实践案例
- 汽车制造案例：某汽车制造基地占地75万平方米，年产约20万辆汽车，包含冲压、焊接、涂装、电池、总装5大车间。每个车间自动化程度高，构成流水线、电机、电机控制器、I/O中继、PLC、SCADA系统，每根信号线即为一个点位。涂装车间有20道工艺流程，通过RFID车体标识跟踪系统实现车体在工艺流程站点的过程跟踪和滞留统计。
- 服装工厂案例：流程包括布匹入库、剪裁、铺布、打标、裁切、转运、吊挂转运、缝纫、脱色、镭射、水洗、烘干、入库。通过IT&OT深度融合，实现数字钢卷文档生成和质量追溯。
OT数据的特点
- 特点：自动化系统越复杂，信号线越多，数据点越多；数据类型为数字量和模拟量；数据格式为key-value-quality-timestamp；采集频率高（ms~s），数据重复量大；需要做实时计算和转换（如线性映射、bit拆分、四则运算）。
- 优化方案：数字量做变化存储，模拟量做死区过滤后存储。
- 小结：OT数据天然适合存储在时序数据库中，通过IT&OT深度融合满足企业数字化、智能化需求。
时序数据库的特点和注意事项
- 以InfluxDB为例：
- 优点：列式存储，压缩率高；查询历史数据性能好，降采样或插值策略丰富；内置各类数据函数库。
- 缺点：数据点标签预先设定，无法灵活修改；存储周期未做到使用方透明；最新值缓存机制不健全。
- 注意事项：数据压缩期间CPU和内存消耗大，需隔离业务；查询大量数据点时性能较低。
IT&OT数据融合
- 融合方式：时序数据与IT订单信息关联，统计订单/工艺节拍能耗，做精细化管理；时序数据与钢卷ID、尺寸关联，产生数字钢卷文档，做质量追溯。
工业边缘计算架构
- 场景一：广域物联
- 典型场景：智慧城市（水表、电表等接入）、分布式光伏、充电桩监控平台。
- 技术特点：公网接入，连接量大、单连接数据量小；重平台（集中存储、分析、分发、应用）；轻边缘（采集、缓存、加工、上云）。
- 场景二：集团性工业互联
- 典型场景：异地多工厂（水泥、硅片、玻璃等）。
- 技术特点：专网连接，连接量小、单工厂数据量大；重边缘（采集、存储、加工、分析、过滤、上云）；轻平台（抽取数据、建模存储、分析、分发）。
