数据采集：智能工厂、自动化、数字孪生与可追溯性

工业计量中的数据采集是指基于传感器的物理量捕获、传输和数字化过程。工业3D传感器和红外摄像机可提供几何和热测量数据，用于自动化100%检测、数字孪生以及可追溯的质量记录。

3D传感器和红外摄像机如何集成到联网的智能工厂环境中，以实现实时测量、在线质量控制和自动化过程反馈。

数据采集是指在工业测量过程中，基于传感器对物理量进行捕获、传输和数字化处理。工业3D传感器和红外摄像机是两大主要数据源，为质量控制、过程监控和生产记录提供原始数据。数据采集支持四项核心测量功能：确定物理量、监控过程状态、记录结果，以及确保整个生产链的可追溯性。

在工业计量领域，数据采集将物理传感器的输出信号与数字评估系统相连接。一台3D激光轮廓传感器可测量表面几何形状，将高度轮廓数字化，并在1毫秒内将数据传输至控制系统。一台红外摄像机可捕捉640×512像素范围内的热场，并输出经过校准的温度矩阵作为测量结果。这两个例子都遵循相同的基本流程：物理量 → 传感器转换 → 信号调理 → 数字数据 → 评估。

工业环境中的数据采集系统处理三类测量数据：来自光学3D传感器的几何数据、来自红外摄像头的热成像数据，以及来自组合传感器网络的衍生数据。数据采集的精度、速度和完整性，决定了从尺寸公差到缺陷检测等所有下游测量结果的质量。

关键事实

定义：

工业测量过程中基于传感器的物理量采集、传输与数字化
主要数据来源：

工业级3D传感器（几何数据）和红外热像仪（热成像数据）
核心测量功能：

4：确定、监测、记录物理量并确保其可追溯性
扫描速率（3D轮廓传感器）：

最高每秒4,000条扫描线；每条扫描线最多4,096个测量点
热成像摄像机帧率：

25 Hz 至 100 Hz；分辨率最高可达 640 × 512 像素
测量延迟：

每条扫描线少于 1 毫秒（3D 传感器）；少于 20 毫秒（红外摄像头）
温度测量范围：

−20 °C 至 1,500 °C；测量不确定度 < 2 °C
相关标准：

ISO 9001、IATF 16949；数据保留期限至少15年（汽车行业）
输出格式：

3D点云、高程剖面、热矩阵、CSV、XML、专有3D格式
通信接口：

Modbus TCP、OPC UA、GigE Vision

智能工厂

数据采集在工业4.0和智能工厂环境中发挥着什么作用？

数据采集是工业4.0生产环境的基础层。工业传感器实时采集物理量，并将结构化数据传输至MES和ERP系统。在联网的生产线上，3D传感器和红外摄像头是主要的数据来源。

工业4.0的生产环境需要能够以生产速度持续运行、无需人工干预的数据采集系统。 工业级3D传感器和红外相机直接在生产线上采集几何和热成像测量数据，并通过Modbus TCP、OPC UA和GigE Vision等标准化工业接口传输结果。这三种通信标准可将传感器数据实时连接至制造执行系统（MES）和企业资源规划（ERP）系统等上级系统。

智能工厂将基于传感器的数据采集整合于四个功能层级：现场层（传感器和执行器）、控制层（PLC和边缘设备）、制造层（MES）以及企业层（ERP和云系统）。 AT Sensors的数据采集系统运行于现场层，生成结构化的3D点云、高度剖面图和红外热成像，这些数据可在一个机器周期内由控制层进行评估。

网络化生产线中的传感器集成

将数据采集系统集成到联网生产线中需要具备以下三项技术特性：确定性延迟、结构化输出格式以及可配置的数据接口。 AT Sensors 的 3D 激光轮廓传感器每条扫描线可在 1 毫秒内提供测量结果，使其能够兼容传送带速度高达 3 米/秒的高速生产线。红外摄像机以 25 Hz 至 100 Hz 的帧率提供经过校准的温度矩阵，从而能够对焊接、铸造和电池模块组装等对温度敏感的生产过程进行实时热监测。

智能工厂的数据采集系统可生成两种类型的测量输出：原始测量数据（几何坐标、温度值、强度图像）和衍生评估结果（缺陷分类、尺寸偏差、温度梯度）。这两种输出均可通过数字接口获取，从而实现自动控制回路，其中测量结果会直接触发工艺动作——例如，对不合格零件发出剔除信号。

