2. 实时数据采集概述：什么是实时数据、采集的实时性要求、采集数据的类型
大家好，我是老张。在MES这个行当摸爬滚打了十几年，今天咱们来聊聊实时数据采集这个基础话题。说实话，很多刚入行的朋友容易把“实时”想得太简单，以为数据传得快就是实时。嗯，这里面的门道，咱们得掰扯清楚。
2.1 什么是实时数据？
先问大家一个问题：你手机上的天气预报，算不算实时数据？
严格来说，不算。因为气象站的数据更新周期通常是15分钟到1小时。但在MES里，什么叫实时？我个人习惯这样定义：数据从产生到被系统消费，时间延迟在业务可接受范围内，且这个延迟是确定的、可控的。
举个例子。我在一个汽车焊装车间做过项目，车身焊接点的电流数据，如果延迟超过200毫秒，质量判定就来不及了。这种场景下，200毫秒就是实时。但同样是这个车间，设备综合效率（OEE）的统计，延迟5分钟完全没问题。
核心观点：实时不是绝对的“快”，而是“及时”。实时性取决于业务场景对数据时效性的容忍度。
说白了，实时数据就是那些“过期就作废”的数据。比如：
- 设备当前转速——慢了0.5秒，报警就晚了
- 当前加工工件的批次号——搞错了，产品就混料了
- 传感器采集的温度值——超温了不停机，设备就烧了
2.2 采集的实时性要求
这里我给大家画个图，把实时性要求分几个档次。你想想看，不同场景对延迟的容忍度完全不一样。
你看，不同层级对实时性的要求天差地别。我建议你在做架构设计时，先跟业务方把每个数据点的“最大容忍延迟”敲死。这个参数定不下来，后面所有设计都是空中楼阁。
2.3 采集数据的类型
在MES里，我们采集的数据大致分四类。我习惯用“人机料法环”来记，但这里咱们聚焦在设备、工艺、质量、物料这四个维度。
2.3.1 设备数据
设备数据是最基础的。说白了，就是设备“有没有在干活、干得怎么样”。
| 数据子类 | 典型数据项 | 采集方式 | 实时性要求 |
|---|---|---|---|
| 运行状态 | 运行/停机/待机/故障 | PLC信号、OPC UA | 软实时（<1s） |
| 运行参数 | 主轴转速、进给速度、温度 | 传感器、变频器 | 硬实时（<100ms） |
| 报警信息 | 故障代码、报警时间、复位时间 | PLC事件触发 | 软实时（<500ms） |
| 能耗数据 | 电流、电压、功率、流量 | 智能电表、流量计 | 准实时（1~5s） |
我记得有一次，客户非要采集每台CNC的主轴振动波形，频率要求10kHz。我说这数据量太大了，存一天就得几个TB。后来我们折中了一下，只采集振动特征值（RMS、峰值），数据量降了100倍，业务需求也满足了。
2.3.2 工艺数据
工艺数据是MES的灵魂。它告诉你“产品是怎么被造出来的”。
- 工艺参数：温度曲线、压力值、焊接电流、涂胶量
- 工艺配方：当前使用的配方编号、配方版本
- 工艺事件：换刀、换模、参数调整记录
- 工艺判定：SPC控制图、CPK值、合格/不合格
小技巧：工艺数据最好带上“上下文信息”。比如采集温度时，同时记录当时的工件ID、工位号、操作员。否则事后查问题，你根本不知道这个温度对应的是哪个产品。
2.3.3 质量数据
质量数据是MES的“警察”。它负责把关，不合格的产品别想流到下一站。
质量数据有个特点：数据量不大，但价值极高。一个不合格品的检测数据，可能价值百万。
// 质量数据采集示例（JSON格式）
{
"measurement_id": "M20240315001",
"product_id": "P20240315-001",
"station_id": "ST-05",
"timestamp": "2024-03-15 14:30:22.123",
"measurements": [
{"param": "直径", "value": 25.01, "unit": "mm", "tolerance": [24.95, 25.05], "result": "PASS"},
{"param": "粗糙度", "value": 0.32, "unit": "μm", "tolerance": [0.2, 0.4], "result": "PASS"},
{"param": "硬度", "value": 58.5, "unit": "HRC", "tolerance": [56, 60], "result": "PASS"}
],
"overall_result": "PASS",
"operator": "张三"
}
你想想看，如果这个数据采集延迟了，等发现不合格时，后面可能已经加工了100个工件。这就是为什么质量数据通常要求软实时——发现即止损。
2.3.4 物料数据
物料数据是MES的“后勤部长”。它回答三个问题：物料在哪？用了多少？还剩多少？
物料数据的采集方式比较特殊，很多要靠人工扫码或RFID自动识别。这里有个坑——人工采集的实时性很难保证。
⚠️ 注意：我曾经遇到一个项目，工人为了赶产量，先干活后扫码。结果物料消耗记录和实际差了2个小时。后来我们加了强制防错逻辑：不扫码，设备不启动。虽然工人抱怨了几句，但数据准确率从70%提到了99.9%。
物料数据的关键字段：
- 物料编码（唯一标识）
- 批次号/序列号（追溯用）
- 数量（消耗/产出/报废）
- 位置（库位/工位/在制品）
- 状态（待检/合格/冻结/报废）
2.4 数据采集的整体架构
最后，我画一张图，把上面四种数据类型和采集层次串起来。这张图是我自己项目里常用的模板，你拿去可以直接用。
这张图你看懂了吗？数据从设备产生，经过协议适配、处理清洗，最后落到存储。每一层都有它的职责，千万别想着一步到位。
好了，关于实时数据采集的基础概念，咱们就聊到这儿。记住一句话：没有最好的架构，只有最合适的架构。下一节咱们会深入讲采集协议的选择，到时候再细聊。
公众号:蓝海资料掘金营，微信deep3321