问题——工业现场数据“多而散”，业务想要的是“算出来的指标” 在制造业、能源、园区等物联网应用中，现场采集点位数量持续增长，但不少企业在运营中遇到共同难题：单个点位只能反映局部状态，难以直接转化为可管理、可考核的业务指标。以产线管理为例，“产线总能耗”需要汇总多台设备的耗电数据，“设备综合效率（OEE）”通常要同时引用产量、节拍、运行时间、停机时间等多类数据。若仍停留在“看点位、看曲线”的层面，数据难以支撑管理动作，指标体系也难以形成闭环。 原因——传统计算方式依赖开发，指标迭代成本高 长期以来，多点位组合计算主要依靠两种方式：一是新增接口、脚本或中间服务，把计算逻辑固化在程序里；二是将数据导出到外部系统或报表工具再加工。前者对技术人员依赖较强，需求变更往往需要排期与联调；后者容易带来时效性不足、链路变长、口径不一致等问题。随着设备数量增加、场景更细，指标迭代更频繁，企业普遍希望以更低成本、更快速度完成“从数据到指标”的转化。 影响——计算能力前移，有助于形成“监测—预警—处置”闭环 针对上述痛点，平台侧正通过“加工点位”等能力，将计算逻辑前移到数据层。“加工点位”本质上是系统根据表达式自动计算生成的虚拟数据点：它不直接连接物理设备，而是以采集点位、系统点位、模拟点位及其他加工点位为输入，按设定规则实时输出结果。这样可将分散的计算需求统一在平台内处理，使指标像普通点位一样被订阅、展示、存储，并与告警联动，从而支撑实时监控与异常处置。对于跨设备、跨类型关联的数据场景，虚拟点位机制也有助于减少数据割裂，提升融合与联动能力。 对策——以表达式配置替代脚本开发，强化可复用、可治理 从功能设计看，“加工点位”通过标准化配置实现“可用、可控、可扩展”。新增加工点位时，用户可定义点位名称与描述，系统生成唯一标识；计算结果类型可根据表达式输出确定为int、float、double、long等；表达式支持加、减、乘、除、取余及括号等常用运算，并覆盖按位与、按位或、按位异或、移位等操作，满足部分工业控制与状态编码场景需求。同时，加工点位可关联存储策略与告警策略：前者明确落库方式与规则，后者可将计算结果直接纳入预警体系，减少“先计算、再二次配置”的重复环节。 值得关注的是，该机制支持嵌套引用，即在配置表达式时，可将其他数据节点或加工点位的结果作为输入再次组合计算，构建分层指标体系。这种“积木式”方式有利于将复杂业务逻辑沉淀为可复用的数据资产：一线人员聚焦基础点位的准确采集，业务人员围绕指标口径进行组合与优化，管理层基于统一指标进行横向对比与纵向追溯，从而提升数据治理的一致性。 前景——从“采集为主”走向“计算驱动”，推动数据价值向管理价值转化 业内认为，随着工业互联网与数字化转型推进，数据平台的竞争焦点正从“连接规模”转向“业务可用”。加工点位等能力的意义，不仅在于降低使用门槛，也在于把指标生产从项目式开发转为持续运营：当产线调整、工艺变化或考核口径更新时，业务侧可通过配置快速迭代，缩短从需求提出到指标上线的周期。 同时，平台化计算也对规范提出更高要求。下一步，企业在推广此类能力时需同步完善指标口径管理、权限与审计、版本控制、表达式校验与性能评估等机制，避免“人人可配”带来的口径分散与治理成本上升。若能在低门槛与强治理之间取得平衡，虚拟点位有望成为工业现场数据资产化的重要抓手，并为能耗管理、设备健康、质量追溯与精益运营提供更稳定的基础。
制造业数字化加速推进之下，降低技术门槛与释放数据价值同样关键。这项进展不仅表明了工业软件能力的提升，也提示数字化转型的核心在于：让技术更好服务业务创新，而不是增加成本与阻力。未来，随着更多“看不见的代码”被配置化、智能化工具替代，人机协同的效率提升将进入更深层次的落地阶段。