数据吞吐量与实时要求

工业数据采集会产生海量数据。一台 AT Sensors 3D 激光轮廓传感器在 4 kHz 的扫描速率下，每条扫描线可产生多达 4,096 个测量点，从而实现每秒 1,600 万个测量点的数据吞吐量。分辨率为 640 × 512 像素、工作频率为 50 Hz 的红外摄像机，每秒可提供 1,640 万个温度值。智能工厂架构采用两种方法处理这些数据：在传感器端直接进行边缘处理（传感器内处理），以及基于云端的处理，用于统计评估和长期趋势分析。

100% 检验

数据采集如何实现批量生产中的全自动100%检测？

100% 自动化检测利用在线数据采集技术，在生产流程中对每一件零件进行测量，无需抽样。3D 传感器和红外摄像头能够以生产速度采集几何和热成像测量数据，从而实现零抽样缺口的全面质量控制。

全自动100%检测与统计抽样检测在根本上存在一个关键区别：每件制造出的零件都会经过测量，而非仅对选定的子集进行检测。这种方法需要数据采集系统的运行速度快于生产线的节拍时间。AT Sensors的3D激光轮廓传感器能在50毫秒内采集完整的表面轮廓，从而使在节拍时间为500毫秒或更长的生产线上实现100%检测成为可能。

自动化100%检测的4项技术要求包括：测量速度不低于生产吞吐量、测量精度符合指定公差等级、通过编码器或光电传感器可靠地触发工件检测，以及为在线合格/不合格评估提供确定性的数据输出。满足这4项要求的采集系统所产生的检测结果可直接输入生产控制系统，从而在无需人工干预的情况下自动剔除不合格零件。

在线测量与离线测量

在线数据采集将测量系统直接集成到生产线中。在正常的生产流程中，工件会通过测量站，传感器会在一个机器周期内采集所有必要数据。相比之下，离线测量则需要将工件从生产流程中取出，在单独的工位上进行测量。在线100%检测消除了离线测量所需的时间和处理成本，并能实时反馈生产质量。

AT Sensors 的 3D 传感器支持两种在线测量配置：静态测量（工件在传感器下方短暂停留）和动态测量（工件持续移动经过传感器）。在动态配置中，传感器通过编码器信号将数据采集与输送带速度同步，确保每条扫描线对应工件表面上预定义的物理距离。在线配置中的红外摄像机可在单帧内捕获工件或焊缝的完整热成像，从而以100%的吞吐量实现基于温度的质量判定。

100% 检验中的数据量

在全速生产状态下进行100%检测会产生海量数据，这需要结构化的存储和评估架构。一条以每分钟60件的速度运行的生产线，每件产品均由3D传感器检测并生成200万个点云数据，每分钟将产生1.2亿个测量点。 高效的数据采集系统通过三种策略应对这一海量数据：传感器端预处理（将原始数据简化为相关特征）、选择性存储（仅存储不合格零件或统计摘要）以及向边缘评估系统进行实时流式传输。AT Sensors的传感器提供可配置的输出模式，使工程师能够在数据完整性与系统带宽之间取得平衡。

数字孪生

在工业应用中，数据采集如何为数字孪生提供支持？

数字孪生是物理对象或过程的虚拟模型，它会根据工业传感器采集的测量数据进行持续更新。通过3D传感器和红外摄像机采集的数据，为数字孪生提供了几何和热力学输入，从而确保其与物理原型保持同步。

数字孪生需要三种类型的输入数据，以保持与物理生产环境的同步：几何测量数据（形状、尺寸、表面拓扑）、热测量数据（温度分布、热流模式）以及工艺测量数据（循环时间、吞吐率、能耗）。AT Sensors 的数据采集系统直接从生产线的传感器测量中获取前两种输入数据。

由 AT Sensors 激光轮廓传感器生成的 3D 点云，构成了被测零件或表面的精确几何模型。当将该模型与零件的名义 CAD 数据进行比对时，数字孪生系统能够实时识别尺寸偏差和表面缺陷。偏差图将成为数字孪生中的永久记录，使工程师能够追踪整个生产批次的几何漂移，并在产品送达客户之前识别出系统性工艺错误。

