企业简介
太古可口可乐是可口可乐全球装瓶系统的重要成员，业务覆盖中国内地 12 省及港澳台、东南亚多国与美国中西部，布局 41 座现代化生产基地，运营可口可乐、雪碧、美汁源等超 60 款饮品品牌，服务超 9.4 亿消费人群。
作为全球领先的饮料制造企业之一，太古可口可乐始终致力于通过技术创新提升生产效率、保障产品质量与供应链稳定性，并持续推动生产系统的数字化与智能化转型。
项目背景
在饮料生产全自动化流水线上，气动/电动阀门是控制水、糖浆、二氧化碳及成品饮料输送的核心执行部件。阀门的响应速度、动作稳定性以及重复精度，直接影响生产节拍与产品一致性。
传统运维模式主要依赖：
- 定期预防性维护：按照固定周期检修，容易出现过度维护或维护不足。
- 事后维修模式：故障发生后再处理，可能导致产线停机及产品损耗。
因此，太古可口可乐希望构建一套能够实现阀门状态实时感知、异常趋势识别、预测性维护决策支持的阀门预测性维护系统。
项目挑战
当前，太古可口可乐已采用 Kepware 作为基础工业数据采集与协议转换平台，实现阀门 PLC 数据上报与简单可视化展示。在阀门预测性维护系统建设过程中，遇到到以下几个挑战：
- 平台稳定性 – Windows vs Linux
Kepware 基于 Windows 平台，存在系统补丁强制重启、安全漏洞攻击面大、资源占用高等问题，难以满足产线 7×24 小时连续运行要求，且难以下沉部署到边缘网关等轻量化设备。 - 架构封闭，扩展能力不足
Kepware 本质是协议转换网关，接口定制依赖厂商更新，不支持算法插件化嵌入，无法在采集侧实现阀门预测、异常检测等边缘智能逻辑，所有计算需上传至上层系统处理，延迟高、架构老旧。 - 与客户技术路线脱节
开发团队已全面确立容器化作为优先技术路线，但 Kepware 基于 Windows 的原生架构，不支持容器化部署，新旧技术栈并存，增加了运维复杂度，制约了企业 IT/OT 深度融合战略的推进。
解决方案
针对上述问题，太古可口可乐引入了 NeuronEX 工业边缘智能平台作为该项目的核心数据与智能处理节点，构建面向工业阀门的边缘智能预测性维护方案。
多协议统一接入，全链路数据采集
NeuronEX 通过内置的工业协议驱动，无缝对接 PLC 与阀门控制系统，统一采集阀门开关状态、动作指令与反馈信号、气缸压力与电流曲线、动作循环与执行时间等关键指标，实现对多源异构数据的标准化、一体化采集，解决数据碎片化问题。
边缘实时计算，数据特征提取
基于 NeuronEX 流式 SQL 引擎，在设备边缘端完成实时数据清洗与特征提取，无需上传云端即可实现阀门响应时长统计、动作延迟分析、压力/电流曲线特征提取、运行异常波动检测等，将数据在边缘侧前置处理。
预测模型部署与边缘推理
将云端训练完成的阀门健康评估模型轻量化部署至 NeuronEX 边缘节点，在产线现场实时输出阀门健康评分、计算故障概率、识别异常趋势，使预测能力从「云端集中处理」延伸到「产线实时决策」，落地边缘智能运维。
标准化数据上云与系统集成
NeuronEX 通过标准的 MQTT 协议，将边缘清洗、分析后的高价值结构化数据，稳定上传至 EMQX 企业版消息中台，同步分发至时序数据库、可视化运维平台，构建「边缘采集 - 计算 - 推理 - 云端展示」的完整数据闭环，支撑上层运维决策与数据追溯。
项目成果
基于 EMQ NeuronEX 的边缘智能架构，太古可口可乐在阀门运维方面获得以下阶段性成效：
- 设备稳定性显著提升
通过实时状态监测与异常预判，有效减少了阀门突发故障导致的非计划停机，保障灌装产线持续、平稳、高效运行。 - 运维模式优化升级
新系统彻底告别固定周期维护的传统模式，实现了设备状态驱动的预测性维护，减少部分非必要检修与资源浪费，让运维工作从「经验驱动」向「数据驱动」转型。 - 生产一致性改善
对阀门动作精度、响应延迟、运行状态进行精细化监测与管控，有效降低灌装过程的波动风险。 - 运维响应效率提升
依托边缘智能实时研判，快速定位设备异常根源与隐患点位，运维响应从事后处理逐步向提前干预转变，提升了故障处置的效率。 - 边缘智能技术验证
本次项目验证了 NeuronEX 智能边缘架构的稳定性、可扩展性与多设备适配能力，为后续将预测性维护体系拓展至泵机、电机等关键生产设备提供基础能力支撑。
结语
通过 NeuronEX 统一数据接入、边缘实时计算与模型推理能力，与 EMQX 云端消息架构、时序数据库、可视化平台集成，帮助太古可口可乐初步实现了生产线阀门状态的实时监测、异常预警与预测性维护。
项目落地后，预计在设备运行稳定性、运维效率和生产一致性等方面均有一定改善，也为后续向泵机、电机等设备的扩展应用积累了经验，为以上运维体系的持续优化提供了参考。