智能工厂的数据采集不是简单装几个传感器、拉几根网线，而是一套从底层信号到上层应用的系统工程。知乎上常有人问“传感器、PLC、SCADA到底怎么部署”，背后真正的难点在于：异构设备协议不通、数据实时性不够、边缘与云端协同断裂。要回答这个问题，需要把三层架构拆开看，同时关注那些容易被忽略的工程细节。
传感器是数据源头，但部署前必须先做点位规划和协议选型。常见误区是盲目追求高精度或无线化，结果要么成本失控，要么信号在车间电磁干扰下频繁丢包。工业现场优先考虑有线连接（如4-20mA、RS485、IO-Link），无线仅用于移动或难以布线的场景。对于振动、温度、压力等高频信号，采样率要匹配设备特征频率，否则采集到的数据没有分析价值。一个可参考的工程原则是：关键设备测点冗余10%-15%，避免后期因单点故障导致数据断流。
PLC早已不是单纯的逻辑控制器，在智能工厂中它承担着边缘侧数据汇聚和预处理的任务。以汇川技术H5U系列PLC为例，其原生支持OPC UA并深度集成PubSub over MQTT架构，OPC UA信息模型加载耗时185ms，PubSub消息端到端延迟（P95）低至6.9ms。这意味着设备重启或网络重连后，系统能快速恢复复杂的数据字典映射，保障AI数据流的连续性；毫秒级延迟也能满足AI闭环控制（如自适应加工参数调整）的需求。部署时，PLC应尽量靠近设备侧，通过多网口物理隔离将OT网络与IT网络分开，避免广播风暴影响实时通信。
SCADA负责集中监控和数据转发，但很多项目止步于“画面能显示、报表能导出”，忽略了数据质量和接口开放性。部署SCADA时，需要明确数据存储周期、断点续传机制和对外接口标准。对于跨厂商设备，优先选择支持OPC UA的SCADA平台，减少协议转换网关的采购和维护成本。如果SCADA需要向MES或云平台推送数据，建议采用MQTT或RESTful API，并配置边缘缓存，防止网络抖动导致数据丢失。一个常见的工程参数是：关键数据采集周期≤1s，非关键数据可放宽至5-10s，平衡存储成本和实时性要求。
把传感器、PLC、SCADA串起来，需要关注几个容易踩坑的环节：
Q：小工厂预算有限，能不能跳过SCADA直接用PLC上云？
A：可以，但需要PLC具备边缘计算和MQTT/OPC UA PubSub能力，同时云平台要能处理断点续传和数据清洗。否则网络不稳定时数据丢失严重，不如先上本地SCADA。
Q：传感器数据采集频率越高越好吗？
A：不是。高频采集会增加存储和通信负担，且很多分析算法对采样率有上限要求。应根据设备特征频率和故障特征设定，例如振动分析通常需要2kHz以上，温度监测1Hz即可。
Q：跨品牌PLC和传感器怎么统一数据模型？
A：优先选择支持OPC UA的设备，通过信息模型统一语义；对于老旧设备，可加装协议转换网关，但会增加故障点和延迟，需评估必要性。
智能工厂数据采集的部署没有标准答案，但遵循“先规划后实施、先验证后扩展”的原则，能少走很多弯路。关键是在传感器、PLC、SCADA每一层都留出足够的扩展余量和数据治理空间，而不是等到系统上线后再打补丁。
\n下列资料已通过候选编号与原文证据校验，仅展示正文实际使用的来源；未被来源覆盖的细节可能来自用户描述或模型通用知识，请发布前核验。