单产线数据体检
6–8周 / 单产线
- 接入 80–150 个测点，覆盖 PLC、SCADA 与边缘网关
- 输出 12 项核心指标口径字典（OEE、节拍、良率、能耗）
- 交付 1 套静态看板 + 3 类异常告警规则
- 验收基线：数据完整率 ≥ 98%，端到端延迟 ≤ 2s
这是一个网页样式设计参考
· 动态微交互 / 智能制造 / 大数据分析
服务与价格档位
按数据成熟度分档交付，先量化目标再谈平台
三档均含数据接入规范、指标口径字典与验收基线；交付周期以「周」为单位锁定，超出部分按变更流程处理。
园区级数据中台
14–20周 / 3–5 条产线
- 统一时序库与主数据，测点规模 1200+，支持 5 万点/秒写入
- 搭建 6 类可视化面板：产线节拍、质量追溯、能耗、设备健康、交付偏差、班组绩效
- 动态微交互规范：hover 预览、错峰入场、≤800ms 刷新
- 验收基线：告警准确率 ≥ 92%，误报率 ≤ 5%
预测与工艺优化
按场景季度迭代
- 设备健康度预测：提前 72h 预警，命中率目标 ≥ 85%
- 工艺参数寻优：良率目标提升 1.5–4.0 个百分点
- 模型可解释性报告 + 每季度漂移复训机制
- 验收基线：单场景 ROI 回收周期 ≤ 9 个月
合作伙伴墙
数据从设备到决策，由生态分工共同托住
以下为典型协作角色与接口约定，非宣传性客户名单；每一环都明确交付物与验收口径。
设备控制层OPC UA / Modbus 接入
边缘计算节点本地预处理 200ms 级
时序数据库压缩比 ≥ 8:1
制造执行系统工单与工序对齐
主数据治理设备/物料编码唯一
可视化与报表指标口径一致
数据可视化面板
同一块屏，同时回答「现在怎样」与「接下来会怎样」
指标、阈值与刷新频率全部可配置；看板不做装饰性仪表盘，只保留可落到班组动作的信号。
产线综合效能对比（近 8 周）
刷新 ≤800ms看板工程约束
硬性指标2s边缘侧聚合上限
5 万点/秒时序写入吞吐
8:1时序压缩比
30 天明细热数据保留
≥ 98%数据完整率验收线
≤ 5%告警误报率上限
面板遵循现代简约原则：同屏主指标不超过 6 个，颜色仅用主色与强调色区分「正常 / 预警」两态，避免用色相堆叠制造科技感而牺牲可读性。
核心能力
五项能力构成一条闭环链路，而非零散工具拼装
从采集、治理、建模到交互呈现，每一环都对应可验收的量化指标与责任边界。
多源异构测点统一纳管，先把数据可信度做扎实
支持 OPC UA、Modbus、MQTT 与数据库抽数四类通道；边缘侧完成去重、补点与量纲换算，异常值按 3σ 与业务规则双轨标记，避免「垃圾进、垃圾出」。
把分析结论收敛到可执行动作
围绕节拍、良率、能耗三条主线建立指标树，每个指标绑定责任人、阈值与处置动作；分析与工单系统打通，异常自动生成待办。
反馈明确，但不炫技
按钮按下有 0.15s 缩放反馈，卡片 hover 位移 ≤ 4px，数据刷新用淡入而非跳动；动效遵循 reduced-motion 降级。
让班组在 3 秒内读懂一块屏
同屏主指标 ≤ 6 个，字号层级不少于 4 级，关键数字对比度 ≥ 4.5:1；触控目标不小于 44px，适配车间大屏与移动端双场景。
用克制的美学承载严肃的工业数据
以暖金主色搭配中性深底，强调色只用于关键数字与激活态；图表以明度层次区分系列，避免多彩色相干扰判读，同时保持品牌的科技感与专业度。
实用指导清单
落地路径与避坑要点，按此顺序推进即可复现
每一条都给出做法、参数与阈值，可直接作为项目周会的检查项。
-
先做测点盘点，再谈平台选型
用一张表登记设备型号、协议、采集频率与用途，标注 必要 / 可选 / 不采 三态。建议首期控制在 80–150 个测点，采集频率按工艺特性分档：振动类 100–500ms，温度能耗类 5–30s，避免全量高频造成存储与网络压力。
-
统一指标口径字典，杜绝同名不同义
为 OEE、节拍、良率等指标写明公式、取数范围与剔除规则（如试机、换型、计划停机），版本号随变更递增。经验值：口径未统一的团队，看板与报表数据偏差常达 8%–15%，必须先治理再上线。
-
动效克制：把反馈做在交互层，不做在数据层
hover 位移不超过 4px，过渡时长控制在 0.15–0.45s，缓动统一用 ease-out 系；数据刷新用淡入过渡，禁止让数值滚动跳变。必须提供 prefers-reduced-motion 降级，车间低配终端与大屏同源一致。
-
告警要分级，否则等于没有告警
按影响面分三级：一级（停线风险，短信 + 声光，响应 ≤ 5 分钟）、二级（质量偏差，工单派发，≤ 30 分钟）、三级（趋势预警，日报汇总）。上线首月把误报率压到 ≤ 5%，准确率 ≥ 92%，否则班组会迅速忽略告警。
-
可视化遵循一屏一主题，避免信息过载
单块看板主指标不超过 6 个，颜色只用主色与强调色区分状态，禁止用五颜六色代表不同产线；关键数字字号保持最大层级，对比度不低于 4.5:1，并在 3 米距离实测可读性。
-
用灰度试运行替代一次性切换
先选 1 条产线灰度 2–4 周，对比新旧两套指标差异并修正口径，再横向复制。复制的标准件是「指标字典 + 面板模板 + 告警规则包」，而非直接克隆数据库结构，避免各产线各自为政。
应用场景
从车间到中控室，数据在真实场景中被使用
以下为典型落地场景示意，均以可读性与可操作性为第一优先。
常见问题
实施过程中最常被追问的四个问题
回答均基于已交付项目的实际约束与验收口径。
老旧设备没有数据接口，还能做数据分析吗？
可以，但需先加装采集层。常见做法是加装电流/振动传感器与 I/O 采集模块，先取 电流、启停、计数 三类信号即可支撑 OEE 与稼动率计算；精度要求高的工序再补充总线数据。经验上单台设备改造周期 1–3 天，成本可控，且不影响原有控制回路。
看板做出来了，但班组不用怎么办？
根因通常是「看板只反映问题，不给出动作」。改进方式有三：其一，每个异常指标绑定 处置建议与责任人；其二，告警分级并控制误报率 ≤ 5%；其三，把看板指标纳入班组日常例会口径，做到「看板上的数字就是例会上的数字」。
数据刷新频率是不是越高越好？
不是。刷新频率应与工艺响应时间匹配：振动类 100–500ms，温度能耗类 5–30s，管理类指标按分钟或小时聚合。过度高频会显著抬高存储与网络成本，也会让操作者产生「数字一直在跳」的疲劳感，反而降低信任度。
如何判断项目是否值得继续投入？
建议在灰度期结束时做一次量化复盘：对比异常响应时间、良率、能耗单耗与计划达成率四项指标的前后变化。若其中至少 两项 改善幅度达到预设阈值的 60% 以上，且回收周期预估在 9 个月内，则具备横向复制价值；否则先收敛场景范围再评估。