走进任何一家传统制造企业的车间，最常见的景象是：设备在转，数据靠人记。机床的稼动率是班长凭经验估的，能耗是月底对账单才知道的，故障是停机了才去排查的。这种「黑箱式生产」在订单饱和时还能勉强运转，可一旦遇到多品种小批量订单、原材料价格上涨或客户要求追溯全流程，问题就集中爆发。

根源其实不在设备老旧，而在数据断层。PLC、传感器、数控系统各自为政，接口协议五花八门——Modbus、OPC-UA、Profinet，甚至还有上世纪遗留的串口协议。设备联网率不足30%的工厂，连「诊断」都无从做起，更谈不上优化。这不是换个ERP就能解决的，而是要从物理层开始重构信息流。

第一步：设备联网，别急着上MES

很多企业一上来就买MES系统，结果数据采不上来，成了摆设。正确的路径是从边缘层开始——给老旧设备加装工业网关，通过IO采集或协议解析拿到实时数据。这一步的关键是选对网关：既要支持多协议转换，又要具备边缘计算能力，能在本地做初步的数据清洗和异常判断，而不是把所有裸数据都往云端堆。

以我们上海逅飞科技有限公司服务过的某汽配厂为例，车间里有87台设备，其中42台是2010年以前的老机床，连网口都没有。我们采用物联网技术，给每台设备加装智能采集终端，通过RS485转以太网的方式接入统一网络，两周内就实现了设备运行状态、主轴电流、刀具寿命等核心参数的实时回传。整个项目的软硬件开发和系统集成均由我司独立完成，硬件投入不到20万，但设备可观测率从0提升到100%。

数据采集的颗粒度，决定后续优化的上限

数据不是越多越好，而是越准越好。我们要求采集周期至少做到秒级，关键工艺参数（如温度、压力、转速）甚至要毫秒级。同时要区分「设备数据」和「生产数据」——前者是设备自己产生的（如振动、电流），后者需要结合工单和人员操作（如加工数量、合格率）。两者必须通过时间戳对齐，否则后期做OEE分析时会出现严重的逻辑错误。

这里有个常见的坑：很多工厂只采集设备状态（运行/停机/待机），却忽略了工艺参数。实际上，主轴负载曲线的波动往往比停机状态更早暴露刀具磨损或毛坯余量异常。我们曾通过分析某压铸机的合模压力曲线，提前48小时预判出锁模机构故障，避免了近百万的模具报废损失。

数据链路打通之后，才轮到「优化」登场。基于采集到的设备综合效率(OEE)、能耗数据和工艺参数，可以进行三类典型应用：一是预测性维护，通过振动频谱分析提前预警轴承失效；二是参数自优化，利用历史数据寻优最优工艺窗口；三是透明化追溯，每件产品都能关联到具体的设备、时间、操作者和工艺参数，满足车企客户的审核要求。

对比传统模式，改造前后的差异是本质性的：以前做设备管理靠「听到异响才报修」，现在靠数据驱动的健康度评分；以前排产靠「老师傅的记忆」，现在靠实时的产能模型；以前能耗是「事后分摊」，现在能精确到每台设备每小时的用电曲线，甚至能发现注塑机在非生产时段的待机功耗浪费。

避免「为数字化而数字化」

作为深耕工业数字化和网络运维的落地型公司，上海逅飞科技有限公司的忠告是：先明确要解决什么问题，再决定采集什么数据。如果只是为了参观展示，那大屏做漂亮点就行；但如果是为了降低换线时间、减少非计划停机，那就要沉下心去做数据治理和算法模型。建议从一条产线或一个车间试点，用3个月跑通「采集-分析-反馈-优化」的闭环，看到实际效益后再逐步推广。

改造不是一次性的项目，而是持续迭代的过程。设备联网只是起点，数据驱动运营才是终局。那些真正跑赢同行的企业，往往不是技术最前沿的，而是把基础数据吃透、把执行动作做到位的那一批。