2、SCADA系统基础：SCADA架构、数据采集（PLC/传感器）、实时数据库与OPC UA等通信协议

SCADA（Supervisory Control And Data Acquisition，监控与数据采集）系统是智慧工厂的“神经系统”，它连接了现场设备层（PLC、传感器、仪表）与上层管理/展示层（AI看板、MES、云端分析平台）。在构建AI+SCADA看板之前，必须理解SCADA的分层架构、数据流转路径以及核心通信机制。本章将深入剖析SCADA的经典四层架构、数据采集的工程细节、实时数据库的选型要点，以及OPC UA等关键通信协议的技术特性，为后续告警与设备健康看板设计打下坚实基础。

上图展示了智慧工厂SCADA系统的四层标准架构（ISA-95模型简化版）。数据从底层传感器/PLC向上逐级汇聚，最终到达AI看板与云端分析平台。理解每一层的职责与接口协议，是设计可靠数据采集链路的前提。

2.1 SCADA核心架构：从现场设备到云端看板的分层模型

核心原理：SCADA系统并非单一软件，而是一个集成了硬件、软件、网络和协议的分布式系统。在智慧工厂中，我们通常遵循ISA-95（国际自动化学会标准）的分层模型来组织系统。该模型将工厂信息化系统划分为5个层级（Level 0~Level 4），其中SCADA主要覆盖Level 1（现场设备）到Level 3（监控与管理）。每一层都有明确的功能边界和通信标准，这种分层设计使得系统具备高可用性、可扩展性和安全性。

在实际工程中，SCADA系统的核心组件包括：

• 现场设备层（Level 1）：包括传感器（温度、压力、振动、流量）、执行器（阀门、电机）、变频器、RFID读卡器等。它们通过硬接线（4-20mA、24V DC）或现场总线（IO-Link、AS-i）与控制器相连。
• 控制层（Level 2）：以PLC（可编程逻辑控制器）和RTU（远程终端单元）为核心。PLC负责执行实时逻辑控制（如联锁、顺序控制），同时缓存最近的数据点，供上层轮询或订阅。
• 监控层（Level 3）：包含SCADA服务器、HMI（人机界面）、历史数据库和告警管理系统。这一层是AI看板的数据源头，负责数据采集、报警触发、趋势记录和报表生成。
• 管理层（Level 4）：MES、ERP、云平台和AI分析引擎。SCADA通过OPC UA或REST API将实时数据上传至云端，供机器学习模型训练和可视化大屏展示。

判断方法：在设计看板数据链路时，首先要明确每个数据点的“归属层级”。例如，设备振动数据可能直接从传感器通过IO-Link进入PLC，再通过Profinet上传至SCADA；而电能质量数据可能由独立电表通过Modbus TCP直接接入SCADA网关。判断标准是：数据是否经过实时控制回路？如果数据仅用于监控而非控制，可以绕过PLC直接进入SCADA，以减少延迟和PLC负载。

2.2 数据采集实战：PLC与传感器的接入策略

操作流程：数据采集是SCADA系统的“血液”。一个典型的采集流程包括：设备发现 → 点位映射 → 轮询/订阅配置 → 数据质量标记 → 边缘缓存。以西门子S7-1500 PLC为例，采集步骤如下：

1. 设备发现：在SCADA配置工具（如WinCC、Ignition）中扫描以太网，找到PLC的IP地址和槽号。
2. 点位映射：将PLC程序中的DB块变量（如DB1.DBD0: 电机电流）映射为SCADA的Tag（标签）。建议Tag命名遵循产线_设备_参数规范，例如Line1_Motor1_Current。
3. 通信配置：选择Profinet或S7协议（S7-1500支持S7-Comm）。设置轮询周期（通常100ms~1s），或使用SIMATIC S7-1500的“Pull/Subscribe”功能实现变化触发上报。
4. 数据质量标记：SCADA应识别PLC返回的“Bad”或“Uncertain”质量戳，并在看板上显示灰色或黄色，避免将无效数据用于AI分析。
5. 边缘缓存：在SCADA服务器本地磁盘或内存数据库中缓存至少7天的数据，防止网络中断导致数据丢失。

案例拆解：某汽车零部件工厂需要采集20台压铸机的合模压力、锁模力、模具温度（共120个模拟量点）和60个数字量状态（门开/关、润滑报警）。初始方案是让每台压铸机的PLC直接通过Modbus TCP向看板推送数据，结果导致看板刷新卡顿，且PLC扫描周期从5ms恶化到20ms。分析发现，PLC的通信负载过高，且看板频繁轮询导致网络冲突。

