摘要：本文来自我经手的6个离散制造工厂物联项目的经验总结，针对很多中小工厂搭物联体系时重应用、轻底座的通病，拆解工厂物联数据底座支撑服务平台的设计要点、选型权衡和常见踩坑点，给中级工程师做落地参考。
为什么说传统工厂堆数据就是堆垃圾？
之前帮长三角一家汽配厂梳理物联项目，前一届服务商已经给120台加工设备装了采集模块，花了近两百万。结果要算设备OEE的时候，数据东一块西一块，PLC的运行信号和刀具的磨损数据对不上，算出来的OEE误差最高到16%，完全没法用。
符合GB/T 39116-2020智能制造生产设备互联互通标准的要求，数据误差必须控制在2%以内。差了快十倍，这不叫数字化，这叫数字垃圾堆。
很多厂商上来就卖带宽卖存储，张嘴就是上云，根本没人提底座该怎么搭。不同品牌的设备接口不一样，数据格式不一样，采集频率不一样，直接往存储里一塞，要用的时候根本挖不出来。
说白了，没有统一的底座做梳理，你存的越多，浪费的成本越多。
工厂物联数据底座支撑服务平台的核心设计权衡
说实话，做底座不是搭花架子，每一层都要对着工厂的实际需求做取舍。我现在做项目，都会把底座分成三层，每一层的选型都有说法。
边缘预处理层，核心是砍流量，降成本。之前做焊装车间的焊机电流采集，单台焊机每秒输出1000个采样点，100台焊机全量上传一天就是1.2TB，存半年存储成本直接翻三倍，带宽还经常卡。按照GB/T 40668-2021工业物联网数据采集传输规范的要求，我们最后定了规则：异常波动数据全量存，正常运行数据只存10秒统计特征，误差控制在0.3%以内，完全满足工艺分析要求，存储成本直接降了70%。
统一建模层，核心是可扩展，不绑定。很多项目的建模是跟着当前产线走的，换个新产品，加几台新设备，底层代码就要改一遍，越做越乱。我们现在做底座，统一用OPC UA标准做公共对象建模，把设备、物料、工艺、质量四个核心对象抽象成通用模型，加新产线只需要改配置，不用动底层逻辑。
之前踩过一个大坑，最开始图省事用了开源的通用时序数据库，刚上线几十台设备跑的飞起，三个月后设备加到300台，数据量上来，OEE查询延迟从200ms涨到5秒，前端页面刷半天出不来。后来换了针对工业时序优化、基于LSM-tree做分区的工业级时序引擎，直接把查询压到300ms以内，稳定跑了两年没出问题。这个坑，没做过实际项目的根本想不到。
落地环节最容易漏掉的几个设计细节
不过话说回来，底座做的再好，细节漏了照样翻车。我提几个没人写在需求里，但必须做的点。
第一个，全链路统一时间对齐。不同设备的时钟来源不一样，PLC走本地时钟，AGV走5G授时，视觉检测设备走自己的系统时钟，最多能差几百毫秒。算工序节拍的时候，直接差出一个工位，你说坑不坑？我们现在做底座，强制要求所有采集节点做NTP授时同步，把端到端偏差控制在10ms以内，这是硬指标，不达标不能上线。
第二个，细粒度数据权限控制。工厂里不同部门要的数据不一样，设备部要设备运维数据，质量部要工艺检验数据，生产部要节拍产量数据，很多底座只做了账号密码，不做细粒度权限，要么全给要么全不给，合规性根本过不了。我们现在按对象做权限控制，质量部只能看和质量相关的字段，看不到设备的运维成本数据，完全符合等保2.0的要求，甲方也满意。
第三个，断网容灾机制。去年遇到一个做汽车内饰的客户，机房跳闸烧坏了一块存储硬盘，丢了三天的采集数据，连当月的生产月报都做不出来，整整拖了一周才补上，老板把项目负责人骂了个狗血淋头。现在我们做底座，都会加两层容灾：边缘节点本地缓存7天数据，断网的时候不丢数，联网自动补传；中心节点做每日增量异地备份，就算机房出问题，最多丢一天数据，根本不影响生产。
这些细节，没有甲方会写在招标需求里，但真出了问题，整个项目的口碑就没了。
现在很多工厂都在赶数字化的风口，上来就要搞AI质量检测，搞智能排程，却不愿意花精力搭好数据底座。没有干净、统一、可用的底层数据，所有上层应用都是空中楼阁。
搭对底座，项目就成了一半。对吧。
