很多工厂花大价钱上了产线监控，最后变成了没人看的摆设。要么数据延迟堆成山，要么误报刷爆手机，要么维护成本高到养不起。我经手过三个汽车零配件冲压产线的监控平台项目，有成功有翻车，把实打实的设计要点和踩过的坑都列出来，给同行参考。
核心需求别跑偏：别为了“实时”堆性能
很多甲方上来就要“毫秒级延迟全量采集”，说实话，大部分离散制造产线根本不需要。
我去年那个项目，一开始客户要求冲压机的所有状态参数都10ms采集一次，最后算下来，单台设备一天产生的数据快10G，存三个月就得加几十T的存储，整体项目成本直接超预算30%。所有人都头大。
后来我们拉着车间运维重新梳理需求：冲压机的常见故障，比如滑块间隙过大、曲轴温度异常，都是分钟级渐变的，哪怕1s采集一次都能提前捕捉到异常。只有急停触发、过载报警这类事件信号，才需要毫秒级响应，单独开高频率采集通道就行。
GB/T 40567-2021《工业自动化设备状态监测系统技术规范》里写得明明白白，一般状态参数采样间隔要求1~10s，只有事件类开关信号要求≤100ms。别上来就堆高端边缘计算节点，钱花了，最后还因为数据量太大，平台查询都卡，得不偿失。
不过话说回来，要是流程制造的连续产线，比如化工反应釜、钢铁连轧线，那确实需要更高的采集频率，不能一概而论，核心还是看你要抓什么故障。
很多项目死在开头，就是需求错了。
边缘端选型：别迷信国外大牌，适合的才扛造
我第一次做这类项目的时候，领导信不过国内产品，拍板用某德国一线品牌的边缘网关，一套下来小两万，当时觉得贵肯定有贵的道理。
才怪。
车间是露天改造的，夏天设备旁的环境温度能到45度，网关放了不到三个月，连续坏了三台。找原厂，原厂说他们网关的工作温度上限是40度，我们环境不符合要求，要给网关单独装空调。一台网关加个小空调，一年电费都得千把块，十台设备就是一万多，疯了？
最后咬咬牙换成国内某二线厂的宽温型网关，工作温度范围-20到70度，价格才不到原来的三分之一，用到现在两年多，没出一次硬件故障。
还有通讯协议的坑，老厂改造最容易踩。很多老产线的设备，有三菱老款FX系列PLC，还有发那科的零几年的老系统，很多便宜网关不支持原生协议，要加转换模块转Modbus，一转就容易丢包。我上次踩坑就是这个问题，一开始图便宜买了只支持通用协议的网关，结果每次车间电压波动就丢数据，动不动就误报设备停机，害得我们连续加班三个礼拜才排查出问题。
后来换了支持原生协议的网关，能直接读200多种工业设备的原始数据，不用转码，丢包率直接降到万分之一以下，问题当场解决。
还有个容易忘的点：边缘端一定要做本地缓存，断网的时候至少能存7天的数据，网络恢复了再自动续传。不然车间网络一跳，数据全丢，监控直接成了瞎子，出了问题都找不到根因。这点我当初刚做的时候也漏了，懊恼了好久。
异常告警：别搞“狼来了”，误报比不报更坑
我见过太多平台，上线的时候演示得漂漂亮亮，一投产就是一天几百条告警，运维人员被折腾几天，直接把通知关了，真出故障也看不到，平台彻底变成摆设，太可惜了。
误报比不报更坑，真的。
我现在做项目，都会加两级告警过滤，亲测有效。第一级是硬件层滤波，传感器采集数据的时候就做3次滑动平均，去掉尖峰干扰。比如冲压机每次冲压都会产生瞬间的电流冲击，峰值能到正常的两倍，要是不加滤波，直接就触发过载告警，一天几十次，谁受得了。
第二级是业务逻辑过滤，参数阈值不能写死，得结合当前生产状态调整。比如设备温度，满负荷连续生产的时候，温度比空载高个五六度太正常了，不能拿同一个阈值卡。我们给冲压产线做的时候，把设备温度和当前负载率做了线性拟合，拟合公式为：T报警阈值 = T环境 + k×P + 10，其中k是负载温度系数，P是当前负载率，10℃是预留的偏差容忍度，只有实际温度超过拟合出来的阈值才触发告警，误报率直接从原来的42%降到不到3%。
还有分级告警，一般异常推到班组运维群，提示提前安排检修，只有威胁生产的严重异常，才发短信打电话给值班工程师。别什么告警都往管理群里发，次数多了，真出事没人当回事。
做这个平台，从来不是比谁的参数好看，比谁用的组件高端。核心是能解决工厂的实际问题，能帮着减少非计划停线，能让运维少跑现场，这就够了。太多项目跟风堆概念，最后花了大价钱，落不了地，本质就是没沉下心梳理真实需求，全是飘在天上的花架子。