优化方案：引入一台边缘网关（如Kepware或Node-RED），网关通过Profinet与PLC通信，将数据转换为OPC UA Server，SCADA服务器作为OPC UA Client订阅数据。同时，网关内部设置死区阈值（如压力变化超过0.5MPa才上报），将网络流量降低70%。最终，PLC扫描周期恢复至5ms，看板数据刷新延迟稳定在200ms以内。

2.3 实时数据库：时序数据存储与查询的核心

核心原理：SCADA系统的实时数据库（Real-time Database, RTDB）与普通关系型数据库（如MySQL）有本质区别。RTDB针对时间戳写入和范围查询进行了深度优化，支持每秒数万甚至数十万点的并发写入，且数据压缩比高（通常10:1以上）。在智慧工厂看板中，RTDB负责存储设备健康指标（振动频谱、温度趋势）、告警事件和产线计数等时序数据。

选型对比：常见的RTDB包括OSIsoft PI Server、Aspen InfoPlus.21、InfluxDB（开源）、TDengine（国产开源）等。选择时需考虑以下维度：

操作流程：在配置RTDB时，应遵循“先建模，后接入”的原则。首先定义资产模型（如产线→设备→测点），然后为每个测点设置采集死区、压缩算法和存储周期。例如，对于振动加速度信号，可设置死区为0.1g，存储周期为1秒；对于温度信号，死区为0.5℃，存储周期为10秒。这样可大幅减少存储占用，同时保留关键特征。

2.4 OPC UA与通信协议：统一数据语义的关键

核心原理：OPC UA（Unified Architecture，统一架构）是SCADA系统中最关键的通信标准，它不仅是数据传输协议，更是一个信息建模框架。与传统的OPC DA（基于COM/DCOM）相比，OPC UA具备跨平台（Windows/Linux）、内置安全（证书加密）、语义建模（对象、方法、事件）等优势。在智慧工厂中，OPC UA解决了“数据孤岛”问题——不同厂商的PLC、传感器、仪表可以通过统一的地址空间（Address Space）向SCADA或云端暴露数据。

通信协议对比：

• Modbus TCP：简单、广泛支持，但无内建安全，数据模型扁平（仅寄存器地址），适合设备级点对点通信。
• Profinet：西门子主导的实时以太网协议，支持IRT（等时同步），适合运动控制和高速逻辑，但生态相对封闭。
• EtherNet/IP：罗克韦尔主导，基于CIP协议，适合北美工厂，与Profinet竞争。
• OPC UA：独立于厂商，支持复杂对象建模（如将“电机”建模为包含温度、振动、转速属性的对象），并支持发布/订阅（PubSub）模式，适合SCADA到云端的大规模数据传输。

案例拆解：某电子制造工厂需要将SCADA数据上传至AWS云平台进行AI训练。最初使用Modbus TCP将数据从PLC直接推送到云网关，但发现两个问题：一是PLC的IP地址和寄存器映射在云端难以维护；二是数据缺乏语义（云端不知道寄存器40001代表的是温度还是压力）。

解决方案：在SCADA服务器上部署OPC UA Server，将PLC的寄存器映射为具有语义的UA节点（如ns=2;s=Line1.Oven.Temperature）。云端通过MQTT插件订阅OPC UA的数据变化，并自动将UA节点ID转换为云端的资产属性。这样，云端AI模型可以直接读取“温度”和“压力”字段，无需关心底层PLC地址。同时，OPC UA的安全机制（X.509证书）确保了数据传输的机密性和完整性。

2.5 总结复盘与实施要点

本章从架构、采集、存储和通信四个维度剖析了SCADA系统。在构建AI+SCADA看板时，请牢记以下要点：

• 架构先行：严格遵循ISA-95分层，避免PLC直连云端，确保控制层安全。
• 数据质量为王：在采集源头标记数据质量，利用死区压缩和边缘缓存保证数据连续性和有效性。
• RTDB是核心资产：选择适合的时序数据库，并做好资产建模和预聚合，为AI算法提供干净、高效的数据管道。
• OPC UA是集成利器：优先采用OPC UA作为SCADA与上层系统（云端、AI平台）的通信标准，利用其语义建模能力减少数据清洗工作量。