工的时候，50台设备同时上电，同时往网关发数据，网关的128KB缓存直接爆了，一下丢了快40分钟的数据，那批原材料全废了，赔了三万多。
其实没有绝对的好坏，只有合适不合适。如果你做的是十几台到几十台的低节拍机加工产线，单台设备每秒的数据量不超过50KB，拉式同步真的比推式香太多。开发量小，稳定性高，出问题也好排查，轮询间隔设100ms，足够用了。
但是如果你做的是节拍超过10件每秒的高速包装线、焊接线，每个工件都要关联多设备的工艺数据，那推式就是必须的，不然轮询根本赶不上节拍，丢数据是必然的。不过话说回来，就算用推式，也得加网关流量削峰，把突发的流量摊开1-2秒发，别让网关直接扛峰值，这点小事，省了就是坑。我自己做项目的经验，单台设备单秒数据量超过100KB，必须用推式加削峰，没错的。
容差设计：没做异常回补的同步都是裸奔
工业现场的网络，能一直稳？怎么可能。车间里行车一走，信号就晃两下，运营商的专线也会断，断网十几分钟太正常了。很多项目的设备数据同步，断网的时候设备本地不存数据，网络一恢复，丢的数据就没了，最后MES里的产量、工艺数据全对不上，盘点的时候差出十万八千里。
按照GB/T 39116-2020《智能制造 生产设备联网数据采集交换规范》，联网设备必须具备离线缓存和断点续传能力，离线缓存容量至少满足24小时的生产数据存储。很多项目根本不做这一条，为了省个几十块的SD卡钱，最后出问题擦屁股的成本几十万都打不住。太亏了。
我现在做任何项目，都会给每个设备的控制单元加一块8GB的工业级SD卡，按每个数据点16字节算，存一个月的生产数据都够，网络恢复之后，设备按照时间戳排序做增量同步，冲突处理也有讲究，永远以设备本地的时间戳为准，平台侧只做去重，不要随便覆盖数据。
之前有个项目，程序员图省事，用平台侧的时间覆盖设备本地时间，结果对时不准，把新采集的数据覆盖成了旧数据，后来出了质量事故，要查原始工艺参数，根本找不到，差点赔了大几十万，这个坑我记一辈子。
还有多设备同步的冲突，同一个工件，上料工位和焊接工位的数据时间戳差在500ms以内，直接合并入库，超过这个阈值就标记成异常，推给人工复核，千万不要自动合并，自动合并十次有八次错，别给自己找事。
做工业级的设备数据同步，从来不是比谁用的算法先进，比谁的架构新潮。把底层的时钟对时、同步方式选型、异常容差这三件基础事做扎实，九成以上的项目都能稳定跑起来。那些花里胡哨的东西，不如多去现场蹲两天，摸摸实际的网络情况，数数设备的数据量，比啥都强。
