2. 工厂网络数据分层模型
工厂网络中的数据并不是“一锅粥”地流动。不同数据在产生位置、实时性要求、生命周期、使用对象上差异极大：伺服驱动器的电流环数据可能每 125 μs 更新一次，而设备综合效率（OEE）报表按班次统计即可。如果把这些数据放在同一层处理，要么实时控制被报表查询拖垮，要么海量原始数据把上层系统淹没。分层模型的核心目的，就是让数据在合适的位置被采集、在合适的层级被处理、以合适的形态被消费。
一、四层划分依据：按“数据时效 + 处理位置 + 消费对象”切分
划分层级不能只看设备物理位置，而应同时看三个维度：数据的时间尺度（微秒级、毫秒级、秒级、分钟级以上）、处理发生的物理位置（现场控制器内、车间边缘服务器、数据中心、业务终端），以及数据的主要消费者（控制回路、班组、工艺工程师、管理层）。据此得到四层：
- 设备层：PLC、CNC、机器人控制器、变频器、智能仪表、传感器。数据在此产生并首先被本地控制逻辑使用，典型周期 1 ms～100 ms，要求确定性、低抖动。
- 边缘层：部署在车间或产线侧的工业网关、边缘服务器、边缘控制器。承担协议转换、数据清洗、时间戳对齐、本地缓存、边缘计算与实时告警，周期约 10 ms～1 s。
- 平台层：工厂级或集团级的数据平台，负责时序数据存储、资产模型管理、数据治理、批量计算与接口服务，周期为秒级到分钟级。
- 应用层：MES、SCADA 看板、质量分析、能耗管理、预测性维护等业务应用，面向人机交互与业务决策，周期为分钟级到班次级。
需要强调：分层不等于分家。同一份原始数据可以在设备层用于闭环控制，在边缘层被降采样后上传，在平台层被长期归档，在应用层被聚合成指标——这是“一次采集、多层复用”，而不是各层各自重新采集。
二、各层数据特征对比
| 层级 | 典型数据 | 更新周期 | 数据量级 | 关键约束 |
|---|---|---|---|---|
| 设备层 | I/O 状态、电流/转矩、位置、报警位 | 1～100 ms | 单点高频、总量中等 | 确定性、实时性、不可丢帧 |
| 边缘层 | 清洗后测点、事件、边缘特征值 | 10 ms～1 s | 压缩后中等 | 断网续传、协议适配、本地算力 |
| 平台层 | 时序库测点、资产关系、批次记录 | 1 s～1 min | 海量、长期 | 吞吐、存储成本、数据一致性 |
| 应用层 | OEE、SPC 指标、工单、能耗报表 | 分钟～班次 | 小、聚合态 | 业务语义、查询响应、权限 |
从表中可见一条清晰规律：越往下，数据越原始、频率越高、语义越弱；越往上，数据越聚合、频率越低、业务语义越强。边缘层正是这条“语义增强、频率衰减”曲线上的关键拐点。
三、层间接口与协同关系
层与层之间不是简单“上传下达”，而是有明确接口契约的协同：
- 设备层 → 边缘层：以工业协议为主，如 Modbus TCP、OPC UA、Profinet、EtherNet/IP。接口要点是采集周期、点位映射、字节序与数据类型。例如把 PLC 的
DB100.DBD0（REAL，大端）映射为边缘侧测点Line1.Motor1.Current，采集周期 100 ms。 - 边缘层 → 平台层：常用 MQTT、OPC UA Pub/Sub、Kafka。接口要点是主题命名、QoS 等级、上报频率、断点续传。例如主题
factory/line1/motor1/telemetry，QoS 1，正常 1 s 上报一次，变化超阈值时立即上报。 - 平台层 → 应用层：以 REST/GraphQL API、消息订阅、数据库视图为主。接口要点是资产模型、指标口径、查询粒度、权限。例如应用层按
assetId + metric + 时间范围查询，平台返回聚合后的时序结果。
协同关系上，有三条必须打通：时间协同（各层时间戳统一到同一时钟源，边缘侧做 NTP/PTP 校时）、语义协同（同一测点在四层使用一致的资产编码与单位）、控制协同（边缘侧下发参数或配方时，必须经过设备层可接受的写入路径与安全校验）。
四、分层协同参考架构
下面这张图给出一个可直接对照落地的四层协同参考架构，重点表达数据自下而上的采集/上传路径、自上而下的控制/配置路径，以及边缘层承担的“协议转换 + 边缘计算 + 缓存续传”枢纽角色。
对照这张架构图，落地时最容易被忽略的是边缘层的“缓存续传”与“时间戳对齐”。车间网络抖动或平台升级时，若边缘侧没有本地队列，数据会直接丢失；若各设备时间未统一，后续在平台层做多测点关联分析时会出现毫秒级错位，导致故障定位误判。因此建议在边缘层明确三件事：本地缓存容量（例如按 24 小时原始数据估算）、断网重连后的补传策略（按时间顺序、去重）、以及统一时钟源（NTP 服务器地址与校时周期）。
综上，设备层保实时、边缘层做枢纽、平台层管资产与治理、应用层出业务价值，四层通过明确的接口契约与统一的时间、语义基准协同，才能让工厂数据既“采得到”，又“用得好”。