从PLC到MES：构建现代化电机工厂数据监控系统的技术实践

如果你是一名开发者，最近在关注工业自动化、智能制造或者嵌入式系统，可能会觉得“走进雅迪电机工厂”这个话题离你的代码有点远。但恰恰相反，这背后是一整套从机械臂、PLC、传感器到MES（制造执行系统）、数据中台和AI质检的复杂技术栈。我们平时讨论的微服务、高并发、数据可视化，在这样一个现代化的电机生产线上，是实实在在跑在服务器里、写在控制逻辑里的。

这篇文章不会是一篇工厂参观游记。我们将以技术人的视角，深入拆解一个现代化电机工厂的核心技术架构。你会看到：

1. 一条产线如何被“软件定义”：从订单下达到电机下线，数据如何驱动物理设备。
2. 工业场景下的技术选型与挑战：为什么不用普通的Web框架？实时性、可靠性与安全性如何保障？
3. 可落地的技术点：我们将模拟一个简化的“电机生产状态监控系统”，用Spring Boot + Vue.js + MQTT + ECharts的技术栈，让你亲手搭建一个能反映真实工厂数据流的Demo。

理解这套逻辑，不仅能拓宽你对“技术应用边界”的认知，更能让你在面临物联网、工业互联网相关项目时，拥有更清晰的架构视野和问题排查思路。

1. 这篇文章真正要解决的问题：从“制造”到“智造”的技术跃迁

传统印象里的电机工厂，可能是流水线上工人忙碌、机器轰鸣。但像雅迪这样的行业头部企业，其核心工厂早已进化到“黑灯工厂”或“数字化车间”的形态。这里的核心矛盾，已经从“如何生产出来”转变为“如何高效、高质量、可追溯地生产出来”。

对于开发者而言，这个转变意味着什么？它解决了几个关键痛点：

• 生产过程的“黑盒”问题：传统工厂，管理者不知道当前产线实时产能、设备健康状况、物料消耗情况。现在，通过物联网（IoT）技术，每一个关键设备（如绕线机、滴漆机、综合测试台）都成为数据源，生产过程完全透明化。
• 质量控制的滞后与低效：过去依赖人工抽检，质量问题往往在批量生产后才被发现，损失巨大。现在，通过机器视觉（AI质检）对电机外观、通过传感器对性能参数（如电阻、绝缘、振动）进行100%在线检测，实时判定并自动分拣，将质量问题扼杀在萌芽状态。
• 订单与生产调度的脱节：多品种、小批量的柔性生产成为趋势。一套强大的MES系统需要能动态排产，将订单精准分解为工序任务，调度物料、设备和人员，这背后是复杂的算法和实时通信能力。
• 设备维护的被动与高昂成本：设备突发故障导致整线停产。预测性维护通过分析设备运行数据（电流、温度、振动频谱），提前预警潜在故障，从“坏了再修”变为“预测性维护”，极大提升设备综合效率（OEE）。

因此，本文要解决的，正是帮你理解支撑上述变革的核心技术体系，并提供一个可实操的微型项目，让你能体验从设备数据采集到Web端可视化监控的完整链路。这不仅是概念的了解，更是技能的储备。

2. 基础概念与核心原理：工厂数字化的技术基石

在深入代码之前，我们需要统一语言，理解几个核心概念。这些概念构成了数字化工厂的神经系统。

核心数据流原理：

1. 感知层：传感器、PLC、相机、RFID读写器不断产生原始数据。
2. 网络层：通过工业以太网（Profinet, EtherCAT）、5G、Wi-Fi或有线网络将数据上传。
3. 平台层：IoT平台进行数据接入、清洗、汇聚。MES进行业务逻辑处理和生产调度。
4. 应用层：SCADA实时监控，BI系统进行数据分析报表，AI模型进行质量判断，我们的自定义监控系统也可以从这里获取数据。

