从热电偶到数据库:OT 数据的一生

引言

数据库里的一条记录长这样:LF1_CCM2_SC_FLOW_01, 2026-11-06 08:00:01, 118.6, Good。

看起来干净利落。但从炉子上的热电偶到这一行数据,中间隔了五个环节:物理量变成电信号、模数转换、PLC 扫描、通信轮询、入库落盘。每一个环节都有自己的时间尺度和误差来源。

不理解这五道关口,就会犯两类典型错误:一是觉得“数据不准是采集系统的问题”,二是觉得“加点滤波就干净了”。实际上,误差在链路上逐级注入,多数无法在末端修复。

热电偶mV 级变送器4—20 mAAI 模块12/16 位PLC 扫描1—10 ms网关/时序库轮询、压缩安装误差仪表精度量化误差采样抖动延迟与形态误差逐级叠加,且方向不自洽:末端无法反推源头能修的只有量程配置、压缩策略与插值规则;不能修的是安装与固有精度

图 1:一条 OT 数据经过的五道关口,以及每道关口注入的误差

一、第一关:物理量到电信号

热电偶利用塞贝克效应,把温差直接变成毫伏级电压。K 型热电偶在 1000 ℃ 附近的输出约 41 mV,平均每摄氏度约 0.04 mV。这个量级意味着两件事:信号必须放大,且极易受干扰。

工程上解决抗干扰的标准做法是 4—20 mA 电流环。选择电流而不是电压,是因为电流在长距离传输中不受线路电阻影响,而电压会随线阻衰减。4 mA 对应量程下限、20 mA 对应上限的设计,还让“断线”可以被识别为 0 mA,从而与真实的零点区分开。

这一关注入的误差有三类,严重程度依次上升:

误差来源典型量级能否事后修正
变送器精度0.1%—0.5% FS不能,只能更换或标定
冷端补偿偏差1—2 ℃可标定,需定期校准
安装与工况偏差数摄氏度到十几摄氏度基本不能,取决于插入深度、结垢、流场

一个反直觉的事实是:安装误差往往比仪表精度大一个量级。热电偶插入深度不足、保护套管结垢、测温点不在主流区,都会带来比 0.5% FS 更大的偏差,而且不会出现在任何技术参数表上。

治理上的动作很朴素:台账里记录“安装位置、插入深度、上次校准日期、套管材质”,把无法量化但可以描述的条件留住。将来出现数据争议时,这些字段比精度等级更有用。

二、第二关:模数转换与量程

PLC 的模拟量输入模块把 4—20 mA 转成数字量,常见分辨率是 12 位或 16 位。这一步的误差来自量化:把连续区间切成有限份,每份宽度就是分辨率。

量程分辨率位数最小可分辨变化相对量程
0—500 m³/h12 位(4 096 份)约 0.122 m³/h0.024%
0—500 m³/h16 位(65 536 份)约 0.0076 m³/h0.0015%
0—1 200 ℃12 位约 0.293 ℃0.024%
0—1 200 ℃16 位约 0.018 ℃0.0015%

单看量化误差,12 位已经够用——0.293 ℃ 远小于热电偶本身的允差。真正的坑不在位数,在量程配置:

  • 实际只用到 0—200 m³/h 的流量计,量程配成 0—1 000 m³/h,分辨率损失五倍;
  • 量程下限配成负值(如 -100—500),有效区间只占 1/6,量化误差放大六倍;
  • 超量程时数据被裁剪,曲线上出现一段“平顶”,看起来像工艺稳定,实际是仪表饱和。

最后一条最难发现:饱和段的数据是“合法值”,质量码仍然是 Good,只有对着工艺记录才能看出那段平顶不对应任何真实工况。

治理动作:量程、单位、上下限、超限处理策略,四项必须进台账,并与仪表铭牌核对一次。这是投入产出比最高的动作之一。

三、第三关:PLC 扫描周期

PLC 不是“实时”的,它按扫描周期循环执行:读输入、跑程序、写输出。典型扫描周期在 1—10 ms 量级,大型程序或高负载时更长。

这带来两个后果:

采样时刻不均匀。 你以为是每秒整点采一次,实际是“程序跑到这一行的时候”采一次,抖动可能有几毫秒到几十毫秒。对追溯影响不大,对振动分析、冲击检测影响很大。

快变信号会混叠。 奈奎斯特采样定理要求采样频率高于信号最高频率的两倍。违反时的后果不是“采不到”,而是“采到假的”:

1
2
3
4
5
6
7
8
9
10
11
def alias_freq(signal_hz: float, sample_hz: float) -> float:
"""返回采样后观测到的混叠频率(0 <= f <= sample_hz/2)。"""
f = signal_hz % sample_hz
return f if f <= sample_hz / 2 else sample_hz - f


if __name__ == "__main__":
# 10 Hz 采样,真实信号 6 Hz
print(alias_freq(6, 10)) # 4.0,曲线上看到 4 Hz 的假波动
# 10 Hz 采样,真实信号 12 Hz
print(alias_freq(12, 10)) # 2.0,看到 2 Hz

10 Hz 采样去看 6 Hz 的周期性过程,曲线上会呈现 4 Hz 的“波动”——它看起来完全正常,实际是混叠出来的假信号。轧制力、液压冲击、连铸结晶器振动这类毫秒级过程,用 100 ms 的扫描周期去采,采到的只是假象。

这也是为什么高速过程必须用专用高速模块或独立采集系统(采样率常在 kHz 级),而不是靠主 PLC 的常规扫描。

四、第四关:通信轮询

数据从 PLC 到网关,走通信链路。这一关的误差是延迟和排队。

Modbus RTU 一帧由从站地址(1 字节)、功能码(1 字节)、数据(最多 252 字节)、CRC(2 字节)组成。9 600 bps、每字节 10 位时,传 8 字节约 8.3 ms,传 25 字节约 26 ms。

