为什么同样上系统，产出差距能拉到三倍

过去两年，PG直营站方案中心在汽车零部件、3C电子和新能源基地三类场景里累计跟进了上百条产线的数字化改造。把实施手记里的数据横向拉平之后，一个现象反复出现：设备联网率相近的两家工厂，一年后的单位产出提升幅度可以相差三倍以上。差距不在硬件本身，而在数据资产的形成方式。PG直营站在复盘中发现，很多企业把预算集中在采集端，却忽略了数据从“能看见”到“能决策”之间的转化成本，这部分隐性投入往往才是决定产出的关键变量。

这篇文章不谈趋势，只做数据对照。四组观察分别对应部署密度、算力配比、质检误判和排程响应，每组都给出可对照的量级关系，供制造企业在立项前做一次自查。

对照一：网关部署密度与数据可用率并非线性关系

我们把产线按每百米网关数量分成三档做对照。低密度档（每百米1台以下）的数据可用率普遍在六成上下，主要缺口来自协议转换盲区和无线信号遮挡；中密度档（每百米2至3台）可用率快速爬升到八成五以上；但继续加密到每百米4台以上时，可用率增幅明显收窄，边际收益开始递减。PG直营站的技术团队在多个现场验证过这个拐点，加密带来的往往不是数据量提升，而是重复采集和运维负担。

  • 低密度档：可用率约60%，缺口集中在老旧设备协议不兼容
  • 中密度档：可用率约85%，是投入产出比最集中的区间
  • 高密度档：可用率约90%，增量成本主要花在布线和供电改造

这组数据提示的判断很直接：先把中密度档铺满，再谈加密。PG直营站建议企业在做网关布点方案时，先用一周时间做协议清点，把不支持标准协议的设备单独列出来，这部分才是可用率的主要漏点。

对照二：边缘算力配比决定异常响应能不能闭环

第二个对照维度是边缘侧算力与云端算力的配比。我们把产线异常响应按“采集到告警”的时延分成三档观察：算力几乎全放云端的产线，端到端时延普遍在数百毫秒级，遇到网络抖动会直接掉到秒级；边缘承担视觉推理和规则判断的产线，时延能压到几十毫秒；而把伺服反馈也纳入边缘闭环的产线，部分场景可以进入毫秒级区间。PG直营站在方案设计里通常建议把需要实时防护的判断下沉到边缘，把统计分析和模型训练留在云端，这个分工比单纯堆算力更有效。

值得注意的是，边缘算力配比过高也会带来新问题：模型更新频率跟不上、现场调试人力被锁死。数据上表现为告警数量上升但有效告警占比下降，运维人员开始对告警脱敏，这比没有告警更危险。

对照三：视觉质检的误判成本要算进总账

视觉质检终端的账不能只算设备采购价。我们按误判类型拆成两组：漏判和过杀。漏判的直接后果是缺陷品流出，返工和客诉成本通常以单件计价，量级远高于设备折旧；过杀则表现为良品被误判剔除，看似损失小，但累积起来会明显拉低直通率，还会让产线员工对系统产生不信任。PG直营站在多个3C电子项目里观察到，过杀率每上升一个百分点，复检人力就要相应增加，这部分人工成本经常被漏算在项目预算之外。

  • 漏判成本：单件返工加客诉处理，量级最高
  • 过杀成本：复检人力加良品损耗，隐蔽但持续
  • 模型迭代成本：样本标注与现场验证，容易被低估

所以质检终端的产出评估，应该用“总质量成本”而不是“检出率”单一指标。PG直营站方案中心在交付时会把三类成本做成对照表，让企业在验收阶段就能看到全账。

对照四：排程响应速度与在制品库存的联动

最后一组对照来自排程环节。我们把排程重算的响应时间与在制品库存周转做交叉观察，发现重算延迟从小时级压缩到分钟级时，在制品库存的波动幅度明显收窄；但继续压缩到秒级后，库存改善趋于平缓，反而对现场执行的稳定性提出更高要求。这说明排程引擎的价值不在于算得多快，而在于重算结果能不能被产线真正执行。PG直营站在APS实施手记里反复记录这一点：排程响应要和现场节拍匹配，超前太多会造成频繁换线，抵消掉优化收益。

四组对照放在一起看，结论其实很朴素：工业物联网的投入产出，取决于数据在哪个环节完成闭环，而不是采集了多少个点位。PG直营站建议制造企业在下一轮预算评审时，先把这四组对照跑一遍，找出自己最薄的那一环，再决定钱往哪里放。