我们的Demo项目，将主要模拟应用层的一个场景：构建一个Web系统，从IoT平台（或模拟数据源）订阅电机测试工位的实时数据，并进行可视化展示和报警。

3. 环境准备与前置条件

我们将搭建一个前后端分离的“电机生产状态监控中心”Demo。你需要准备以下环境：

• 操作系统：Windows 10/11, macOS 或 Linux (Ubuntu 20.04+)。本文以Windows为例，命令会有相应说明。
• 后端 (Spring Boot)：
  • JDK 8 或 11 (推荐11)。安装后配置JAVA_HOME环境变量。
  • Maven 3.6+。用于项目构建和依赖管理。
  • IDE: IntelliJ IDEA (推荐) 或 Eclipse。
• 前端 (Vue.js)：
  • Node.js 14+ 和 npm。Vue CLI依赖于此。
  • IDE: Visual Studio Code (推荐) 或 WebStorm。
• 消息中间件 (MQTT Broker)：用于模拟设备数据发布。我们使用轻量级的EMQX（开源）。
  • 方式一（推荐，Docker）：安装Docker Desktop。
  • 方式二（直接运行）：从 EMQX官网 下载对应系统的压缩包，解压运行。
• 数据库 (可选，用于存储历史数据)：MySQL 5.7+ 或 PostgreSQL。本文为了简化，后端使用内存存储，但会给出数据库集成思路。
• 浏览器：Chrome 或 Firefox。

版本说明：以下演示代码基于相对稳定的版本组合，但核心逻辑通用。请确保你的网络可以正常访问Maven中央仓库和npm registry。

4. 核心流程拆解：从模拟数据到Web图表

我们的目标是构建一个能动态展示电机测试数据的看板。整体架构如下：

[模拟设备/客户端] --(发布)--> [MQTT Broker (EMQX)] <--(订阅)--> [Spring Boot后端] | | (WebSocket / HTTP) V [Vue.js前端 (ECharts)]

步骤拆解：

1. 搭建MQTT Broker（EMQX）：建立消息中枢，模拟工业现场的数据总线。
2. 创建Spring Boot后端服务：
   • 连接MQTT Broker，订阅主题（如motor/test/data）以接收模拟数据。
   • 提供WebSocket端点或HTTP API，将实时数据推送给前端。
   • 提供历史数据查询接口（本文简化为返回最近N条）。
3. 创建Vue.js前端应用：
   • 通过WebSocket或轮询HTTP API从后端获取数据。
   • 使用ECharts库绘制实时曲线图（如电机转速、温度）、仪表盘（如合格率）和状态卡片。
4. 编写模拟数据发布客户端：用一个简单的Python或Java程序，模拟设备向MQTT主题定时发送JSON格式的测试数据。
5. 联调与运行：启动所有组件，观察前端看板数据动态更新。

接下来，我们进入具体的实现环节。

5. 完整示例与代码实现

5.1 第一步：启动MQTT Broker (EMQX)

如果你使用Docker，这是最快捷的方式：

# 拉取最新的EMQX镜像 docker pull emqx/emqx:latest # 运行EMQX容器，暴露MQTT默认端口1883和Web管理端口18083 docker run -d --name emqx -p 1883:1883 -p 18083:18083 -p 8083:8083 -p 8084:8084 emqx/emqx:latest

运行后，在浏览器访问http://localhost:18083，使用默认账号admin和密码public登录，即可看到EMQX的管理控制台。这证明了Broker已成功运行。

5.2 第二步：创建Spring Boot后端项目

使用IntelliJ IDEA的Spring Initializr创建项目，或使用 start.spring.io 生成后导入。 依赖选择：

• Spring Web(提供REST API)
• Spring WebSocket(用于实时推送)
• Lombok(简化代码，可选但推荐)

创建完成后，在pom.xml中添加MQTT客户端依赖：

<!-- pom.xml --> <dependency> <groupId>org.springframework.integration</groupId> <artifactId>spring-integration-mqtt</artifactId> </dependency> <dependency> <groupId>org.eclipse.paho</groupId> <artifactId>org.eclipse.paho.client.mqttv3</artifactId> <version>1.2.5</version> </dependency>

