
预测性维护
对 320 台旋转设备采集振动三轴与轴承温度,窗口 10s、特征 42 维,异常阈值触发工单。
方案对比 · 决策基线
按接入规模、时延与运维成本三个可量化维度横向对比。建议先以 500 台设备做 2 周灰度,再依据实测数据扩量。
应用场景 · 场景化部署

对 320 台旋转设备采集振动三轴与轴承温度,窗口 10s、特征 42 维,异常阈值触发工单。

每 30s 采样库温与压缩机电流,结合峰谷电价曲线自动调节预冷时段,削峰填谷。

按 15min 计量粒度汇总 46 个配电回路,联动照明与空调分组策略,按分区核算碳排。
合作伙伴 · 生态互联
联盟伙伴覆盖模组、网关、云平台与工业协议栈,所有接入均通过统一设备影子与北向 API 对齐数据口径。
核心能力 · 平台内核
用属性/事件/服务三要素定义物模型,影子状态与云端最终一致,弱网下以本地版本号冲突消解。
支持滑动窗口 1s–5min,SQL 与函数混合编排,规则热更新不中断在途数据流。
OTA 按 1%→10%→50%→100% 四段灰度,失败自动回滚,包体差量压缩至原体积 18%。
指标、日志、链路三合一,任意一条告警可回溯到设备、规则版本与下发批次。
数据面板 · 决策依据
采样窗口:最近 24 小时 / 单位秒
对比上一周期,波动超过 5% 需复核
接入通道 · 按角色选择
先接入 3 条产线的能耗与稼动率,用一张对比看板验证投入产出,再决定扩产节奏。
把 OEE、单位能耗、故障间隔统一到同一口径,避免部门各自统计导致结论冲突。
设定月度消息量与存储预算阈值,超过 80% 自动提醒,防止灰度放量导致成本失控。
先写物模型再写代码:属性用可空类型,事件带时间戳与批次号,服务调用须幂等。
设备端只保留采集与本地队列两件事,规则与算法全部上移到云端,便于热更新。
先验连接再验上报,最后验下发;用回环设备复现问题,避免在现场反复刷固件。
P0 电话、P1 短信、P2 工单、P3 日报,四级收敛,禁止所有告警都走同一通道。
规则与固件变更避开生产高峰,灰度比例从 1% 起,观察 30 分钟无异常再扩大。
每季度做一次断网与回滚演练,验证本地缓存重放与版本回退链路是否完整。
实用指导清单 · 可直接执行
按业务容忍度反推上报频率:能耗类 15min、状态类 30s、振动类 1s。频率每提高一个量级,消息成本约翻 8–10 倍,务必用 采样周期 × 设备数 预估日消息量后再选型。
为每个属性维护 version 与 ts,冲突时以时间戳较新者为准并记录冲突日志;影子同步延迟超过 5s 即视为链路异常并触发巡检。
告警规则统一采用窗口 1s–5min 的滑动统计,避免逐条判断导致抖动。阈值上下加 3% 回差,可把重复告警压掉约 60%。
1% → 10% → 50% → 100%,每段观察 30 分钟;失败率超过 2% 立即回滚。差量包体积压到原包 20% 以内,弱网成功率可提升至 97% 以上。
边缘节点按 72 小时容量规划环形缓冲,超限时按优先级丢弃低价值心跳;恢复后按时间戳重放,配合幂等键去重,重复率控制在 0.1% 以内。
上线验收需同时满足:指标留存 ≥ 30 天、告警可回溯到规则版本、任意请求可查链路。缺一项则不予通过,避免后期排障无据可依。