先明确假设:这里的“空值”不是 PLC 工艺上的合法 0 或空字符串,而是 Python 侧拿到 None、超时异常、质量戳异常,或数据结构中字段缺失。若使用的是 S7 通信、OPC UA 或厂商 .NET 接口,语义并不相同,排查前要先固定通信方式、PLC 型号、CPU 固件版本、标签所在 DB/地址、数据类型和采样周期。

第一步先在 PLC 侧确认源值是否连续有效:在线监控同一 DB 或标签,查看扫描周期内是否被初始化、复位、条件写入或通讯任务覆盖;对结构化数据还要检查可选字段、字符串长度、数组下标和优化访问设置。若 PLC 在线值正常但 Python 间歇为空,再看通信链路:S7 类轮询重点记录连接状态、作业完成码、单次请求耗时、PDU/批量读取边界和重连次数;OPC UA 重点看订阅状态、会话重连、MonitoredItem 状态码、通知队列丢弃和发布间隔。

第二步给采集程序加“证据字段”,不要只打印结果值。每条记录至少包含时间戳、标签名、读取方式、返回质量码或异常类型、请求耗时、连接编号、订阅编号和重试次数。轮询模式下,空值可能来自超时、请求并发过高、一次读取地址跨区或库对特殊类型转换失败;订阅模式下,空值可能来自通知丢失、队列溢出、会话断开后的补发策略,或标签在服务端暂时不可用。建议先用单个基础类型标签做最小复现,再逐步恢复数组、UDT 和批量读取,这样能区分标签映射问题与整体连接问题。

第三步再决定处理策略:网络抖动导致的瞬时失败可做有限重试,但重试次数、间隔和总超时必须可配置,并保留原始失败记录;PLC 源数据本身存在无效状态,则应读取质量位或状态机字段,由业务层显式判定,而不是把 None 简单替换成 0。对于关键工艺数据,建议在采集端区分“未取到值”和“取到的工艺值为空”,避免后续数据库、报表或 MES 把通信故障误判成正常生产事件。AI 生成技术讨论,请结合权威文档核实。