核心配置与代码：

// 文件路径：src/main/java/com/demo/motor/config/MqttConfig.java package com.demo.motor.config; import org.eclipse.paho.client.mqttv3.MqttConnectOptions; import org.springframework.beans.factory.annotation.Value; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; import org.springframework.integration.annotation.ServiceActivator; import org.springframework.integration.channel.DirectChannel; import org.springframework.integration.core.MessageProducer; import org.springframework.integration.mqtt.core.DefaultMqttPahoClientFactory; import org.springframework.integration.mqtt.core.MqttPahoClientFactory; import org.springframework.integration.mqtt.inbound.MqttPahoMessageDrivenChannelAdapter; import org.springframework.integration.mqtt.support.DefaultPahoMessageConverter; import org.springframework.messaging.MessageChannel; import org.springframework.messaging.MessageHandler; @Configuration public class MqttConfig { @Value("${mqtt.broker.url:tcp://localhost:1883}") private String brokerUrl; @Value("${mqtt.client.id:spring-boot-server}") private String clientId; @Value("${mqtt.topic:motor/test/data}") private String topic; @Bean public MqttPahoClientFactory mqttClientFactory() { DefaultMqttPahoClientFactory factory = new DefaultMqttPahoClientFactory(); MqttConnectOptions options = new MqttConnectOptions(); options.setServerURIs(new String[]{brokerUrl}); options.setCleanSession(true); // 如果有用户名密码 // options.setUserName("username"); // options.setPassword("password".toCharArray()); factory.setConnectionOptions(options); return factory; } // 入站通道（接收消息） @Bean public MessageChannel mqttInputChannel() { return new DirectChannel(); } @Bean public MessageProducer inbound() { MqttPahoMessageDrivenChannelAdapter adapter = new MqttPahoMessageDrivenChannelAdapter(clientId + "_inbound", mqttClientFactory(), topic); adapter.setCompletionTimeout(5000); adapter.setConverter(new DefaultPahoMessageConverter()); adapter.setQos(1); // 服务质量等级 adapter.setOutputChannel(mqttInputChannel()); return adapter; } // 消息处理器：将收到的MQTT消息转为业务事件 @Bean @ServiceActivator(inputChannel = "mqttInputChannel") public MessageHandler handler() { return message -> { String payload = message.getPayload().toString(); System.out.println("收到MQTT消息: " + payload); // 这里应该解析payload，并转发给WebSocket服务，广播给前端 // 例如：webSocketService.broadcast(payload); }; } }

// 文件路径：src/main/java/com/demo/motor/websocket/WebSocketConfig.java package com.demo.motor.websocket; import org.springframework.context.annotation.Configuration; import org.springframework.messaging.simp.config.MessageBrokerRegistry; import org.springframework.web.socket.config.annotation.EnableWebSocketMessageBroker; import org.springframework.web.socket.config.annotation.StompEndpointRegistry; import org.springframework.web.socket.config.annotation.WebSocketMessageBrokerConfigurer; @Configuration @EnableWebSocketMessageBroker public class WebSocketConfig implements WebSocketMessageBrokerConfigurer { @Override public void configureMessageBroker(MessageBrokerRegistry config) { // 启用一个简单的内存消息代理，将消息发送到以 `/topic` 为前缀的目的地 config.enableSimpleBroker("/topic"); // 设置应用程序前缀，用于过滤目标到控制器方法 config.setApplicationDestinationPrefixes("/app"); } @Override public void registerStompEndpoints(StompEndpointRegistry registry) { // 定义WebSocket端点，前端通过此端点连接 registry.addEndpoint("/ws-motor").setAllowedOriginPatterns("*").withSockJS(); } }

// 文件路径：src/main/java/com/demo/motor/websocket/WebSocketService.java package com.demo.motor.websocket; import com.fasterxml.jackson.databind.ObjectMapper; import lombok.extern.slf4j.Slf4j; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.messaging.simp.SimpMessagingTemplate; import org.springframework.stereotype.Service; @Service @Slf4j public class WebSocketService { @Autowired private SimpMessagingTemplate messagingTemplate; // 广播消息到所有订阅了 `/topic/motorData` 的前端客户端 public void broadcastMotorData(String motorDataJson) { try { messagingTemplate.convertAndSend("/topic/motorData", motorDataJson); log.debug("已广播电机数据: {}", motorDataJson); } catch (Exception e) { log.error("广播WebSocket消息失败", e); } } }

现在，修改MqttConfig中的handler，使其调用WebSocketService：

// 在 MqttConfig.java 中更新 handler Bean @Bean @ServiceActivator(inputChannel = "mqttInputChannel") public MessageHandler handler(WebSocketService webSocketService) { return message -> { String payload = message.getPayload().toString(); System.out.println("收到MQTT消息: " + payload); // 将MQTT消息通过WebSocket广播出去 webSocketService.broadcastMotorData(payload); }; }