实际轮询还要加帧间隔与设备处理时间。按每站 20 ms 计,100 个从站轮一遍就是 2 秒;按 34 ms 计,就是 3.4 秒。于是出现一个非常常见的现象:

同一测点,PLC 里 100 ms 刷新,数据库里 2—3 秒一个点。

用量化分析的人拿着 2 秒粒度的数据去算毫秒级特征,结论一定不可靠。反过来,为了“提高实时性”一味缩短轮询周期,会把通信负荷推到极限,出现丢帧、超时、设备看门狗复位。

OPC UA 的订阅机制可以缓解:客户端订阅关心的节点,服务端在值变化或达到发布间隔时推送,而不是全量轮询。但服务端自身的采样与缓冲仍决定数据天花板。

五、第五关:入库与压缩

数据进入时序库后通常做压缩,工业上常用两类:

  • 死区压缩:值变化超过阈值才记录。阈值 0.5 ℃ 时,一段稳定在 486 ℃ 的曲线可能只留几个点。
  • 旋转门(SDT):用直线段近似,保留能保证误差在 ε 以内的端点。ε 设得越大,压缩率越高,峰值越容易被削。

压缩本身是正确的工程选择,但它改变数据形态:压缩后的曲线不能直接用于计算峰值、积分和持续时间。工程做法是分层:原始层保精度、聚合层保趋势,并在指标字典里注明该指标基于哪一层。

六、误差合成:一个算例

把前面几关串起来,以 0—1 200 ℃ 的温度测点为例:

误差项量级说明
变送器精度 0.2% FS±2.4 ℃按满量程计
12 位量化±0.15 ℃(半格)0.293 ℃ 一格
冷端补偿±1 ℃取决于补偿方式与环境温度
安装偏差±5 ℃ 或更大插入深度、结垢、流场

按方和根合成,前三项约 ±2.6 ℃;加上安装偏差,实际不确定度落在 ±6 ℃ 量级。也就是说:这条曲线的分辨率是 0.29 ℃,可信度只有 6 ℃。

把这个结论写进台账,比在报表上标“精度 0.2%”更有意义——它告诉下游:这条曲线可以用于趋势判断,不能用于 1 ℃ 级别的工艺判定。

七、反向追溯:一行数据能还原多少现场

给一条记录,能回答多少问题,取决于存了什么:

记录内容能回答不能回答
只有值 + 时间什么时候是多少哪个设备、什么工况、可不可信
加测点编码 + 质量码哪个测点、是否可信属于哪一炉、哪个班次
加设备归属 + 批次号哪台设备、哪炉钢采集链路是否异常、是否插值
加通道 + 原始时标 + 处置记录全链路可回放—

这也是为什么治理强调“三时标 + 质量码 + 血缘”:不是为了多存字段,而是为了事后能回答“这条数据是怎么来的”。

八、存储量估算

按 10 万个测点、1 Hz 采样、每点 16 字节计算:

1
2
3
4
5
6
7
8
def storage_gb_per_day(points: int, hz: float, bytes_per_sample: int = 16) -> float:
"""按未压缩原始点位估算每日存储量(GB,十进制)。"""
return points * hz * 86400 * bytes_per_sample / 1e9


if __name__ == "__main__":
print(f"每日原始数据量: {storage_gb_per_day(100_000, 1.0):.1f} GB")
print(f"每年原始数据量: {storage_gb_per_day(100_000, 1.0) * 365 / 1000:.1f} TB")

结果:每日约 138 GB,每年约 50 TB(未压缩)。这个量级说明两件事:全量长期保留不现实,必须分层;而“先接全厂点位再想用途”的做法,光存储成本就足以让项目停摆。

九、一个比喻:五次转手的照片

一条 OT 数据像一张被转手五次的照片:摄影师按下快门(传感器)、相机压缩成 JPEG(AD 转换)、传到手机上(PLC)、用微信发出去(通信)、最后存进相册(入库)。每次转手都可能降低画质、变换尺寸、甚至丢一张。

对应关系是:按下快门对应采样时刻,JPEG 压缩对应量化,微信传输对应通信延迟,相册存储对应时序库压缩。这个比喻的边界在于:照片糊了可以重拍,工艺过程过去了就永远过去了——这也是为什么断联时的边缘缓存不可省。

十、检查清单

  • 每个关键测点都记了量程、单位、上下限、超限策略
  • 采样周期与实际业务需求匹配,并写进台账
  • 高速过程(振动、冲击)用独立高速采集,不走主 PLC 常规扫描
  • 串行链路算过一轮轮询时间,并与追溯要求对照
  • 压缩策略写明 ε 与分层保留周期
  • 台账里有安装位置、校准日期这类“不可量化但关键”的字段
  • 关键测点有误差合成结论(可用于什么、不可用于什么)

十一、结论

把五道关口串起来,可以得到一张误差分布图:仪表精度决定下限,量程配置决定分辨率,扫描周期决定时间分辨率,轮询决定延迟,压缩决定形态。

治理的启发有三条:

  1. 先核对量程与单位,这是投入产出比最高的动作。量程配错,后面所有分析都建立在被裁剪的数据上。
  2. 采样周期要写进台账,并与业务需求的频率匹配。用 2 秒的数据算毫秒特征,是治理里最常见的隐性错误。
  3. 不要用末端滤波掩盖源头缺陷。 插值、平滑、去异常值只能修补个别缺失,不能修复系统性偏差。

下一篇回到方法论:为什么这套东西不能套用 IT 主数据治理。