数字孪生模型的热数据采集

红外热像仪提供的热测量数据被数字孪生用于建模生产过程中的热行为。焊接工艺的热数字孪生能够捕捉每次焊接过程中焊池、热影响区及周围母材的温度分布。 AT Sensors 红外热像仪的测量温度范围为-20 °C 至 1,500 °C，测量不确定度小于 2 °C，可为汽车车身焊接、电池模块制造和半导体加工等应用提供构建可靠热双胞胎模型所需的精度。

数字孪生利用热测量数据实现两大主要功能：实时过程控制（根据测得的温度偏差调整工艺参数）和预测性分析（识别预示工艺故障的模式）。这两项功能均需要低延迟的数据采集系统。AT Sensors 红外热像仪以 50 Hz 的频率提供经过校准的温度数据，延迟小于 20 毫秒，从而能够在实时生产环境中实现闭环热控制。

数据采集频率与双胞胎相似度

数字孪生的精度直接取决于数据采集系统的测量频率和空间分辨率。若数字孪生能以传感器全分辨率对每个零件的测量结果进行实时更新，则可高度精确地反映物理生产过程；而若仅以每小时为间隔更新统计摘要，则只能反映生产平均值，却无法捕捉单个零件的变异情况。AT Sensors 的传感器支持这两种工作模式，工程师可根据每个数字孪生应用的需求，灵活配置更新频率和数据分辨率。

可追溯性

数据采集如何实现制造过程的可追溯性？

可追溯性是指能够追溯零件或产品在整个制造链中的完整测量和生产历史。数据采集提供测量值、时间戳和工艺参数，这些信息共同构成了ISO 9001、IATF 16949以及产品责任法所要求的可追溯记录。

工业制造中的可追溯性要求对每个制造零件系统地记录以下四类数据：识别数据（零件序列号、批号、生产订单）、测量数据（几何偏差、表面特性、温度值）、工艺数据（设备参数、时间戳、操作员身份）以及质量判定数据（合格/不合格结果、返工状态、放行签名）。数据采集系统提供测量数据和质量判定数据，这两类数据在产品责任和召回情境中具有最高的证据价值。

ISO 9001 和 IATF 16949 要求制造企业保留书面证据，证明每个零件均按照规定的要求进行生产和检验。 AT Sensors 的数据采集系统为每个经过检验的零件生成带时间戳的测量记录，其中包括测得的 3D 几何尺寸、与公差值的偏差以及检验结果。这些记录提供结构化格式，包括 CSV、XML 以及专有 3D 数据格式，可直接导入质量管理体系 (QMS) 和产品生命周期管理 (PLM) 系统。

零件识别与数据关联

有效的可追溯性要求将每个零件的测量数据与唯一的零件标识符相关联。 AT Sensors 数据采集系统支持三种识别方法：来自生产控制系统的带序列号输入的外部触发信号、集成条形码或 DataMatrix 码读取（通过连接的视觉系统），以及通过传感器 API手动输入零件标识符。当在采集时将零件标识符与测量数据关联起来，仅凭零件编号即可从质量数据库中检索到每个零件的完整测量历史。

长期数据保留与审计准备

汽车行业的产品责任法（IATF 16949）要求在生产结束后至少保留质量记录15年。在此期间，数据采集系统会产生海量数据。一条年检验量为100万件的生产线，若每件零件的3D测量数据集大小为5 MB，则每年将积累5 TB的测量数据。 有效的可追溯性架构通过以下三种策略解决长期保存问题：数据压缩（将原始点云数据简化为偏差图和公差结果）、分层存储（近期数据采用热存储，归档数据采用冷存储）以及加密数据完整性验证（确保存储记录未被篡改）。 AT Sensors的测量数据包含基于哈希的完整性签名，使审计人员能够验证存储测量记录的真实性。

测量校准中的可追溯性

从计量学角度而言，测量溯源要求每个测量结果通过一条完整的校准链与国家或国际测量标准建立联系。AT Sensors 的传感器均参照可溯源的参考标准进行校准，其校准证书中包含测量不确定度值，这些值定义了每个可溯源测量结果的可靠性。校准文件和重新校准间隔是测量记录的一部分，确保可追溯性不仅延伸至被测部件，也延伸至测量仪器本身。