2. 制造数据源与数据流梳理

制造数据质量规则要落地，第一步不是写规则，而是把“数据从哪里来、经过谁、到哪里去”梳理清楚。制造现场的数据源天然分层：最底层是设备与传感器，中间是边缘采集与协议转换，上层是SCADA、MES、ERP、WMS、QMS等业务系统。每一层的数据对象、时间语义、更新频率和接口方式都不同，如果混在一起治理，规则就会失去作用点。本节围绕这条纵向数据链，说明各层的数据特征、采集频率与协议的匹配关系，以及三种典型数据流拓扑。

一、设备层：数据产生的源头

设备层是数据的物理起点，典型对象包括PLC、CNC、机器人、注塑机、贴片机、传感器、仪表和条码/RFID读写器。这一层的数据大致分为三类：

• 状态量：运行、待机、报警、停机等离散状态，通常来自PLC的位变量或设备状态字，变化频率低但语义关键。
• 过程量：温度、压力、转速、扭矩、电流、位置等模拟量，采样周期常在10ms～1s之间，是质量追溯和工艺分析的核心。
• 事件量：报警触发、换刀、换模、批次切换、首件完成等，属于离散事件，带有明确时间戳和业务含义。

设备层的关键特征是“时间精度高、语义弱”。PLC寄存器里的一个地址只代表某个物理量，必须通过点表（Tag表）映射为可理解的数据点。点表通常包含：点位名称、设备编号、寄存器地址、数据类型、量纲、采样周期、有效范围。例如某注塑机点表片段：

tag_name: IMM01_MeltTemp
address: DB10.DBD24
data_type: REAL
unit: ℃
sample_ms: 500
valid_range: 0~400

点表是后续所有质量规则的元数据基础。没有点表，采集到的只是数字；有了点表，才能判断“温度是否超上限”“采样是否断流”。

二、边缘层：协议转换与本地预处理

边缘层位于设备与系统之间，承担协议适配、数据缓存、时间对齐和初步过滤。常见协议包括：

• Modbus TCP/RTU：最通用的PLC与仪表协议，轮询式读取，适合状态量和中低速过程量。
• OPC UA：支持信息模型和订阅机制，适合需要语义化、跨厂商互操作的场景。
• Profinet / EtherNet/IP / EtherCAT：面向实时控制的工业以太网，周期可达1ms级，通常由PLC或专用网关直接处理。
• MQTT / Sparkplug B：轻量发布订阅，适合边缘到平台的上行传输，支持断线缓存和状态主题。

边缘层的核心动作是“采集—转换—缓存—上传”。采集频率必须与设备能力和业务需求匹配：高频过程量若全部上传，会造成网络和存储压力；若降频过度，又会丢失质量特征。实践中常采用分级策略：过程量在边缘按原始周期采集，按1s或5s聚合后上传；状态量和事件量则变化即报。边缘节点还应具备本地缓存，网络中断时暂存数据，恢复后补传，避免数据断流。

三、SCADA、MES、ERP等系统数据

SCADA负责实时监控与报警，数据以秒级刷新为主，强调当前状态；MES负责工单、批次、工序、物料、质量结果，数据以事件驱动为主，强调业务上下文；ERP负责订单、库存、成本，更新频率最低，通常按小时或天。三者的数据关系可以概括为：SCADA提供“设备现在怎么样”，MES提供“这批产品是谁做的、做到哪一步”，ERP提供“这批订单的计划和交付要求”。

质量规则往往需要跨层关联。例如判断“某批次产品是否合格”，需要MES的批次号、SCADA的设备状态、设备层的温度曲线。如果各系统使用不同的批次编码或时间基准，关联就会失败。因此梳理数据流时，必须明确主键：设备编号、工单号、批次号、产品序列号，以及它们在各系统中的对应字段。

四、典型数据流拓扑

制造现场的数据流拓扑主要有三种：直连采集、边缘汇聚、分层汇聚。直连采集适合设备少、协议统一的场景，但扩展性差；边缘汇聚是当前主流，边缘节点统一采集多台设备，再以MQTT或OPC UA上传；分层汇聚适合多车间、多工厂，车间边缘先汇聚，再由厂级平台统一接入。选择拓扑时，重点看设备数量、协议种类、实时性要求和网络条件。

上图把设备层、边缘层、系统层以及采集频率和协议对应关系放在同一张拓扑中。可以看到，越靠下，数据越接近物理过程、频率越高、语义越弱；越靠上，数据越接近业务、频率越低、语义越强。质量规则的设计必须尊重这个梯度：对高频过程量，规则应关注阈值、波动和断流；对低频业务量，规则应关注完整性、一致性和关联关系。

五、梳理数据流时的关键检查点

实际梳理时，建议按以下顺序逐项确认，避免遗漏：

1. 数据点清单：每个数据点的名称、来源设备、协议地址、数据类型、量纲、采样周期、有效范围是否明确。
2. 时间基准：设备时间、边缘时间、系统时间是否同步，时间戳精度是否满足关联需求。
3. 主键一致性：设备编号、工单号、批次号、序列号在各层是否使用同一编码规则。
4. 断流与补传：网络中断时边缘是否缓存，恢复后是否补传，补传数据是否带原始时间戳。
5. 频率匹配：采集频率是否与业务需求匹配，是否存在高频数据无意义上传或低频数据无法支撑分析的情况。

完成数据流梳理后，后续的质量规则才有明确的挂载点：规则作用在哪个数据点、依赖哪些关联字段、在哪个环节触发、异常时如何回溯。数据流拓扑不是一张静态的架构图，而是质量监控工程的“地图”，它决定了规则能否被正确执行、异常能否被准确定位。