Python 上位机采集 PLC 数据:从外包到自研
会 PLC 也能学上位机。讲清用 Python 读写 PLC、做采集统计报表的最小可行路径。
一、为什么要把数据采集能力留在厂里
产线上的 PLC 负责设备逻辑,但更多时候它是一座"数据孤岛"——产量、温度、压力、报警都锁在寄存器或数据块里,管理层看不到,工艺改进也缺少依据。不少工厂的做法是委托外部团队开发一套上位机:交付时能用,之后想增加一个字段、调整一张报表,都要重新排期。真正的痛点不在软件本身,而在"能读懂数据、能调整报表"的能力没有沉淀到厂内。本文给出一条有 PLC 基础的工程师可以照着走的最小路径:用 Python 读写 PLC、落库、出报表,先把最常用的一套跑通,再逐步扩展。
二、第一步:选对库,不必从协议底层自行开发
Python 读写 PLC 通常不需要自己实现通讯协议,成熟的开源库已经完成报文封装。按品牌和连接方式选择:
| 场景 | 常用库 | 说明 |
|---|---|---|
| 西门子 S7 系列(以太网) | snap7(python-snap7) | 直接读写 DB 块、M 区、I/Q 区,需 PC 与 PLC 处于同一网段 |
| MODBUS TCP/RTU 设备 | pymodbus | 仪表、变频器、温控表广泛支持,通过标准寄存器访问 |
| 其它品牌 / OPC UA | OPC UA 客户端库 | 经网关统一接口,适合多品牌混合产线 |
建议第一台设备只选一种库、一种协议,先把"读到一个真实数值"跑通,再扩展多品牌。先软后硬、先单点后全量,与现场故障排查遵循同一原则。
三、第二步:先读一个数,把点表定下来
- 整理点表:把变量名、DB 号、起始地址、数据类型(位/字/双字/浮点)、量程、单位写成一张表,PLC 侧与程序侧使用同一份,改一处同步改两处;
- 单次读取:先只读一个温度或计数值,确认解出的数值与触摸屏显示一致,再批量扩展点位;
- 注意字节序:浮点数、32 位整数在不同品牌中高低字顺序可能相反,读出的数值被明显放大或完全失真,多半是字节序需要调整(对应课程:Python 上位机与 PLC 数据采集分析)。
写入比读取更需谨慎:设定值、启停命令要加权限与互锁,程序只写约定的地址区,避免因误写控制字造成设备误动作。
四、第三步:数据落到库,不只停在内存
采集到的数值如果只是打印在屏幕上,程序一退出就丢失,谈不上分析。最小可行做法是本地落库:用 SQLite 单文件即可起步,建一张表按"时间戳 + 点位名 + 数值"记录,由定时任务(如每秒或每五秒)轮询写入。产线规模扩大后再迁移到 MySQL 或时序数据库。这里有三个关键点:
- 轮询周期匹配:采集过快读不到刷新、过慢会丢失瞬态,周期要与 PLC 扫描周期、工艺变化速度相匹配;
- 断线重连与标记:网络闪断要能自动重连并标注缺失区间,否则报表看似连续,实际漏采了一段;
- 时间戳统一:为每条记录打上采集时刻,并使电脑与 PLC 时间同步,报警与产量才能按时间对齐复盘。
五、第四步:出一张能用的报表
数据落库后,用 pandas 做分组统计、用图表库生成趋势曲线,一张包含"班次产量 + 关键参数趋势 + 报警次数"的日报即可自动生成,替代每天手工抄表。更进一步可做异常识别——参数偏离历史区间即提示,把"事后排查"逐步转向"事前预警"(对应课程:工业数据分析与可视化实战)。报表应先解决一个明确问题(例如"每班停机几次、每次持续多久"),再逐步增加功能,避免做出来无人使用。
六、从"跑通一套"到"自己能改一类"
以上四步跑通,意味着厂里第一次拥有了自己的数据采集链路。但要真正减少对外依赖,还需把接口说明、点表、代码纳入版本管理并写好文档,做到人员变动也能接手;同时把 OPC UA 对接与网络安全隔离一并考虑,工控网与管理网之间用防火墙白名单或单向网闸隔离,绝不可把 PLC 直接挂在办公网(对应课程:PLC 与 MES/SCADA 数据对接与产线数字化集成)。需要结合贵厂设备品牌与真实产线开展定制内训,可联系我们驻厂实施。
想把这篇干货变成动手能力?
留下您的设备品牌与岗位,我们给您推荐对口的实操课程,并附上课程大纲与近期开班月份。