2、产线自动化基础：PLC、MES、SCADA、边缘网关的基本概念与在产线中的角色
在构建边缘AI产线联动方案之前，必须先厘清产线自动化体系中各核心组件的职责边界与协作关系。PLC（可编程逻辑控制器）、MES（制造执行系统）、SCADA（数据采集与监控系统）和边缘网关并非相互替代的同类产品，而是分别处于控制层、管理层、监控层和边缘计算层的不同角色。理解它们的定位差异，是设计告警联动、数据采集和指令下发机制的前提。本节将逐一拆解这四类系统的核心原理、在产线中的具体角色，并通过一张架构关系图展示其协作链路，最后结合实战场景分析常见误区。
2.1 核心原理：四类系统的本质定位
PLC（可编程逻辑控制器）是产线自动化中最底层的执行与控制单元。它采用循环扫描方式工作，每个扫描周期内完成输入采样、程序执行、输出刷新三个步骤。PLC直接连接传感器（光电开关、接近开关、编码器、温度变送器等）和执行器（气缸电磁阀、变频器、伺服驱动器、继电器等），通过梯形图或结构化文本（ST）编写控制逻辑。其核心特点是实时性——典型扫描周期在10ms~50ms之间，部分高速运动控制场景可达1ms以下。PLC不关心“生产什么产品”，只关心“当前输入条件下输出应该是什么状态”。
SCADA（数据采集与监控系统）位于PLC之上，负责对分散的PLC、传感器、仪表进行集中数据采集和可视化监控。SCADA系统通常包含数据采集服务器、历史数据库、报警管理模块和HMI画面。它通过OPC UA、Modbus TCP、S7协议等与PLC通信，以1秒~5秒的周期轮询或订阅方式获取数据。SCADA的核心价值在于态势感知——让车间管理人员能够看到整条产线的实时运行状态、历史趋势和报警记录。但SCADA本身不执行控制逻辑，也不管理生产工单。
MES（制造执行系统）是面向车间层的生产管理系统，负责工单下发、物料追踪、质量检验、设备状态记录、人员绩效统计等。MES与SCADA/PLC的交互方式通常是：MES将生产工单和工艺参数下发到产线，PLC执行具体动作，SCADA采集实际执行结果，MES再根据反馈更新工单状态和产品质量数据。MES的典型响应时间在秒级到分钟级，它不要求毫秒级实时性，但要求数据完整性和可追溯性。
边缘网关是近年来随着工业物联网和边缘AI兴起而出现的新型设备。它通常部署在产线现场或机柜内，具备多协议接入能力（Modbus、OPC UA、EtherNet/IP、Profinet等），能够同时连接多台PLC和传感器。边缘网关的核心能力包括：本地数据清洗与聚合、协议转换、断网缓存续传、轻量级AI推理（如异常检测、预测性维护）、本地告警规则引擎。边缘网关的出现填补了PLC（太底层）、SCADA（太重）、MES（太慢）之间的空白地带，为产线提供了本地智能决策的能力。
2.2 判断方法：如何根据产线需求选择组件
在实际项目中，判断一个产线场景需要哪些组件，可以从以下维度进行决策：
| 需求维度 | 响应时间要求 | 推荐组件 | 说明 |
|---|---|---|---|
| 紧急停机、联锁保护 | <50ms | PLC硬逻辑 | 必须由PLC独立完成，不依赖网络 |
| 实时状态监控、趋势报警 | 1~5秒 | SCADA | 适合操作员实时查看 |
| 工单管理、质量追溯 | 秒级~分钟级 | MES | 需要数据库支撑 |
| AI视觉检测、预测性维护 | 100ms~2秒 | 边缘网关 | 本地推理，避免云端延迟 |
| 多协议设备接入 | 不敏感 | 边缘网关 | 统一协议转换 |
判断流程建议如下：第一步，明确控制实时性要求——凡是涉及安全联锁和高速运动控制的，必须由PLC直接执行；第二步，评估数据采集范围——如果只需要本地操作员站监控，SCADA足够；如果需要跨车间、跨工厂汇总，则需要MES或云端平台；第三步，分析AI推理需求——如果需要在产线侧实时判断质量缺陷或设备异常，且网络不稳定或延迟要求高，则必须部署边缘网关；第四步，考虑系统集成成本——边缘网关可以同时对接PLC和MES，减少SCADA的中间环节，但需要评估现有SCADA的兼容性。
