摘要： 智能工厂梯度建设对工业现场数据采集、业务系统互通和边缘应用提出了逐步提高的要求。不同阶段需要解决的问题存在差异，不能简单通过增加工业网关数量或提高通信带宽完成升级。边缘计算网关 的部署应基于设备接口、采集负载、数据模型、网络条件和业务系统需求开展评估。本文结合智能工厂四级建设路径，讨论现场数据架构、采集周期、业务字段契约及分阶段验收等工程问题。
导语： 近期，上海推进基础级、先进级、卓越级、领航级智能工厂梯度建设。对应到工业自动化现场，基础级关注核心数据采集，先进级强调生产经营数据互通，卓越级侧重多场景系统级应用，领航级进一步探索工业模型和智能体。对于工程人员，比较关键的问题是：已有PLC和SCADA的工厂，什么时候需要增加边缘计算网关 ？新增节点应该承担哪些工作？如何避免工厂升级以后，设备通信、字段映射和业务接口反复返工？
一、从设备数据需求判断是否需要新增边缘节点
智能工厂建设经常涉及PLC、CNC、工业仪表、传感器及现有生产系统。虽然这些设备已经具备自动控制能力，但其数据输出条件并不完全一致。
部分工厂已经通过SCADA完成集中采集，能够向MES或数据平台提供设备状态和工艺参数。对于此类现场，如果现有数据通道能够满足新增业务需求，继续复用既有系统通常更合理。
另一些工厂则存在不同品牌PLC长期并存、部分设备只有本地HMI、数据接口缺少统一维护等情况。此时，新增边缘计算网关 可为协议采集和现场数据应用提供独立运行位置。
判断是否需要部署网关，可以从三个方面展开。
设备侧是否存在数据获取缺口，例如控制器协议不同、所需变量没有稳定的对外读取方式，或者当前上位机接口难以复用。
业务侧是否需要在现场完成必要的字段换算、状态判断或数据整理，而现有系统没有对应的应用环境。
网络侧是否存在分散设备联网、工业网络分区或现场应用与中心系统之间的连接需求。
如果上述条件都能够通过现有系统满足，就不必为了智能工厂等级变化而额外增加同类采集节点。
对于基础级智能工厂，建议先围绕一项业务需求形成最小数据集。设备运行状态、报警和关键生产计数往往比完整复制PLC变量表更有实际价值。
例如企业希望掌握设备停机情况，可以先明确运行、停止和故障状态的判定依据，再确认PLC中有哪些变量能够反映这些状态。采集点位应围绕这些业务字段配置，而不是根据PLC程序中变量的多少确定上传范围。
当需求进一步扩展到先进级，业务系统可能同时需要设备状态、工单信息和产量统计，现场采集层也应随之扩展数据定义，但不一定需要增加相同比例的硬件设备。
二、工业现场采集周期与通信资源的工程评估
边缘节点部署位置确定以后，需要评估设备通信条件及数据采集负载。
有线工业网络中的PLC可能已经服务HMI、SCADA和工程调试软件。新增采集任务会占用一定通信资源，如果不区分字段重要程度，直接对全部变量进行高频读取，可能增加控制器负荷和通信响应延迟。
因此，采集周期应结合数据类型确定。
设备运行状态可能需要相对及时地更新；能源仪表和部分慢变化参数则不必采用同样的频率；报警记录还需要考虑事件发生时间及恢复时间，不能仅依赖低频状态轮询判断完整事件过程。
串口设备的采集周期还受到总线速率与设备响应时间限制。
以一条RS485总线为例，假设连接8台设备，每台设备一次请求与响应合计约35字节，使用9600bit/s通信速率，并按常见的每字节10位串行传输估算，则单轮纯数据传输时间约为：
8 × 35 × 10 ÷ 9600 ≈ 0.292秒。
这个结果仅代表假设条件下的理论传输时间，不包含设备响应等待、帧间隔、超时与重试等因素。
如果某台设备通信超时，整个轮询任务的实际耗时可能明显增加。不同设备对采集周期的要求也并不一致，因此需要根据现场响应测试、总线负载和点位规模调整任务配置。
以太网PLC虽然不受同样的串行速率限制，但其协议并发、控制器处理资源和已有客户端数量仍然需要评估。
工程上更可取的方式，是为采集任务建立实际性能记录，包括单次读取耗时、设备超时情况、采集更新时间和异常后的恢复表现。
这些数据有助于判断同一采集节点能否继续增加设备，以及应该在产线侧、车间侧还是更高层级设置汇聚节点。
三、从数据采集走向生产经营互通：建立稳定的数据契约
先进级智能工厂更加关注生产经营数据互通。这意味着设备数据不仅要能够读取，还应具备明确的业务含义。
例如，两台设备都存在"产量"字段，但其定义可能不同。
设备A提供开机以来的累计数量，设备B则按照生产班次清零。如果将两个原始值直接上传并汇总，得到的生产统计就可能不准确。
设备运行状态也存在类似问题。有的PLC通过独立运行位表达状态，有的设备需要根据自动模式、加工任务和故障变量综合判断。
因此，工业数据集成需要明确每个业务字段的来源与计算规则。
