4. 数据采集需求分析与指标定义

在工业物联网项目中，需求分析如果只停留在“要采集温度、压力、振动”这样的功能描述，架构设计几乎无法落地。真正决定架构形态的，是采样频率、实时性、精度、数据量、可用性这五类可量化指标。它们分别约束着采集层的硬件选型、边缘计算能力、网络带宽、存储策略和冗余机制。本节的核心任务，是把业务语言翻译成工程约束，并让这些约束在架构中一一对应。

一、五类指标的定义与量纲

采样频率指单位时间内对同一物理量读取的次数，单位Hz或ms/次。它决定了信号中可还原的最高频率成分，依据奈奎斯特采样定理，采样频率至少为信号最高频率的2倍，工程上通常取5～10倍以保证波形质量。例如旋转机械振动监测，若关注2kHz以内的故障特征频率，采样频率应设为10kHz以上。

实时性包含两个维度：一是端到端时延，即从传感器感知到数据进入应用系统的总时间；二是时延抖动，即多次传输时延的波动范围。对于闭环控制，时延通常要求小于一个控制周期；对于状态监测，秒级时延即可接受。抖动比平均时延更影响控制稳定性。

精度由传感器精度、信号调理误差、ADC位数和量化误差共同决定。例如12位ADC在0～10V量程下，理论分辨率为2.44mV；若传感器本身精度为±0.5%FS，则系统总精度不会优于该值。精度指标必须与量程、分辨率、校准周期一起定义，否则无法选型。

数据量是采样频率、通道数、单点字节数和编码方式的乘积。单通道以1kHz采样、每点4字节计算，一天原始数据约345MB；100通道则达到34.5GB/天。数据量直接决定边缘缓存容量、上行带宽和云端存储成本。

可用性通常用“几个9”表示，99.9%对应年停机约8.76小时，99.99%对应约52.6分钟。它约束的是冗余方式、故障切换时间和数据补传机制，而不是单一设备指标。

二、从需求到架构约束的转化路径

需求指标不能孤立看待，它们之间存在明显的相互制约。提高采样频率会放大数据量，进而挤压带宽和存储；提高实时性往往要求更靠近设备的计算和更确定的网络；提高精度可能增加单点数据宽度，同样放大数据量；提高可用性则需要冗余通道和断点续传，增加架构复杂度。因此，架构设计的本质是在这些约束之间寻找平衡点。

三、指标量化与架构选型的对应示例

下面以一个典型的设备状态监测场景为例，说明指标如何落到具体参数。假设某车间有64台旋转设备，每台安装振动和温度传感器各1个，共128通道。业务要求：振动采样频率10kHz，温度1Hz；振动数据用于故障诊断，允许秒级时延；温度用于趋势分析，允许分钟级时延；系统可用性要求99.9%。

先算数据量。振动通道64个，每个10kHz、每点2字节（16位ADC），则每秒原始数据为64×10000×2=1.28MB/s，一天约110GB。温度通道64个，每个1Hz、每点4字节，一天约22MB，可忽略。110GB/天的原始数据如果全部上传云端，按8小时生产时间计算，平均上行带宽约30Mbps，峰值可能更高。这在多数工厂网络中不现实，因此架构上必须引入边缘侧特征提取：在网关内计算振动有效值、峭度、包络谱峰值等特征，只上传特征值和异常片段，数据量可压缩到原来的1%～5%。

再看实时性。振动诊断允许秒级时延，意味着不需要TSN级别的确定性网络，普通工业以太网或5G即可满足。但边缘特征提取必须在本地完成，不能依赖云端往返。因此架构约束是：边缘网关需具备足够的CPU算力，按每通道10kHz、64通道计算，每秒需处理64万采样点，建议选用带DSP或FPGA加速的工业网关。

精度方面，振动传感器灵敏度100mV/g，量程±50g，输出±5V；选用16位ADC、±10V量程，分辨率约0.305mV，对应加速度分辨率约0.003g，满足一般故障诊断要求。温度采用PT100，精度±0.1℃，经24位ADC采集，分辨率远高于需求，但需注意三线制接法消除引线电阻。

可用性99.9%对应年停机8.76小时。架构上采取三项措施：一是边缘网关双电源冗余；二是本地缓存至少保留24小时原始数据，网络中断时断点续传；三是关键振动通道采用双传感器冗余，通过比较两路数据一致性判断传感器故障。这些措施直接来自可用性指标，而不是泛泛的“高可用设计”。

四、需求指标表：从业务语言到工程参数

为避免需求在传递中失真，建议在架构设计前填写一张指标转化表。下表为上述示例的填写结果，可作为同类项目的参考模板。

五、指标冲突时的取舍原则

当指标无法同时满足时，应按业务影响排序。通常优先级为：安全相关实时性 > 数据完整性 > 精度 > 数据量 > 非关键可用性。例如，若带宽不足，应优先保证告警特征数据上传，原始波形可降采样或仅保留异常片段；若算力不足，可降低非关键通道的采样频率，但安全联锁通道不得降级。取舍结果必须写回需求表，并在架构评审中确认，避免后期出现“指标漂移”。

总之，需求分析不是罗列愿望，而是把采样频率、实时性、精度、数据量、可用性逐一转化为可计算、可验证、可取舍的工程约束。只有完成这一步，后续的采集层选型、网络设计、边缘计算部署和平台存储策略才有明确依据。