工业设备数据的质量校验：在边缘侧过滤异常值的五类规则

结论：设备采集上来的数据不能直接入库。点位偶发跳变、通信中断后的残留值、量程外读数都会污染后续的报表和追溯。更稳妥的做法是在边缘网关入库前做规则校验，并保留原始值与校验结果两份记录，方便回溯。 一、五类校验规则 1. 量程校验：每个点位配置工程上下限，超出范围标记为“无效”，不直接丢弃。例如温度点位配置量程后，传感器断线时常见的极端值会被识别。 2. 跳变校验：相邻两次采样的变化量超过设定阈值，标记“疑似跳变”。阈值应按设备特性逐点位设置，不要全局统一。 3. 卡值校验：同一数值连续多个周期完全不变，而该点位本应波动，标记“疑似卡值”，常见于通信中断后网关沿用旧值。 4. 时间校验：采集时间戳与网关当前时间偏差过大，或时间倒退，标记“时间异常”。 5. 质量码校验：OPC UA自带StatusCode，非Good的读数要带着质量码存储，不能只存数值。 二、存储设计 每条记录至少包含：设备编号、点位编号、原始值、采集时间、网关接收时间、校验状态、质量码。校验状态用枚举（正常、越界、跳变、卡值、时间异常、质量码不良），后续报表默认只取“正常”，排查问题时再看全部。 三、常见坑 1. 越界数据直接删除：后来发现是量程配置错了，原始值已经找不到。 2. 跳变阈值设得过紧：正常的启停过程被大量误报，运维开始忽略告警。 3. 把校验放在云端：断网期间的数据回传后已经难以判断当时是否正常，校验应在边缘侧就近完成。 4. 规则写死在程序里：点位增加后要改代码，应做成配置表。 四、落地顺序 先只打标记不过滤，运行一到两周，统计各类标记的占比，再决定哪些规则需要调整阈值，最后才让报表按校验状态过滤。 FAQ 问：校验会增加网关负担吗？答：这些规则都是简单比较，点位数很大时应关注批量处理方式和采样周期。 问：被标记的数据能修复吗？答：不建议覆盖原值，可以另加“修正值”字段并记录修正依据。 小结：数据质量规则的价值，在于让后续每一张报表都能说清楚数据从哪来、可不可信。