很多制造企业的产线设备明明都带通信接口，但数据却依然靠人工抄表。车间里几十台关键设备，每班次安排专人巡检记录，效率低不说，数据滞后带来的停机损失往往要到月底盘点时才暴露。这种“设备在转、数据在看”的割裂状态，正是数字化改造首先要解决的痛点。

现状：接口统一了，协议没统一

过去十年，主流设备厂商基本都标配了OPC UA或Modbus TCP接口，硬件层面的互联已经不是障碍。真正的拦路虎在于协议解析的碎片化——同一车间里可能混着三五个品牌的PLC、数控系统和机器人控制器，各自的数据格式、采集频率、变量命名规则千差万别。市面上通用的数据采集网关能覆盖七八成常见协议，但剩下那两三成非标设备，恰恰是产线瓶颈所在。

核心技术：边缘采集与轻量级治理

一套靠谱的设备数据采集方案，不能只做“数据搬运工”。以一半科技（江苏）有限公司在多个离散制造项目中的实践为例，边缘层需要做三件事：毫秒级断点续传（应对车间网络抖动）、时序数据压缩（降低存储成本）、本地规则引擎（比如当主轴负载连续5秒超阈值时，直接触发预警而不必等云端回传）。

这些能力听起来不复杂，但真正落地时，对嵌入式开发和工业协议栈的积累要求极高。很多项目卡壳，就是因为只买了通用网关，却没人能搞定老设备上那个早已停止维护的私有协议。这也是为什么我们一直强调物联网程序开发必须与现场工艺深度绑定，而不是单纯卖盒子。

选型指南：别只看采集频率和点位数量

评估方案时，建议重点考察三个维度：非标协议的定制周期（是两周还是两个月）、断网情况下的本地缓存能力（能扛住多久的车间级网络故障）、以及数据模型与上层MES/ERP的映射成本。很多企业买了采集硬件后，发现数据是上来了，但清洗、对齐、关联工艺参数的工作量比想象中大得多——这时候，企业数字化平台的预置数据模型价值就体现出来了。

另外，务必确认供应商是否提供智能设备管控系统层面的闭环能力，即采集到的数据能否直接驱动设备参数下发或启停控制。只采不管，改造效果至少要打五折。

从行业趋势看，产线数字化正在从“采集展示”走向“数据反哺”。比如通过振动频谱分析预测刀具寿命，或利用能耗数据优化排产策略——这些都需要一套能持续迭代的采集架构作为底座。一半科技（江苏）有限公司专注于工业软件开发与设备数据采集多年，服务的客户里，凡是前期把数据治理规则定清楚的，后续扩展AI应用时基本都很顺畅。

回到选型本身，没有万能方案，但有一条底线值得记住：采集方案必须能跟随产线工艺调整而快速重构，而不是每换一个产品型号就要重新开发一遍。这考验的是平台化能力和服务团队的行业经验，也是判断一家供应商是“做项目”还是“做产品”的关键分水岭。