1. 课程导入与工厂网络数据全景
1.1 学习目标
本课程面向工厂数字化与工业网络工程实践，目标是建立一套可落地的“分层协同”方法论：从现场设备的数据采集，到边缘侧的数据汇聚与预处理，再到车间/厂级的数据服务与上层应用，形成一条可观测、可治理、可扩展的数据链路。学完本章后，你应当能够：
- 说清工厂网络数据的分层结构、各层职责与典型协议边界；
- 识别一条数据从PLC/传感器到MES/SCADA的完整路径与关键节点；
- 理解分层协同工程的定义：不是简单堆叠设备，而是让各层在数据模型、时间基准、接口契约和运维责任上协同；
- 能够根据现场拓扑判断数据流方向、瓶颈位置与常见故障点。
1.2 什么是工厂网络数据的分层协同工程
工厂网络数据的分层协同工程，是指以工厂物理与逻辑层级为基础，将数据采集、传输、汇聚、建模、服务与消费分配到不同层级，并通过统一的命名、时间戳、质量码和接口约定，使各层既能独立演进，又能端到端协同的一整套工程方法。它包含三个关键词：
- 分层：现场层、控制层、边缘层、厂级服务层、应用层，各层有明确的实时性、带宽、可靠性与安全边界。
- 协同：层与层之间不是“能通就行”，而是要在数据语义、采样周期、时钟同步、异常处理上达成一致。
- 工程：强调可实施、可验证、可运维，包括IP规划、VLAN划分、OPC UA信息模型、边缘计算规则、数据质量监控等。
举例来说，某汽车零部件工厂的压铸机单元，现场层由PLC和温度/压力传感器组成，控制层通过Profinet完成闭环控制，边缘层用一台工业网关以100ms周期采集关键参数并做滑动平均与越限判断，厂级服务层通过MQTT/OPC UA将数据写入时序数据库，应用层再供SPC与OEE看板消费。若边缘层与厂级服务层的时间戳基准不一致，SPC图表就会出现“数据对不齐”的假象，这正是分层协同要解决的问题。
1.3 典型工厂网络拓扑与数据流
典型工厂网络通常呈现“金字塔+边缘”的混合结构。现场层以现场总线或工业以太网连接传感器、执行器与PLC；控制层由PLC、DCS、运动控制器组成，强调确定性时延；边缘层部署工业网关、边缘服务器或IPC，承担协议转换、数据清洗、缓存与本地决策；厂级服务层包括SCADA、 historians、MES、数据中台；应用层则是报表、看板、算法模型与移动端。
数据流方向并非单向。控制层向边缘层提供过程数据，边缘层向控制层可下发配方、阈值或优化参数；厂级服务层向边缘层下发模型与策略，边缘层向厂级服务层上报聚合结果与事件。理解这种双向流，是排障与架构设计的基础。
1.4 分层协同的核心挑战
在实际工程中，分层协同面临四类典型挑战。第一是时间基准不一致：现场层设备本地时钟、边缘层NTP、厂级服务层数据库时间可能相差数百毫秒甚至数秒，导致事件顺序错乱。第二是数据语义不统一：同一温度量在PLC中叫DB1.DBD0，在SCADA中叫T_01，在MES中叫压铸温度，缺乏统一命名与单位约定。第三是带宽与实时性冲突：控制层要求1ms级确定性，而厂级服务层可能以秒级批量拉取，若不加区分地让所有数据穿越所有层，会造成拥塞与抖动。第四是安全边界模糊：办公网与生产网若未做有效隔离，一次勒索软件攻击可能从应用层直抵控制层。
应对这些挑战，需要在设计阶段就明确：每层的数据采样周期、时间同步方式（如PTP或NTP）、命名规范（如ISA-95层级+设备位号）、接口协议（OPC UA/MQTT/Modbus TCP）以及安全策略（VLAN、防火墙、单向网关）。
1.5 分层协同的价值与本章小结
分层协同的价值体现在三个方面：可观测——每层都有明确的数据质量指标，故障可定位到具体层级；可扩展——新增设备或应用时，只需对接相邻层的标准接口，不必改动全链路；可治理——数据从产生到消费有完整血缘，满足质量追溯与合规要求。