4. Hexagon智能工厂数据集成参考架构

在智能工厂的数据集成工程中,最容易出现的问题不是“没有系统”,而是系统各自为政:设备侧有PLC与SCADA,质量侧有测量与检测软件,业务侧有MES与ERP,数据在纵向与横向之间来回搬运,却缺少一个稳定的分层参照。Hexagon的智能工厂数据集成参考架构,本质上就是给出一张“数据从哪来、在哪汇聚、在哪治理、在哪被消费”的分层地图,并把Hexagon的产品组件放到正确的位置上,避免把边缘采集、平台治理和应用分析混为一谈。

分层设计的核心逻辑

该参考架构通常划分为四层:边缘层、平台层、应用层,以及贯穿各层的集成与治理能力。分层的判断依据不是“软件装在哪台服务器”,而是“这一层对数据承担什么职责”。边缘层负责贴近设备、贴近现场,解决协议适配、实时采集、边缘预处理与断点续传;平台层负责数据的汇聚、建模、存储、服务化与统一治理;应用层负责面向具体业务场景的消费,如质量分析、设备健康、能耗优化、生产追溯;集成与治理则横跨各层,负责身份、权限、元数据、数据质量与接口规范。

一个常见的误区是把边缘层当成“缩小版平台”。实际上,边缘层的核心约束是实时性与现场可靠性,它不追求全量历史存储,而追求在毫秒到秒级完成采集、过滤、聚合与转发。平台层则相反,它追求数据的完整性、一致性与可复用性,允许更高的处理延迟,但要求数据模型稳定、接口可版本化。应用层则追求业务价值,允许按场景裁剪数据,但不能反向破坏平台层的数据契约。

Hexagon智能工厂数据集成参考架构 分层职责与产品组件定位 边缘层 · 贴近设备与现场 职责:协议适配、实时采集、边缘预处理、断点续传、本地缓存 设备与传感器 PLC / CNC / 测量机 边缘网关 OPC UA / Modbus / MQTT 边缘计算节点 过滤 / 聚合 / 缓存 Hexagon 边缘采集组件 设备连接与数据接入 平台层 · 数据汇聚与治理 职责:统一接入、数据建模、存储管理、服务化、元数据与质量管理 数据接入服务 消息队列 / API 批量与流式 数据建模与主数据 设备模型 / 产品模型 工艺模型 存储与计算 时序库 / 关系库 对象存储 Hexagon 平台组件 数据集成与治理平台 统一数据服务 应用层 · 业务场景消费 职责:质量分析、设备健康、能耗优化、生产追溯、可视化与决策支持 质量分析应用 SPC / 缺陷追溯 设备健康应用 状态监测 / 预测维护 能耗优化应用 能效分析 / 碳排 Hexagon 应用组件 场景化分析套件 集成与治理 · 身份 / 权限 / 元数据 / 数据质量 / 接口规范 采集数据上行 服务化数据下行 关键原则:边缘层保实时与可靠,平台层保一致与复用,应用层保场景与价值;治理能力贯穿三层,不单独成层。 Hexagon产品组件按职责归位:边缘采集组件在边缘层,数据集成与治理平台在平台层,场景化分析套件在应用层。

边缘层:实时性与可靠性的第一道关口

边缘层的典型对象包括PLC、CNC、三坐标测量机、视觉传感器、机器人控制器以及各类仪表。它们使用的协议差异很大,常见的有OPC UA、Modbus TCP、Profinet、MQTT、EtherNet/IP等。边缘网关的首要任务不是“把数据全部传上去”,而是完成协议适配与语义转换:把不同设备中含义相近但命名不同的点位,映射到统一的设备模型上。例如,某台CNC的“主轴转速”在PLC中可能是DB100.DBD20,在另一台设备中可能是寄存器40001,边缘层需要把它们统一为“设备ID + 主轴转速 + 单位rpm + 时间戳”的结构。

