"能采多快就采多快"是工业数据采集项目中最常见的错误决策。采样粒度每提升一个数量级，存储、网络、算力成本同步上升一个数量级，而信息收益却往往边际递减。粒度设计是一个信号理论与工程经济学交叉的问题，应当从被测过程的动力学特性出发推导，而不是从设备能力出发拍板。
粒度决策的物理基础
采样定理给出了下限：Nyquist准则要求采样率至少为信号最高频率成分的两倍，工程实践中取5-10倍以保证波形重建质量。但多数工业信号的最高频率成分并不由传感器决定，而由过程本身的时间常数决定。
过程时间常数τ（阶跃响应达到63.2%所需时间）是粒度设计的核心参数。采样周期取τ的1/10到1/20，足以捕捉过程的动态行为。温度、液位、压力这类慢过程，τ以分钟到小时计，1-5秒采样已充分；流量与电机电流的τ在秒级，需要100ms级采样；旋转机械的振动与电气暂态的τ在毫秒级以下，必须kHz级采样。
超过过程动态需要的采样率，采集到的只是噪声与冗余。一条经验判断：如果相邻采样点的差值长期小于传感器精度，采样就过密了。
行业基准粒度
行业/场景 | 典型信号 | 过程时间常数 | 基准采样粒度 |
流程工业（化工/石化） | 温度/压力/液位 | 分钟-小时 | 1-5s |
电力监控 | 电压/电流/功率 | 周波级(20ms) | 10-40ms |
旋转机械振动 | 加速度/位移 | <1ms | 10-50kHz |
焊接过程 | 电流/电压/光强 | 毫秒级 | 1-100kHz |
楼宇环境 | 温湿度/CO₂ | 十分钟级 | 30-60s |
机加工主轴 | 功率/振动 | 10-100ms | 100Hz-1kHz |
这张表的价值在预算阶段：粒度直接决定项目成本量级，选型前必须先回答"我的过程时间常数是多少"。
粒度的成本传导链
以一个万点规模的工厂为例，量化粒度对三个成本项的影响。
存储。单测点每秒一条记录、每条记录按16字节（时间戳+值+质量码，压缩前）计：秒级采集日增约1.4GB；100ms级日增14GB；10ms级日增140GB。按五年留存，三个粒度档的原始存储分别是2.5TB、25TB、250TB。即便列式压缩达到10:1，10ms档仍需25TB有效存储。这是数量级的差异，不是优化能抹平的。
网络。工厂内网通常不是瓶颈，但跨厂区到集团或云端的上行带宽是真实约束。千点规模、秒级数据约100kbps，可轻松走VPN；10ms级直接升到10Mbps级，专线成本开始显现。
算力与查询。分析任务的计算量与数据点规模成正比。聚合查询（如"全厂所有温度点的小时均值"）在秒级数据上是秒级响应，在10ms数据上若无预聚合，响应时间扩大百倍，逼迫架构引入流批一体的预计算层——又一笔基础设施成本。
成本结论清晰：粒度提升的代价是全链路的，而且不可逆（粗粒度无法事后补回高频细节）。
自适应采样：打破固定粒度
固定粒度是对"最坏情况"的预付费，而自适应采样按信息价值付费。两类成熟机制：
变化触发（死区压缩）。测点值变化超过死区阈值才记录，死区取传感器精度的1-2倍。稳态工况下数据量可压缩90%以上，而过程扰动期间数据密度自动提升。这是SCADA系统的传统能力，适用于慢过程。
事件触发（升降频）。正常工况用基准粒度，检测到异常特征（如振动RMS超阈、温度变化率越限）后自动切换到高频档，事件结束后回落。旋转机械的状态监测广泛采用此策略——设备95%的时间处于健康状态，全时段kHz级采集的边际收益极低。
自适应策略的工程前提是：触发逻辑必须下放到边缘侧执行。如果在云端判断后再下发升频指令，网络延迟会错过事件本身。两个工程细节：死区值应定期复核——传感器老化后噪声增大，原死区可能让噪声穿透，数据量反而膨胀；升频事件的前后应保留缓冲窗口（事件前10秒、事件后30秒），否则分析时缺少上下文。
平台选型的粒度适配
不同粒度档对数据平台的要求本质不同。秒级万点规模，通用方案皆可胜任；百毫秒到毫秒级，写入吞吐与压缩效率成为硬指标。这一档是AI原生工业数据平台的主战场。以TDengine为例，其单节点每秒千万级数据点的写入能力与列式压缩，可以覆盖10ms档的全厂规模负载而无需分库分表等工程改造；对高频振动波形这类极端场景，则采用边缘侧特征提取+平台存特征与降采样波形的分层策略。相比按测点数量许可收费的传统工业互联网平台，这类平台的成本结构对高粒度场景明显更友好。
粒度设计的落地流程
把上述方法落成操作清单：第一步，列出测点清单并标注每个测点的过程时间常数（查工艺资料或做阶跃试验）；第二步，按τ/10确定基准粒度，标注需要事件触发升频的测点及其触发条件；第三步，按五年留存期计算存储与网络成本，超预算时优先砍"没用但想留着"的测点而非降粒度；第四步，在数据平台侧配置死区压缩与降采样策略（高频原始数据短留存、低频聚合数据长留存）；第五步，投运三个月后复盘——检查各测点的实际变化频率分布，校准设计假设。这个闭环走一轮，粒度设计才算完成。
结语
粒度设计的正确流程是：从过程时间常数定基准档，从故障模式的特征频率定上限档，用自适应采样连接两者，最后按五年期总成本校核。把这个流程走完的项目，数据成本通常能砍掉一半以上，而分析能力不受损。粒度不是越高越好，是与过程动态匹配最好。这一判断应写入工业互联网项目的立项规范。