5.3 第三步：创建Vue.js前端项目

使用Vue CLI创建一个新项目：

# 在终端中执行 npm install -g @vue/cli vue create motor-dashboard-frontend # 选择默认配置 (Vue 2 或 Vue 3 均可，本文以Vue 3为例) cd motor-dashboard-frontend

安装必要的依赖：

npm install sockjs-client stompjs echarts axios # sockjs-client 和 stompjs 用于WebSocket通信 (STOMP协议) # echarts 用于图表绘制 # axios 用于HTTP请求（如果需要）

核心组件代码：

<!-- 文件路径：src/components/MotorDashboard.vue --> <template> <div class="dashboard"> <h1>电机测试工位实时监控看板</h1> <div class="stats-cards"> <div class="card"> <h3>实时转速</h3> <div class="value">{{ currentData.speed || '--' }} RPM</div> </div> <div class="card"> <h3>实时温度</h3> <div class="value">{{ currentData.temperature || '--' }} °C</div> </div> <div class="card"> <h3>实时电流</h3> <div class="value">{{ currentData.current || '--' }} A</div> </div> <div class="card"> <h3>状态</h3> <div :class="['status', currentData.status]">{{ statusText }}</div> </div> </div> <div class="charts"> <div class="chart-container"> <h3>转速趋势 (最近60秒)</h3> <div ref="speedChart" style="width: 100%; height: 300px;"></div> </div> <div class="chart-container"> <h3>温度趋势 (最近60秒)</h3> <div ref="tempChart" style="width: 100%; height: 300px;"></div> </div> </div> <div v-if="alerts.length" class="alerts"> <h3>实时报警</h3> <ul> <li v-for="(alert, idx) in alerts" :key="idx" :class="alert.level"> [{{ alert.timestamp }}] {{ alert.message }} </li> </ul> </div> </div> </template> <script> import * as echarts from 'echarts'; import SockJS from 'sockjs-client'; import Stomp from 'stompjs'; export default { name: 'MotorDashboard', data() { return { currentData: {}, speedChart: null, tempChart: null, speedData: [], // 存储 {time, value} 格式的数据 tempData: [], alerts: [], stompClient: null, timer: null }; }, computed: { statusText() { const s = this.currentData.status; const map = { 'RUNNING': '运行中', 'IDLE': '待机', 'FAULT': '故障', 'MAINTENANCE': '维护' }; return map[s] || '未知'; } }, mounted() { this.initCharts(); this.connectWebSocket(); // 模拟历史数据加载（实际项目中应从后端API获取） this.loadHistoryData(); }, beforeUnmount() { this.disconnectWebSocket(); if (this.timer) clearInterval(this.timer); if (this.speedChart) this.speedChart.dispose(); if (this.tempChart) this.tempChart.dispose(); }, methods: { initCharts() { this.speedChart = echarts.init(this.$refs.speedChart); this.tempChart = echarts.init(this.$refs.tempChart); const commonOption = { tooltip: { trigger: 'axis' }, xAxis: { type: 'time' }, yAxis: { type: 'value' }, series: [{ type: 'line', showSymbol: false }], grid: { left: '3%', right: '4%', bottom: '3%', containLabel: true } }; this.speedChart.setOption({ ...commonOption, title: { text: '' }, yAxis: { ...commonOption.yAxis, name: '转速 (RPM)' } }); this.tempChart.setOption({ ...commonOption, title: { text: '' }, yAxis: { ...commonOption.yAxis, name: '温度 (°C)' } }); }, connectWebSocket() { const socket = new SockJS('http://localhost:8080/ws-motor'); // 后端地址 this.stompClient = Stomp.over(socket); this.stompClient.connect({}, (frame) => { console.log('WebSocket连接成功: ' + frame); this.stompClient.subscribe('/topic/motorData', (message) => { this.handleMotorData(JSON.parse(message.body)); }); }, (error) => { console.error('WebSocket连接失败: ', error); // 可以尝试重连 }); }, disconnectWebSocket() { if (this.stompClient) { this.stompClient.disconnect(); } }, handleMotorData(data) { // 更新当前数据 this.currentData = data; const now = new Date(); // 更新图表数据（保留最近60秒） this.speedData.push({ time: now, value: data.speed }); this.tempData.push({ time: now, value: data.temperature }); if (this.speedData.length > 60) this.speedData.shift(); if (this.tempData.length > 60) this.tempData.shift(); // 更新图表 this.speedChart.setOption({ series: [{ data: this.speedData.map(d => [d.time, d.value]) }] }); this.tempChart.setOption({ series: [{ data: this.tempData.map(d => [d.time, d.value]) }] }); // 简单报警逻辑（示例） if (data.temperature > 85) { this.alerts.unshift({ timestamp: now.toLocaleTimeString(), message: `电机温度过高: ${data.temperature}°C`, level: 'error' }); if (this.alerts.length > 10) this.alerts.pop(); } }, loadHistoryData() { // 这里可以调用后端API获取历史数据，初始化图表 // axios.get('/api/motor/history').then(...) // 为演示，我们生成一些模拟历史数据 const baseTime = Date.now() - 60000; for (let i = 0; i < 30; i++) { const time = new Date(baseTime + i * 2000); this.speedData.push({ time, value: 2800 + Math.random() * 400 }); this.tempData.push({ time, value: 65 + Math.random() * 10 }); } this.speedChart.setOption({ series: [{ data: this.speedData.map(d => [d.time, d.value]) }] }); this.tempChart.setOption({ series: [{ data: this.tempData.map(d => [d.time, d.value]) }] }); } } }; </script> <style scoped> .dashboard { padding: 20px; } .stats-cards { display: flex; gap: 20px; margin-bottom: 30px; } .card { flex: 1; padding: 20px; border: 1px solid #ddd; border-radius: 8px; text-align: center; } .card .value { font-size: 2em; font-weight: bold; margin-top: 10px; } .status { padding: 5px 10px; border-radius: 4px; color: white; } .status.RUNNING { background-color: #67c23a; } .status.IDLE { background-color: #909399; } .status.FAULT { background-color: #f56c6c; } .status.MAINTENANCE { background-color: #e6a23c; } .charts { display: flex; gap: 20px; margin-bottom: 30px; } .chart-container { flex: 1; border: 1px solid #eee; padding: 15px; border-radius: 8px; } .alerts ul { list-style: none; padding: 0; } .alerts li { padding: 8px; margin-bottom: 5px; border-left: 4px solid; } .alerts li.error { border-left-color: #f56c6c; background-color: #fef0f0; } </style>

