3. 工业数据采集概述

工业数据采集是IIoT（工业物联网）体系的最前端，也是整个数据价值链的起点。无论是构建数字孪生、实施预测性维护，还是优化生产工艺，其底层都依赖于准确、完整、及时的数据采集。理解“采什么、从哪采、怎么采、有什么难点”，是设计数据采集网关和边缘通信方案的前提。本章将系统梳理工业数据采集的对象、类型与来源，并深入剖析工业现场数据的典型特征与工程挑战，为后续章节中网关的硬件选型、协议解析和边缘处理策略奠定认知基础。

上图展示了工业数据采集从物理数据源到信息类型的完整映射关系。数据源处于OT（操作技术）层，通过多样化的接口协议被采集网关获取，最终形成具有明确业务语义的数据类型。而贯穿这一过程的核心矛盾，正是工业现场数据固有的特点与挑战——它们决定了网关设计必须兼顾实时性、兼容性、安全性与可靠性。

3.1 数据采集的对象：从物理量到设备状态

工业数据采集的对象可以归纳为三个层次：物理量层、设备层和产线/工厂层。物理量层是最基础的数据来源，包括温度、压力、流量、液位、振动、位移、转速、电流、电压等模拟量，以及限位开关、按钮、继电器触点等数字量。设备层则涵盖PLC（可编程逻辑控制器）、DCS（分布式控制系统）、SCADA（数据采集与监控系统）、RTU（远程终端单元）、变频器、伺服驱动器、工业机器人、CNC（数控机床）等自动化设备。产线/工厂层则包括MES（制造执行系统）、ERP（企业资源计划）、CMMS（计算机化维护管理系统）等信息化系统产生的业务数据。

在实际工程中，采集对象的确定需要遵循“业务驱动”原则。例如，若目标是预测性维护，则重点采集振动、温度、电流等与设备健康度强相关的物理量；若目标是能耗优化，则需采集各工序的电能质量参数、设备运行状态和产量数据。下表列出了常见采集对象及其典型应用场景：

3.2 数据采集的类型与来源

从数据形态和传输方式来看，工业数据采集可分为三类：

• 实时过程数据：指生产过程中连续变化的物理量，如温度、压力、流量等。这类数据具有强实时性，通常通过模拟量输入模块或现场总线以周期性方式采集。
• 设备状态数据：反映设备运行模式、故障代码、报警信息等离散状态。这类数据多来自PLC内部的寄存器或状态字，通过Modbus、Profinet等协议读取。
• 生产管理数据：包括产量、良率、停机时间、OEE等统计型数据，通常由MES或上位机系统产生，通过数据库接口或API获取。

数据来源则可分为OT侧和IT侧。OT侧数据源包括传感器、变送器、PLC、DCS、RTU、SCADA等，它们直接与物理过程交互，数据格式多为原始字节流或寄存器值。IT侧数据源包括MES、ERP、CMMS等系统，数据以结构化记录形式存在。边缘网关的核心任务之一，就是打通OT与IT之间的数据鸿沟，将底层原始数据转换为上层业务可理解的语义信息。

3.3 工业现场数据的特点与工程挑战

工业现场数据与互联网数据、办公数据有本质区别，其特点可概括为“多、杂、快、险”四个字。多，指数据源数量庞大，一个中型工厂可能有数千个数据点；杂，指协议多样、格式不一，既有Modbus RTU这种老式串口协议，也有OPC UA这种现代语义化协议；快，指部分数据（如振动、电流）需要高频采样，数据量呈指数级增长；险，指数据采集环境恶劣，且涉及生产安全，不容闪失。

这些特点带来了以下工程挑战：

1. 协议异构性：不同厂商设备使用不同协议，甚至同一厂商不同系列产品协议也不同。网关需要支持数十种协议解析，且要处理协议版本差异。
2. 时序一致性：多源数据的时间戳必须对齐，否则后续分析将产生误导。例如，振动数据与转速数据若时间偏差超过1ms，频谱分析结果将失真。
3. 数据质量保障：传感器漂移、信号干扰、断线、通信超时等都会导致数据异常。网关需要具备数据清洗、缺失值补偿、异常值标记等能力。
4. 实时性与带宽矛盾：高频数据（如振动）若全部上传云端，将占用大量带宽和存储。边缘网关必须执行数据压缩、特征提取等预处理，只上传有价值的信息。
5. 网络安全风险：采集网关直接暴露在OT网络中，一旦被攻破，可能影响生产安全。因此，网关需要具备防火墙、VPN、访问控制等安全机制。