2.3 案例拆解：汽车零部件产线的四层联动改造
某汽车零部件工厂有一条发动机缸盖机加工产线，原有系统包括：6台西门子S7-1500 PLC控制加工中心、1套WinCC SCADA系统、1套SAP ME（MES）。产线面临的核心问题是：刀具磨损导致的尺寸超差无法提前预警，通常要等到加工完成后由三坐标测量仪抽检发现，此时已经产生批量不良品。
初始目标：在刀具完全失效前提前2~3小时预警，将不良率从1.2%降低到0.3%以下。
关键输入数据：PLC中已有主轴负载电流（每100ms采集一次）、进给速度、主轴转速、切削液温度等参数；SCADA历史库中存有过去6个月的加工数据；MES中有对应工单的刀具寿命记录。
分析判断过程：项目组首先尝试在SCADA中设置简单的阈值报警（如主轴电流超过额定值20%），但误报率极高——因为不同刀具、不同加工阶段的电流特征差异很大。随后引入边缘网关，在网关中部署轻量级异常检测模型（基于孤立森林算法），输入特征为：主轴电流的滑动均值、滑动标准差、电流上升速率、切削液温度变化率。模型在历史数据上训练，识别出刀具磨损初期的特征模式。
实际操作步骤：
- 在每台PLC的CPU中配置以太网通信模块，开放OPC UA Server接口，将主轴负载、进给率、温度等20个关键变量以100ms周期发布。
- 部署边缘网关（采用工业级ARM架构设备），通过OPC UA客户端同时连接6台PLC，以200ms周期采集数据。
- 在边缘网关中运行AI推理容器，对每台设备独立建模，输出异常评分（0~100）。
- 设置联动规则：当异常评分超过80且持续30秒，边缘网关通过Modbus TCP向对应PLC写入一个“预警”寄存器位，PLC程序检测到该位后自动降低进给速度10%，并触发黄色警示灯。
- 同时边缘网关将预警事件以JSON格式通过MQTT上报给MES，MES自动创建刀具检查工单并通知刀具管理员。
结果对比：上线运行4周后，刀具相关尺寸超差不良率从1.2%降至0.28%，提前预警准确率达到87%，误报率控制在5%以内。由于PLC执行了降速保护动作，刀具崩刃导致的设备停机时间减少了62%。
风险与代价：初期模型训练需要至少2周的历史数据积累；边缘网关的AI推理延迟约150ms，对于需要更快响应的场景（如碰撞检测）仍需依赖PLC硬逻辑；此外，PLC程序修改需要停机验证，项目组在试运行期间安排了3次短暂停机（每次约30分钟）用于逻辑验证。
2.4 常见误区与总结复盘
误区一：用SCADA替代边缘网关。有些项目试图在SCADA服务器上运行Python脚本进行AI推理，但SCADA服务器通常位于中控室，与现场设备存在网络延迟，且SCADA的实时数据库并非为高频计算设计。当需要处理100ms级数据流并进行复杂计算时，SCADA服务器CPU占用率会飙升，影响其数据采集功能。
误区二：让PLC承担AI推理任务。现代高端PLC虽然支持高级语言编程，但其CPU算力有限，运行AI模型会严重挤占扫描周期。例如，在S7-1500上运行一个简单的决策树模型，扫描周期可能从10ms恶化到80ms，导致运动控制抖动。
误区三：MES直接与PLC高频通信。MES的数据库写入操作通常需要几十毫秒到几百毫秒，如果MES直接以100ms频率读取PLC数据，会造成数据库锁竞争和网络拥塞。正确做法是：PLC→边缘网关（高频采集）→MES（批量上报，如每5秒聚合一次）。
误区四：忽视协议兼容性。不同品牌的PLC支持不同的通信协议，如西门子S7协议、罗克韦尔CIP、三菱MC协议等。边缘网关必须支持这些协议才能实现数据采集。选型时需确认网关的协议库是否覆盖现场设备型号。