摘要：当产线设备从10台扩展到1000台，将所有PLC原始数据无脑上云的模式会迅速崩塌：带宽费用失控、云端存储爆炸、网络抖动导致OEE统计失真。本文以某3C电子厂200条SMT产线改造为例，详解如何用C#在工控机本地构建一个轻量级边缘计算引擎，将OEE三要素（可用率/性能率/良率）的预计算下沉到设备侧。实测数据显示：云端传输数据量降低94%，OEE看板延迟从8秒缩短至500ms，月度云资源费用节省￥12万。文章聚焦工程落地：状态机设计、内存时序窗口、断网续传协议及.NET 8 AOT部署优化，附完整架构图与核心代码。一、 为什么必须把OEE计算下沉到边缘？1.1 全量上云的隐性成本陷阱很多团队在IoT项目初期习惯“先采集再计算”，认为云端算力无限、存储廉价。但当设备规模突破百台后，三个问题集中爆发：带宽成本非线性增长：单台SMT贴片机每秒产生20+个状态点，200台设备×20点/s×3600s/h×24h = 3.4亿点/天。即使压缩后仍需~50GB/天上行带宽，专线费用远超预期；云端计算资源浪费：90%的原始数据是“正常运行”状态的重复采样，真正有价值的仅是状态跳变时刻和异常片段。云端为这些冗余数据支付存储和查询费用；网络依赖成为单点故障：工厂网络环境复杂，WiFi干扰、交换机重启、防火墙策略变更都可能导致数据中断。OEE作为生产核心指标，不能容忍“网断