工序数据的采样特征
锂电池制造的自动化程度高，工序数据的采集频率远超传统制造业。涂布工序中，涂布厚度、张力、烘箱各段温度、辊压压力、涂布速度等参数需要连续采集，其中张力与厚度的控制回路响应时间在毫秒级，采集频率通常为10-100ms。卷绕工序中，卷绕张力、卷绕速度、对齐度、极耳位置等参数的采集频率在10-50ms区间。
这一采样频率与设备PLC的扫描周期直接相关。高端涂布机的运动控制器扫描周期可达1ms，工艺参数以1-10ms的周期更新；卷绕机的张力控制系统更新周期通常为1-5ms。若这些参数需要用于事后追溯与质量控制，就必须以不低于控制周期的频率记录。
单台设备的数据量估算：一台涂布机若采集50个工艺参数，按10ms采样，每秒产生5000个数据点，单班次（8小时）约1.44亿个数据点。一条完整的锂电产线包含数十台设备，全线数据量在每班次数十亿数据点量级。这要求存储引擎具备持续的高频写入能力，并且不能因写入压力影响MES系统的生产节拍。
前段-中段-后段的追溯链路
锂电制造分为前段（极片制造）、中段（电芯装配）、后段（化成分容）三大工序段，数据追溯需要贯穿全流程。
前段工序包括搅拌、涂布、辊压、分切。核心数据是浆料配比、涂布面密度（厚度换算）、极片宽度、压实密度。极片的涂布面密度直接影响电池容量的一致性，同一批次极片的厚度波动需要控制在±1.5%以内。分切工序的极片宽度偏差与毛刺检测数据也是关键质量指标。
中段工序包括卷绕/叠片、入壳、焊接。卷绕工序的张力一致性、对齐度、隔膜张力直接影响电芯内部结构，卷绕不良是电芯早期失效的主要原因之一。焊接工序的焊接能量、焊接时间、焊接位置的采集频率要求高于其他工序，需要完整记录每个焊点的时间序列。
后段工序包括注液、化成、分容、老化。化成工序需要对每个电芯施加特定的充放电电流曲线，全过程记录电压、电流、容量、内阻。分容工序根据容量对电芯分档。这一工序的数据特点是每个电芯一条完整的充放电曲线，单条曲线包含数千至数万个采样点。
工序段 | 关键工序 | 关键参数 | 采集频率 | 追溯粒度 |
前段 | 涂布 | 面密度/张力/烘箱温度 | 10-100ms | 极卷/米 |
前段 | 辊压/分切 | 压实密度/宽度/毛刺 | 50-100ms | 极卷/米 |
中段 | 卷绕 | 张力/速度/对齐度 | 10-50ms | 电芯 |
中段 | 焊接 | 能量/时间/位置 | 1-10ms | 焊点 |
后段 | 化成 | 电压/电流/容量 | 1-10s | 电芯 |
后段 | 分容 | 容量/内阻 | 1-10s | 电芯 |
电芯全生命周期追溯
电芯追溯的核心是将分散在各工序的时序数据关联到唯一电芯标识。追溯链路的建立方式是：以电芯/极卷的唯一码为主线，各工序设备在加工时记录该码与对应时间窗口，后续通过码关联查询各工序数据。
实现追溯依赖两种映射能力。码与时间窗口的映射：设备加工每个电芯时记录起始时间戳与结束时间戳，该时间窗口内的所有工艺数据归属于该电芯。跨工序的关联查询：从前段极卷号追溯到使用该极卷的中段电芯号，再到该电芯的化成数据。
追溯查询往往发生在质量异常之后，且时间跨度大。例如某批次电芯在客户端出现自放电异常，需要回溯该批次所有电芯的卷绕张力数据与前段极片厚度数据。这类查询跨越数月的数据，涉及数十万至百万电芯，传统关系型数据库的关联查询在数据量面前难以支撑。
时序数据库的标签模型可以加速这一追溯。以电芯号、极卷号作为标签，查询某极卷号关联的所有工序数据时通过标签精确命中，避免全表扫描。TDengine将工序数据按时间分区、按产线设备分片存储，配合标签索引，使跨月度的追溯查询能够在秒级返回。
MES与SPC的集成
制造执行系统（MES）是锂电产线的管理中枢，负责工单管理、物料追踪、设备状态、生产统计。统计过程控制（SPC）负责监控工艺参数的稳定性，识别过程异常。
集成模式通常是：MES从设备采集基础数据，或从时序存储读取历史数据用于报表与追溯；SPC从时序存储读取工艺参数，计算控制图（X-bar、R图、Cpk），判断过程是否受控。两者对数据的访问模式不同——MES侧重按工单/批次聚合，SPC侧重按参数的时间序列统计。
SPC的计算依赖滚动窗口的统计量。Cpk（过程能力指数）的计算需要一定样本量的均值与标准差，随着新数据不断写入，统计量需要滚动更新。时序数据库的流式计算或连续查询能力可以在数据写入时增量更新统计量，避免SPC系统每次全量重算。
数据写入不能让MES与SPC成为瓶颈。高频工艺数据若经MES中转写入数据库，MES的事务处理能力会成为瓶颈。合理的架构是设备/边缘网关直接向时序存储写入工艺数据流（高频路径），同时向MES上报工单级事件（低频路径），两条路径分离。这样既保证了高频数据的完整记录，又不干扰MES的生产节拍。
数据完整性校验需要在两条路径上分别设计——高频路径做采样丢失检测（记录应到点数与实际点数之差），低频路径做业务一致性校验（工单号与电芯码的匹配）。时间分区的粒度也需权衡：分区过粗导致单分区扫描量大，分区过细则推高元数据查询开销。
结语
锂电制造的追溯需求在某种程度上倒逼了数据基础设施的升级：从”记录结果”转向”记录过程”，从”批次级数据”转向”单件级数据”。毫秒级的工艺数据不再仅用于事后追溯，也逐步用于在线质量预测与工艺参数自优化。TDengine的高频写入能力与标签模型，为锂电制造的”过程数据全留存”提供了存储基础——它让每颗电芯从极片到成品的完整轨迹得以被记录和检索。当制造企业把良率提升的着力点从抽检转向全量追溯时，数据存储的架构选择就从一个IT问题变成了制造竞争力问题。
