3. 设备运行数据采集与质量诊断

要对工业设备做负载率与运行效率评价，第一步不是算指标，而是把“算指标所依赖的数据”拿准。负载率通常由实际输出（功率、电流、产量、节拍）与额定值或可用能力之比得到，运行效率则往往涉及有效运行时间、停机时间、能耗与产出。这些量分散在电表、变频器、PLC、SCADA、MES 等不同层级，采样频率、时标基准、计量口径各不相同。若直接把这些数据拼在一起计算，很容易得出“设备效率忽高忽低”的假象，而问题其实出在数据本身。

因此本节的核心任务是：明确各类数据源的取数位置与口径，识别缺失、异常、时标错位三类典型质量问题，并据此制定可执行的清洗规则，为后续负载率与效率计算提供可信输入。

一、数据来源与取数口径

现场仪表是最贴近物理量的来源，如电能表、功率变送器、流量计、温度传感器。它们通常以 4–20 mA 模拟量或 Modbus 等总线方式输出，优点是直接反映电气与工艺量，缺点是可能存在量程设置错误、零点漂移。PLC 承担设备级逻辑与状态采集，能提供运行/停止、故障、自动/手动、循环计数等开关量与累计量，是判断“设备是否处于有效运行状态”的关键。SCADA 汇总多台设备与工段数据，带时间戳与报警记录，适合做产线级负载分析。MES 则从工单、产量、班次维度提供产出与计划信息，是计算效率时“有效产出”的来源。

取数时必须先固定口径。例如负载率若按电功率计算，就要明确取的是进线总有功功率还是电机输入功率，是否包含辅助设备；效率若按时间开动率计算，就要明确“计划运行时间”是否扣除计划停机。口径不统一，后面再精细的清洗也无法补救。建议为每个关键量建立一条“数据字典”记录：量名、单位、来源设备与地址、采样周期、量程、时标基准、责任维护人。

二、三类典型质量问题与识别方法

缺失数据表现为时间序列中出现空值或整段无记录。常见原因包括通信中断、网关掉线、采集程序异常、仪表断电。识别时可统计每个测点在给定周期内的记录数与理论采样数之比，低于阈值（如 95%）即标记。要注意区分“真缺失”和“设备停机期间本就不产生数据”，后者不应算作缺失。

异常数据包括超出物理量程的跳变、长时间恒定不变的“死值”、以及不符合工艺规律的突变。例如功率瞬间从 30 kW 跳到 300 kW 又立刻回落，多半是通信误码或量程错位；某测点连续数小时数值完全不变，可能是传感器卡死或采集程序缓存未刷新。识别方法可用量程上下限判断、相邻点变化率阈值判断、以及恒定值持续时长判断。

时标错位是最隐蔽的一类。PLC 本地时钟未与 NTP 同步、SCADA 与 MES 使用不同时区、采集程序在写入数据库时才打时间戳，都会造成同一事件在不同系统中的时间不一致。典型后果是把“停机”与“高负载”错配到同一时刻，导致效率计算出现负值或异常峰值。识别时可对比同一事件（如某次启停）在各系统中的记录时间差，超过允许偏差（如 5 s）即需校正。

三、清洗规则的设计与落地

清洗规则要针对问题类型分别设计，并保留可追溯性。对缺失数据，短时缺口（如少于 3 个采样周期）可用线性插值补齐；较长缺口不宜插值，应标记为“无效段”，在计算负载率时排除，避免用编造数据拉高或拉低平均值。对异常数据，先按量程和变化率剔除明显错误点，再用前后有效点的中位数或均值替代；对恒定死值，应结合设备状态判断——若设备确实停机，恒定值可能是合理的，不能一律剔除。

对时标错位，根本措施是统一时钟源：PLC、SCADA 采集服务器、数据库服务器均接入同一 NTP 服务，并在数据入库时保留“采集时间”和“入库时间”两个字段。对已存在的历史数据，可用同一事件在各系统中的记录做偏移估计，按估计偏差整体平移后再对齐。重采样时统一到同一时间粒度（如 1 min），并明确聚合方式：功率取均值，产量取累计差值，状态取“任一时刻为运行即视为运行”或按占空比处理，需在数据字典中写清。

四、一个可执行的质量检查表示例

下表给出某设备一日数据的质量检查记录（数值为教学假设，用于说明字段与判断方式）：

完成上述步骤后，进入负载率与效率计算的数据才具备可比性。需要强调的是，质量诊断不是一次性工作，而应固化为日常巡检项：每日检查完整率与越限次数，每周核对时标偏差，每月复核清洗规则命中率。当某条规则频繁触发时，往往说明前端采集或仪表本身存在问题，应回到现场排查，而不是长期依赖清洗“打补丁”。

综上，本节的关键在于建立“来源清楚、口径统一、问题可识别、规则可执行、结果可追溯”的数据质量闭环。只有把这一步做扎实，后续的负载率与运行效率评价才有意义。