一条面向业务系统的数据记录，可以根据项目要求包含以下信息：设备身份及来源、业务字段名称与数据类型、实际值和工程单位、采集时间或事件发生时间，以及数据状态或有效性标记。
例如，对于一台加工设备，可以约定统一的设备编号和运行状态字段，同时记录该字段来自PLC哪个变量、更新周期是多少，以及通信异常时怎样处理。
当PLC程序升级或者控制器更换时，采集层可以按照新设备条件重新建立点位映射，业务系统使用的字段定义则尽量保持一致。
这种做法能够降低设备变化对MES、设备管理及后续数据分析应用的影响。
还需要注意数据时间问题。
不同设备的采集周期并不完全一致。如果两个数据值出现在同一张看板上，却来自相差较大的采样时间，那么上层系统进行关联分析时可能形成错误判断。
对于重要的状态和事件数据，应结合业务需要记录数据来源时间，并设置相应的数据有效性处理规则。
这些规则可以由边缘应用或上层业务平台承担，具体取决于实际软件能力与系统架构。网关提供运行环境，并不意味着所有质量判定和业务口径管理都是硬件的默认功能。
四、多场景应用与工业AI如何使用边缘侧数据
卓越级智能工厂强调多场景协同，数据应用会从单一设备监测延伸至生产、质量、设备维护及过程优化。
例如某条产线发生异常停机，生产系统希望确认停机时对应哪个工单，设备维护系统希望查看报警记录，质量管理系统则需要判断异常是否影响当前产品批次。
如果不同系统分别对接PLC，就可能形成多套采集配置，增加设备侧通信压力和后续维护工作。
对于此类项目，可以在适当位置组织统一的现场数据输出，再由上层系统结合自身业务信息完成关联。
边缘层可承担适合本地执行的数据采集、必要的数据处理和接口转发，但工单归属、质量判定和生产经营分析仍需要相应业务系统支持。
领航级智能工厂进一步探索工业模型、智能体和未来制造模式。
工业AI应用通常需要长期、可解释且具备一致业务定义的数据。现场采集阶段如果未明确运行状态、时间信息及生产事件含义，后续模型训练就可能受到输入数据质量影响。
因此，边缘节点的重要任务之一，是按照系统设计提供可靠的数据来源和必要的现场处理环境。
对于需要在现场执行的轻量计算或推理任务，还应检查模型运行所需的计算资源、软件依赖和数据更新要求。
但并非所有工业AI应用都应部署在网关上。跨工厂训练、复杂模型管理及集团级分析，往往需要中心平台或专门算力系统承担。
部署边界应由业务实时性、网络条件、算力和运维要求共同决定，不能简单按照智能工厂等级划分。
五、分阶段实施与工程验收
智能工厂梯度建设可以按照实际数据能力逐步推进。
基础阶段需要证明设备数据能够稳定获取，并与现场实际情况一致。
进入生产经营互通阶段，应检查业务字段能否被多个系统按照统一含义使用，避免不同部门使用同一指标却得到不同结果。
卓越级场景更关注多个业务系统之间的数据关联、更新要求和异常行为。
对于工业模型与智能体应用，还应进一步验证输入数据的质量、来源和业务反馈机制。
验收过程中，正常通信只是其中一部分。
工程人员还应关注设备通信异常、采集任务中断、字段发生变化和平台暂时不可用等情况。
例如，可以在安全的测试环境中模拟一台设备通信中断，检查该设备数据是否被正确标记为不可用，同时确认其他设备采集任务是否继续运行。
当采集变量发生调整时，应确认业务字段是否按照配置版本更新，并避免旧字段被错误解释。
交付资料也需要覆盖长期维护内容，包括设备清单、通信配置、点位映射、实际采集周期、业务字段定义和异常测试结果。
这些资料在后续增加设备、扩展MES应用或建设工业AI项目时，可以继续使用。
FAQ：
问题1：基础级智能工厂如何判断是否需要边缘计算网关 ？
答：应先核对现有PLC、SCADA与数据平台能否稳定提供所需信息。对于存在设备协议适配、数据输出或独立现场应用需求的区域，可评估新增边缘采集节点。
问题2：先进级智能工厂如何统一不同PLC的数据？
答：可按照业务系统要求确定设备编号、状态和计数等字段，再通过适配的采集与数据处理应用建立变量映射，减少上层系统直接依赖不同PLC内部地址的情况。
问题3：卓越级智能工厂如何利用边缘计算网关支持多场景协同？
答：可以根据生产、质量及设备管理等应用需求组织统一的现场数据输出，并明确业务处理与边缘采集的职责，减少多个系统重复读取相同设备数据。
问题4：工业AI应用是否需要在边缘计算网关上部署模型？
答：应根据模型对实时性、计算资源、网络和运维的要求决定。部分轻量任务适合现场运行，复杂训练和集中管理通常需要其他平台支持。
总结： 智能工厂四级梯度建设对应着工业数据能力由采集、互通向协同及智能应用的持续发展。边缘计算网关 的部署需要围绕设备接口、通信负载、业务字段与实际应用任务展开，通过分阶段建设和可验证的工程验收，形成能够长期扩展的工业数据体系。