30台冲床监控方案
冲压车间30台冲床设备状态监控、产量统计、报警管理，全栈开源方案，从设备采集到数据可视化完整落地
01 项目背景与需求
客户痛点
- 设备状态不透明：30台冲床分布在两个车间，哪台在运行、哪台故障、哪台待机，全靠人工巡检，效率低且不及时
- 产量统计靠人工：每班结束工人手工抄产量，容易出错，管理层第二天才能看到前一天产量，无法实时掌握生产进度
- 报警响应慢：设备故障了工人要打电话报修，维修人员不知道哪台设备什么故障，响应时间平均30分钟以上
- OEE无法计算：没有设备运行时间、停机时间、故障时间的准确数据，OEE（设备综合效率）只能靠估算，无法针对性改善
核心需求
02 系统架构
5层架构，从设备到看板全链路开源，每层职责清晰、可独立替换
- 应用与通讯解耦：ThingsGateway只负责采集，通过MQTT上报，应用层（Grafana/Node-RED）通过订阅MQTT或查询TDengine获取数据，加新设备不用改应用
- 消息队列削峰：EMQX在采集端和存储端之间加一层，采集端突发数据时缓存在Broker，TDengine慢慢消费，不会因为写入慢导致采集端阻塞
- 边缘端本地缓存：ThingsGateway开启SQLite本地缓存，网络中断期间数据本地存储，恢复后自动补传，不丢数据
- 降采样策略：原始2秒数据保留1年，1分钟降采样保留3年，1小时降采样永久保留，兼顾查询性能和存储成本
03 为什么选这些软件（选型理由）
不是随便选的，每款都对比过2-3个 alternatives，结合实际项目需求和团队技术栈做出的选择
04 部署要点（关键配置）
不是完整教程，只列最关键的配置和容易踩坑的地方，详细部署步骤参考各软件官方文档
服务器准备
阿里云ECS g7 2核4G，Ubuntu 22.04，Docker Compose一键部署全部服务（ThingsGateway/EMQX/TDengine/Grafana/Node-RED），数据目录挂载到数据盘
ThingsGateway配置
添加30台设备（三菱MC/西门子S7），每台配置20+点位，分组（状态组/产量组/报警组），设置采集频率2秒，开启本地缓存，配置MQTT上报到EMQX
TDengine建表
创建数据库（保留1年，副本1），每台设备一张表（时间戳+20个字段），创建连续查询（1分钟降采样、1小时降采样），创建数据保留策略
EMQX规则引擎
配置规则：MQTT消息 → 解码JSON → 写入TDengine（通过taosAdapter的REST API），配置死信队列（写入失败的消息存到文件，人工处理）
Grafana仪表盘
配置TDengine数据源，创建3个仪表盘：车间总览（OEE/产量/报警统计）、设备详情（单台实时数据+趋势）、报表（日/周/月产量+报警统计），配置告警规则
Node-RED流程
报警流程：订阅MQTT → 报警判断（阈值/状态变化）→ 防抖/分级 → 微信推送；日报流程：每天8点查询TDengine昨日数据 → 生成Excel报表 → 邮件发送；MES转发：关键数据转发到客户MES接口
05 踩过的坑（真实问题与解决方案）
这是最有价值的部分——AI写不出来的真实踩坑记录，每个问题都花了半天到两天才解决
06 实际效果
07 相关软件与工具
需要类似的设备监控方案？
丁丁有20年工业自动化经验，做过冲床监控、机器人上下料、能源管理等多个真实项目。可以帮你做方案设计、选型咨询、部署实施、二次开发。