3.4 案例拆解：某汽车零部件工厂的数据采集方案设计

某汽车零部件工厂拥有120台注塑机、30台CNC加工中心和15台工业机器人，生产节拍为45秒/件。工厂希望建立设备综合效率（OEE）监控系统，并实现注塑机工艺参数的远程调优。初始目标是采集每台设备的运行状态、产量、报警信息和关键工艺参数（如注塑压力、温度、保压时间）。

关键输入数据与约束：

• 注塑机品牌：海天、震雄、Engel，分别支持Modbus TCP、Profinet和OPC UA协议。
• CNC控制器：FANUC、Siemens 828D，需通过FOCAS或OPC UA采集。
• 机器人：ABB IRB6700，支持RobotStudio SDK。
• 网络环境：工厂已有千兆工业以太网，但车间内电磁干扰较强，部分区域Wi-Fi信号不稳定。
• 数据量估算：每台注塑机约80个数据点，采样周期1秒；每台CNC约120个数据点，采样周期500ms；每台机器人约60个数据点，采样周期100ms。总数据点约15,000个，峰值数据速率约300KB/s。

分析判断过程：由于设备品牌和协议差异大，且部分设备（如Engel注塑机）的OPC UA服务需要额外授权，团队决定采用“边缘网关+协议转换”的架构。每台设备旁部署一台工业边缘网关（如研华ECU-1251），网关内置协议栈，将不同协议统一转换为MQTT/Sparkplug B格式，通过车间交换机汇聚到边缘服务器。

实际操作步骤：

1. 对每台设备进行点表梳理，建立数据字典，明确每个数据点的寄存器地址、数据类型、缩放系数。
2. 配置网关的协议通道，分别启用Modbus TCP客户端、Profinet从站、OPC UA客户端，并设置轮询周期。
3. 在网关中编写边缘计算规则：对振动数据执行FFT（快速傅里叶变换）提取特征值，对温度数据执行死区过滤（变化小于0.5℃不上报）。
4. 通过MQTT将清洗后的数据发送至边缘服务器，边缘服务器运行OEE计算引擎，每5分钟生成一次OEE报告。
5. 将OEE数据和关键报警通过MQTT转发至云端MES系统，用于长期趋势分析。

结果对比：实施后，OEE数据从原来的人工抄表（每天一次）变为实时自动计算，数据准确率从92%提升至99.8%。注塑机工艺参数调优响应时间从原来的2小时缩短至10分钟。但项目也付出了代价：网关硬件成本约8万元，协议授权费用约3万元，实施周期6周。

复盘经验：协议适配是最大工作量，占项目总工时的40%。建议在设备采购阶段就要求供应商提供OPC UA接口，减少后期适配成本。同时，边缘计算规则需要与工艺工程师反复确认，避免过度过滤导致关键数据丢失。

3.5 常见误区与总结复盘

在工业数据采集实践中，常见以下误区：

• 误区一：追求“全量采集”。将所有数据不分青红皂白全部采集，导致存储成本高、分析效率低。正确做法是“按需采集”，根据业务目标确定数据点清单。
• 误区二：忽视时间同步。不同设备的时间基准不一致，导致数据无法关联分析。应部署NTP（网络时间协议）服务器，确保所有网关和设备时间偏差小于10ms。
• 误区三：忽略数据质量。采集上来的数据未经验证直接入库，后期发现大量异常值，不得不重新清洗。应在采集端就进行质量标记，如“超量程”、“通信超时”、“传感器断线”等。
• 误区四：安全防护不足。网关直接暴露在公网或未做访问控制，存在被攻击风险。应启用防火墙、VPN、证书认证等安全措施。