2. ZEISS检测设备与数据源解析
在质量数据集成项目中，真正决定集成难度的往往不是上层系统，而是最前端的数据源。ZEISS 的检测设备覆盖接触式三坐标测量机（CMM）、光学/多传感器测量机、工业 CT 以及表面粗糙度与轮廓仪等，它们输出的数据在结构、语义和时序特征上差异很大。如果把这些设备统一当成“会吐数据的黑盒”，后续的解析、映射和入库几乎必然返工。因此，本节先把数据源讲清楚：每类设备输出什么、通过什么接口出来、以什么频率产生数据。
一、三类主力设备的数据输出形态
接触式三坐标测量机的核心产物是“特征 + 尺寸 + 公差判定”。以 CALYPSO 为代表的测量软件，一次测量任务结束后通常生成三类文件：面向人的 PDF 报告、面向系统的结果文件（如文本/CSV 形式的特征值列表），以及包含完整测量计划的 .cal 计划文件。结果文件里最关键的字段是特征名（如 Circle1、Plane2）、理论值、实测值、上下偏差、是否超差。它的数据是批次型的——一个工件测完才形成一条完整记录，而不是连续流。
光学/多传感器测量机（如 O-INSPECT、CONTURA 配光学探头）输出的是点云与图像特征。点云常以 ASCII 点表或二进制格式给出，每个点包含 X/Y/Z 坐标，部分格式还带法矢和灰度。它的数据量远大于 CMM：一个中等复杂零件的光学扫描可能产生几十万到几百万个点，因此文件体积和传输时间成为集成设计必须考虑的因素。
工业 CT（如 METROTOM）输出的是体数据（体素）和由体数据重建出的缺陷/壁厚分析结果。原始投影数据经重建后形成三维体素矩阵，再经分析软件导出孔隙率、缺陷位置、壁厚分布等结构化结果。CT 的单次扫描时间通常以十分钟到小时计，采集频率最低，但单次数据量最大。
二、接口类型：从文件到 API 的三种通道
ZEISS 设备的数据出口大致分三类。第一类是文件通道：测量软件把结果写到本地目录或网络共享目录，集成程序通过目录监听（如轮询或文件系统事件）抓取新文件。这是最通用、对设备侵入最小的方式，CMM 的 CSV 结果、光学的点云文件、CT 的分析报告都可以走这条路。第二类是数据库/中间件通道：ZEISS PiWeb 作为质量数据平台，可以把多台设备的结果汇聚到统一数据库，集成方通过 PiWeb API 或直接读库获取结构化数据。第三类是设备原生接口：部分设备提供 OPC UA、TCP 套接字或厂商 SDK，适合需要实时获取测量状态或触发信号的场景。
选择接口时有一个实用判断：如果只需要“测完拿结果”，文件通道最稳；如果需要“实时知道设备在测什么、测到哪一步”，才考虑原生接口或 PiWeb 的实时通道。很多项目一开始就追求实时，结果被设备协议和网络稳定性拖住，反而不如先做文件通道快速跑通闭环。
三、采集频率与集成节奏的匹配
采集频率不是越高越好，而是要与业务节奏匹配。CMM 单件测量通常几分钟到几十分钟，结果文件在测量结束后一次性生成，集成侧按“文件到达即处理”即可，无需高频轮询。光学扫描的中间点云可能持续写入，若在写入过程中读取会拿到不完整文件，因此需要“文件稳定后再处理”的策略，例如检测文件大小连续两次不变、或等待写入完成标志文件。CT 的单次扫描时间长、数据量大，更适合在扫描完成后由分析软件导出结构化结果，再进入集成管道，而不是直接搬运原始体数据。
下面给出一份可直接参考的数据源接入配置示例，用于描述每类设备的采集参数。字段含义：source_id 为数据源标识，device_type 为设备类型，output_format 为输出格式，interface 为接口方式，poll_interval 为轮询间隔（秒），stable_check 为文件稳定判定条件，batch_size 为单批处理上限。
source_id: CMM-01
device_type: CMM
output_format: CSV (特征名,理论值,实测值,上偏差,下偏差,判定)
interface: shared_folder
poll_interval: 30
stable_check: size_unchanged_2_times
batch_size: 50
source_id: OPT-02
device_type: Optical
output_format: ASCII点云 + PNG图像
interface: shared_folder
poll_interval: 60
stable_check: done_flag_file
batch_size: 5
source_id: CT-03
device_type: CT
output_format: CSV (缺陷ID,位置,体积,壁厚)
interface: PiWeb_API
poll_interval: 300
stable_check: api_status_complete
batch_size: 1
四、解析时的关键字段与常见坑
无论哪类设备，解析时都要抓住“身份、时间、结果、判定”四个要素。身份指工件序列号或批次号，它决定数据挂到哪个对象上；时间指测量完成时间，用于时序分析；结果是特征值或缺陷参数；判定是 OK/NG 或超差标记。CMM 的 CSV 里常见坑是分隔符不统一（逗号与分号混用）和小数点区域设置（逗号作小数点），解析前应先做格式探测。光学点云的坑是坐标系定义：不同测量程序的坐标系原点可能不同，集成时必须记录坐标系来源，否则后续比对会整体偏移。CT 的坑是体数据与结果文件的对应关系，一个扫描任务可能对应多个分析结果，需要用任务 ID 关联。
五、从数据源到集成管道的衔接
把上述内容串起来，一个稳妥的接入流程是：先确认设备输出格式与接口，再配置采集参数（轮询间隔、稳定判定、批大小），然后编写解析器把原始输出转成统一结构，最后写入集成管道。解析器的输出建议统一为一张宽表或 JSON 记录，包含 source_id、serial_no、measure_time、feature_name、measured_value、deviation、verdict 等字段。这样无论前端是 CMM、光学还是 CT，后端处理逻辑都能复用。
实际项目中，建议先用一台 CMM 跑通“文件到达—稳定判定—解析—入库—查询”的最小闭环，再逐步接入光学和 CT。每接入一类新设备，重点验证三件事：解析字段是否完整、时间戳是否准确、判定结果是否与设备报告一致。这三件事通过后，数据源接入才算真正完成。