5.4 第四步：编写模拟数据发布客户端（Python示例）

创建一个简单的Python脚本，模拟电机测试台向MQTT主题发送数据。

# 文件路径：motor_simulator.py import paho.mqtt.client as mqtt import json import time import random # MQTT Broker 配置 BROKER = "localhost" PORT = 1883 TOPIC = "motor/test/data" CLIENT_ID = "motor_simulator_py" # 模拟电机数据 def generate_motor_data(motor_id="MOTOR-001"): statuses = ["RUNNING", "IDLE", "FAULT", "MAINTENANCE"] return { "motorId": motor_id, "timestamp": int(time.time() * 1000), # 毫秒时间戳 "speed": round(2500 + random.uniform(-200, 200)), # 转速 RPM "temperature": round(70 + random.uniform(-5, 10), 1), # 温度 °C "current": round(5.0 + random.uniform(-0.5, 0.5), 2), # 电流 A "voltage": 220.0, "vibration": round(0.1 + random.uniform(0, 0.05), 3), # 振动 mm/s "status": random.choices(statuses, weights=[0.85, 0.1, 0.03, 0.02])[0] } def on_connect(client, userdata, flags, rc): if rc == 0: print("模拟客户端连接MQTT Broker成功") else: print(f"连接失败，返回码: {rc}") def main(): client = mqtt.Client(CLIENT_ID) client.on_connect = on_connect client.connect(BROKER, PORT, 60) client.loop_start() try: while True: data = generate_motor_data() payload = json.dumps(data) result = client.publish(TOPIC, payload, qos=1) status = result.rc if status == mqtt.MQTT_ERR_SUCCESS: print(f"已发送: {payload}") else: print(f"发送失败") time.sleep(2) # 每2秒发送一条数据 except KeyboardInterrupt: print("模拟器停止") client.loop_stop() client.disconnect() if __name__ == "__main__": main()