边缘预处理通常包括三类操作:第一类是过滤与去重,剔除重复上报和明显异常值;第二类是聚合与降采样,把毫秒级原始数据按秒或分钟聚合为均值、最大值、最小值;第三类是本地缓存与断点续传,当网络中断时数据暂存本地,恢复后按时间顺序补传。这些操作直接决定了平台层接收到的数据质量。一个可参考的示例参数是:采集周期100ms,边缘聚合窗口1s,本地缓存容量24小时,断网恢复后按时间戳排序补传。这些参数属于教学示例,实际工程中需根据设备数量和网络条件调整。

平台层:数据一致性与复用性的核心

平台层接收来自边缘层的数据流,并承担四项关键职责。第一是统一接入,支持流式与批量两种模式,流式用于实时状态与报警,批量用于历史数据补录与主数据同步。第二是数据建模,建立设备模型、产品模型、工艺模型和工厂模型,使数据具备业务语义。第三是存储与计算,时序数据进入时序库,关系型数据进入关系库,非结构化数据进入对象存储,计算引擎负责指标计算与规则判断。第四是服务化,把数据以API、消息主题或数据视图的方式暴露给应用层,并保证接口版本可控。

平台层最容易被忽视的是元数据与数据质量管理。元数据记录每个数据点的来源、单位、采集频率、责任人和变更历史;数据质量则关注完整性、及时性、一致性和有效性。例如,当某台设备的振动数据连续5分钟未上报,平台层应能识别为“数据缺失”并触发告警,而不是让应用层拿到空值后自行猜测。Hexagon的数据集成与治理平台组件在这一层承担核心角色,它把边缘层接入的数据转化为可治理、可服务化的数据资产。

应用层:从数据资产到业务价值

应用层不再关心数据从哪里来、用什么协议采集,而是直接消费平台层提供的服务化数据。质量分析应用可以基于测量数据与工艺参数做SPC控制图,判断过程是否受控;设备健康应用可以基于振动、温度、电流等时序数据做状态监测与趋势预警;能耗优化应用可以按产线、班次、产品型号统计单位能耗;生产追溯应用可以把产品序列号与加工参数、检测结果关联起来,形成完整档案。Hexagon的场景化分析套件在这一层提供面向具体业务的分析能力,但它的前提是平台层已经提供了稳定、语义清晰的数据服务。

产品组件定位与常见误区

把Hexagon产品组件放到正确层级,是架构落地时最容易出错的地方。边缘采集组件应部署在靠近设备的位置,负责协议适配与数据接入,不应承担复杂的业务分析;数据集成与治理平台应部署在中心侧或区域中心,负责数据汇聚、建模、存储与服务化;场景化分析套件应部署在应用层,按业务场景消费数据。一个常见误区是把分析逻辑下沉到边缘网关,导致边缘节点负载过高、维护困难;另一个误区是把平台层当成“数据中转站”,只做转发不做建模,结果应用层拿到的是原始点位而非业务对象,每个应用都要重复解析协议和单位。

判断某个组件应该放在哪一层,可以问三个问题:它是否直接与设备协议打交道?它是否维护跨系统的统一数据模型?它是否面向具体业务场景输出分析结果?第一个问题指向边缘层,第二个问题指向平台层,第三个问题指向应用层。

分层之间的数据契约

分层架构能否稳定运行,取决于层与层之间是否有明确的数据契约。边缘层向平台层承诺的是“按约定频率、约定格式、约定时间戳精度上报数据”;平台层向应用层承诺的是“按约定接口、约定数据模型、约定服务等级提供数据”。契约一旦确定,就不应因为某个应用的特殊需求而随意修改。例如,应用层需要“设备综合效率OEE”,平台层应提供计算OEE所需的运行时间、停机时间、合格品数量等基础指标,而不是让应用层直接访问边缘层的原始点位。这种契约关系是分层设计真正的价值所在,也是Hexagon参考架构能够支撑多应用、多工厂扩展的基础。