工业设备在线状态怎么判定：心跳、超时与"假离线"的处理方法

结论：采集系统里“设备离线”告警的误报，多数来自把“网络断了”和“设备停机”混成了一个状态。做法是分三层判断：链路层看心跳，设备层看数据有没有刷新，业务层看工单是否在生产，三层都满足才算“异常离线”，并对每一层设计独立的超时与恢复条件。

一、先把三种状态拆开

状态｜判断依据｜典型原因｜处置

链路中断｜网关到平台的心跳连续丢失｜网线、交换机、4G信号、网关断电｜网络侧处理，设备数据按断网补传

设备无响应｜网关在线，但对某设备的读取连续失败｜设备关机、通讯线松动、从站地址变更｜现场检查，标记“设备无响应”

数据停滞｜读取成功但值长时间不变｜传感器卡死、点位映射错误｜按点位设置“最大不变时长”，超过则提示

三者合并成一个“离线”，现场收到告警后无从下手，时间久了就没人理会。

二、心跳与超时怎么定

1. 心跳周期：网关每10到30秒向平台发一条心跳，只含网关ID、序号、本地时间、缓存积压条数。过于频繁会白白占带宽，过于稀疏则发现慢。
2. 超时判定：连续丢失3个心跳周期才判定链路中断，不要丢1个就报。
3. 设备读取失败：对单个设备，连续N次读取失败（Modbus常见为超时或异常码）才置为“无响应”，N取3到5次，并记录最后一次错误码，方便区分“超时”和“设备返回异常”。
4. 数据停滞：不同点位阈值不同。温度类可以设几分钟，计数类在非生产时段不变是正常的，所以要结合工单状态。

三、避免“假离线”的四个办法

• 恢复滞后：状态恢复需连续成功2到3次，防止信号临界时状态来回跳。

• 计划停机屏蔽：交接班、午休、保养时段通过班次日历屏蔽“数据停滞”告警，只保留链路告警。

• 网关重启识别：心跳序号归零代表网关重启，应记为“重启事件”，而不是一次离线加一次上线。

• 补传后回写状态：断网恢复后，补传的历史数据带原始时间戳，状态时间线要按原始时间回写，避免统计出来的在线率偏低。

四、落地时的字段建议

设备状态表建议至少包含：设备ID、网关ID、当前状态、状态开始时间、最后一次成功读取时间、最后错误码、连续失败次数、是否计划停机。状态变更写入状态变更流水表，保留变更前后状态和触发原因，用于事后统计在线率和排查。

五、常见追问

心跳放在业务数据里行不行？不建议。设备没有数据变化时就没有消息，容易被误判成离线，心跳应该独立。

离线告警要不要发短信？链路中断超过一定时长再升级通知，短时波动只记录，不打扰人。

在线率怎么算？用“计划运行时间内可采集时长”除以“计划运行时间”，计划停机时段不计入分母。

多个设备挂在一个网关上，网关断了怎么处理？先判网关，再判设备；网关中断时下属设备统一标记“网关中断”，不要逐个发告警。