1. 制造时序数据全景认知

在制造现场，数据从来不是单一来源、单一形态的。一台数控机床的主轴振动、一条灌装线的流量、一个批次的质检结果、一次设备报警的触发时刻——它们分别由不同系统产生，采样频率相差几个数量级，却共同描述着同一件产品的制造过程。理解制造时序数据的全景，首先要回答三个问题：数据从哪里来、长什么样、为什么难管。

一、五类数据源：从物理信号到业务事件

制造场景中的时序数据主要来自五个层次，越靠近物理层，频率越高、体量越大；越靠近业务层，语义越强、频率越低。

• 设备传感器：直接安装在电机、轴承、液压站、温控回路上的振动、温度、压力、电流传感器。典型采样率为 1 Hz～50 kHz，振动监测常取 10 kHz 以上以捕捉轴承故障特征频率。数据是原始波形或高频标量，几乎没有业务语义。
• PLC（可编程逻辑控制器）：以毫秒级扫描周期采集开关量、模拟量、计数器值，如气缸到位信号、伺服位置、节拍计数。典型周期 1～100 ms，是设备动作的直接映射。
• SCADA（数据采集与监控系统）：汇聚多台 PLC 与仪表数据，形成产线级监控点表，典型采集周期 1～10 s，带报警、趋势、操作记录。
• MES（制造执行系统）：以工单、工序、批次、设备状态为对象，记录开工、完工、停机、换型等事件，时间粒度通常为秒到分钟，强业务语义。
• QMS（质量管理系统）：记录检验结果、SPC 采样值、缺陷代码、返修记录，与批次和产品序列号绑定，频率最低但关联性最强。

这五类数据并非孤立。一次质量异常往往需要同时回溯：QMS 的缺陷记录、MES 的批次与设备、SCADA 的工艺曲线、PLC 的动作时序、传感器的原始波形。分层存储的价值，正是让这种跨层回溯在可接受的时间和成本内完成。

二、四组关键特征：为什么不能当普通业务数据存

高频。一条中等规模产线，若 200 个测点以 1 kHz 采样，每秒产生 20 万条记录，一天约 172 亿条。若全部以行式数据库存储，写入和查询都会迅速劣化。因此时序数据的第一条工程约束是：写入路径必须支持批量追加与列式压缩，而不是逐条事务提交。

强时序。时间戳是天然主键，查询几乎总是"某设备在某时间段的值"。这决定了索引应以时间分区为主，设备标签为辅。同时，现场时钟漂移、网络抖动会造成乱序到达，系统需要容忍一定窗口内的乱序写入，而不是简单丢弃。

多模态。同一时刻，传感器给的是浮点波形，PLC 给的是布尔量，MES 给的是字符串事件，QMS 给的是结构化检验记录。它们的时间基准可能不同：传感器用设备本地时钟，MES 用服务器时间。跨源分析前必须做时间对齐，否则"同一时刻"根本不存在。

高写入、低更新。时序数据一旦写入，几乎不再修改，只会被查询、聚合、降采样和过期删除。这与业务数据"频繁更新"的假设相反，因此适合追加写、分区裁剪和 TTL 自动清理。

三、生命周期管理的核心矛盾

制造时序数据的生命周期通常跨越数月到数年。矛盾在于：越新的数据越热、查询越频繁、价值越高，但体量越小；越旧的数据越冷、查询越少，但体量越大、留存要求越刚性。如果全部放在高性能存储上，成本随天数线性上升；如果过早归档到低速介质，故障回溯和工艺优化又会变慢。

以一个具体示例说明量级：假设某车间 500 个测点，平均采样 10 Hz，每条记录约 40 字节。则日增数据量约为 500 × 10 × 86400 × 40 B ≈ 17.3 GB/天，一年约 6.3 TB。若保留三年，原始数据接近 19 TB。这还没有计入波形文件和质检附件。显然，用同一套存储策略覆盖全部数据既不经济也不必要。

四、从全景到工程决策

理解全景的最终目的，是做出可执行的存储与查询决策。面对一个具体制造场景，可以先回答四个问题：数据源有哪些、各自频率与体量多大、查询模式是实时监控还是历史回溯、留存期限由工艺还是合规决定。这四个问题的答案，直接决定分区粒度、压缩算法、降采样规则和冷热迁移阈值。

例如，若某产线的核心诉求是"设备故障后 30 分钟内完成波形回溯"，则热层必须保留原始波形至少 30 天，且查询接口要支持按设备与时间窗口快速定位；若诉求是"年度工艺趋势分析"，则温层保留分钟级聚合值即可，无需保留原始高频点。同一批数据，因查询目标不同，分层策略可以完全不同。