运行前，需要安装Python的MQTT客户端库：

pip install paho-mqtt

然后运行脚本：

python motor_simulator.py

6. 运行结果与效果验证

现在，让我们启动整个系统，验证数据流是否贯通。

1. 启动EMQX：确保Docker容器正在运行，或EMQX已启动。
2. 启动Spring Boot后端：在IDEA中运行主类（MotorApplication），或使用命令mvn spring-boot:run。控制台应显示Spring Boot启动成功，并且MQTT连接成功。
3. 启动Vue.js前端：在motor-dashboard-frontend目录下运行npm run serve。访问控制台输出的地址（通常是http://localhost:8081）。
4. 启动Python模拟器：运行python motor_simulator.py。

预期效果：

• Python控制台：每2秒打印一条发送的JSON数据。
• Spring Boot控制台：每2秒打印一条“收到MQTT消息: ...”。
• 浏览器中的Vue看板：
  • “实时转速”、“实时温度”、“实时电流”卡片上的数字会每2秒动态更新。
  • 下方的“转速趋势”和“温度趋势”图表中，会从左到右绘制出实时曲线。
  • 如果模拟数据中温度超过85°C，会在“实时报警”区域看到一条红色背景的报警信息。
  • 状态卡片会根据随机生成的状态（运行中、待机、故障、维护）显示不同颜色。

至此，你已经成功搭建了一个简化版的工厂数据监控系统。它模拟了从设备（Python脚本）通过MQTT协议上报数据，到后端服务（Spring Boot）接收并实时转发，再到前端（Vue.js）可视化展示的完整工业物联网数据流。

7. 常见问题与排查思路

在实际部署和开发中，你可能会遇到以下问题：

8. 最佳实践与工程建议

将Demo扩展到接近生产环境，需要考虑以下方面：

1. 安全性

   • MQTT：启用用户名/密码认证，使用TLS/SSL加密通信。在生产环境中，绝不允许匿名连接。
   • WebSocket：同样需要WSS (WebSocket Secure)。对于前端连接，应使用Token（如JWT）进行身份验证和授权。
   • API：所有HTTP API应进行鉴权。可以使用Spring Security整合OAuth 2.0或JWT。

2. 数据持久化与历史查询

   • 将重要的设备数据（如报警、关键工艺参数）持久化到时序数据库（如InfluxDB、TDengine）或关系型数据库。
   • 后端提供按时间范围、设备ID查询历史数据的API。
   • 前端图表应支持时间范围选择、缩放和平移。

3. 系统健壮性

   • MQTT客户端重连：在Spring Boot配置中，设置setCleanSession(false)和合理的重试间隔，以应对网络波动。
   • 消息可靠性：根据业务重要性设置合适的MQTT QoS等级（0, 1, 2）。对于关键指令，使用QoS 1或2。
   • 前端断线重连：在Vue组件中实现WebSocket断线检测和自动重连机制。

4. 性能与可扩展性

   • 后端：当设备数量巨大时，考虑使用Netty等高性能框架处理底层连接，或用Kafka替代MQTT作为海量数据的中转缓冲。
   • 前端：对于高频数据（如每秒多次），使用防抖或节流更新UI，避免浏览器卡顿。ECharts可使用appendData方法增量更新大数据集。

5. 部署与监控

   • 使用Docker Compose或Kubernetes编排所有服务（EMQX, Spring Boot App, 数据库）。
   • 为Spring Boot应用配置Actuator端点，并集成Prometheus和Grafana进行应用性能监控（JVM, 请求量等）。
   • 对EMQX Broker本身进行监控，关注连接数、消息吞吐量等指标。

6. 业务逻辑深化

   • 报警规则引擎：将简单的if (temp > 85)硬编码升级为可配置的规则引擎。可以从数据库加载规则，支持复杂条件（如“温度连续3次超过阈值且振动同时增大”）。
   • 设备管理：建立设备元数据（型号、位置、保养记录）与实时数据的关联。
   • 与MES/ERP集成：本系统作为监控层，其报警、产量数据应能通过API回调或消息队列通知上层的MES系统，触发工单、物料调度等业务操作。

通过这个Demo，你不仅理解了数据流，更掌握了构建此类系统的核心模块和扩展方向。从“走进工厂”到“构建工厂的数字孪生”，技术人正是通过这样的系统，让冰冷的设备产生温暖的数据，驱动制造走向“智造”。