傳統(tong)(tong)產(chan)業(ye)(ye)的 IT、OT 建設參(can)差(cha)不齊，無論中(zhong)國還是(shi)美國，大部分企業(ye)(ye)的數字化(hua)建設遠落(luo)后于互聯(lian)網類型(xing)的企業(ye)(ye)，還在使用非常(chang)傳統(tong)(tong)的系統(tong)(tong)處理(li)數據(ju)。但(dan)這(zhe)些傳統(tong)(tong)系統(tong)(tong)是(shi)完全獨立的，是(shi)一個數據(ju)孤島。

在(zai)這(zhe)種(zhong)情況下要(yao)(yao)讓 AI 賦能傳(chuan)統產業，首先要(yao)(yao)做(zuo)的就是(shi)將散布各(ge)處的各(ge)種(zhong)系(xi)統、包括(kuo)各(ge)種(zhong)版本采集的數(shu)據(ju)(ju)進(jin)行匯(hui)聚，消(xiao)除數(shu)據(ju)(ju)孤島。但由于各(ge)種(zhong)系(xi)統都存在(zai)，各(ge)種(zhong)工(gong)(gong)業協議都存在(zai)，數(shu)據(ju)(ju)匯(hui)聚不僅僅是(shi)簡單(dan)的匯(hui)總功能，還需要(yao)(yao)對各(ge)個數(shu)據(ju)(ju)源的數(shu)據(ju)(ju)進(jin)行清洗、加工(gong)(gong)、處理(li)，才能進(jin)入統一的平(ping)臺。

為什么要做數據匯聚？

隨著工業(ye)設備(bei)生(sheng)成(cheng)的數據(ju)量越來越大，現(xian)代運營越來越依賴于(yu)訪問大規模數據(ju)集。像預測性(xing)維護和遠程監控這樣的新技術(shu)，基(ji)于(yu)更全面的跨站(zhan)點(dian)信息時，可以為企(qi)業(ye)帶來更大的效(xiao)益。數據(ju)科(ke)學(xue)家需要大量高質量的數據(ju)，才能使他們(men)的AI和機器學(xue)習應用更有效(xiao)；而(er)決策者希(xi)望在(zai)一個統一的界面下實時查看全部的統計數據(ju)。

然而，許(xu)多企業仍然依賴手動工作來(lai)匯聚數據(ju)(ju)——比(bi)如，不(bu)得(de)不(bu)通(tong)過(guo)電子(zi)郵件(jian)發(fa)送(song) CSV 文件(jian)與(yu)其他團隊共享數據(ju)(ju)。對于(yu)(yu)需要實(shi)時處理的(de)(de)應用程(cheng)序來(lai)說，這(zhe)意味著數據(ju)(ju)在電子(zi)郵件(jian)到達之前就已(yi)經過(guo)時了。由于(yu)(yu)各種工業系(xi)統中(zhong)存在不(bu)同的(de)(de)數據(ju)(ju)協議，即使(shi)是(shi)已(yi)經有一(yi)套(tao)自動化解決方案(an)的(de)(de)企業，通(tong)常也依賴于(yu)(yu)定(ding)制的(de)(de)連接器(qi)，而這(zhe)些(xie)連接器(qi)維護成(cheng)本很高。

當所有(you)數據都匯聚在一個系(xi)統中時(shi)，訪問和處理數據的效(xiao)(xiao)率(lv)就得到了提高(gao)。團隊在處理實時(shi)數據時(shi)，可(ke)以更快(kuai)地響應(ying)，更有(you)效(xiao)(xiao)地解(jie)決問題。組織內(nei)外的工作(zuo)(zuo)人員可(ke)以更有(you)效(xiao)(xiao)地合作(zuo)(zuo)。

此外，數據(ju)匯聚后，可以利用先進的(de)第三方 AI 分(fen)析(xi)工具，做(zuo)更(geng)好的(de)異(yi)常監測，實時報(bao)警(jing)，并為(wei)產能、成本、設備維護等提(ti)供更(geng)好的(de)預測，讓決策者有(you)更(geng)好的(de)宏(hong)觀整體(ti)把(ba)控。

TDengine 提供有數據質量保證的數據匯聚

借助(zhu) TDengine，您可以(yi)輕(qing)松匯(hui)聚(ju)來自各種數(shu)據(ju)(ju)源的(de)工業(ye)數(shu)據(ju)(ju)。

包括但不限于：

• 現代工業數據協議，如 MQTT 和 OPC（UA 和 DA）
• 數據收集代理，如 Telegraf 和 collectd
• 傳統實時數據庫系統，如 PI System 和 AVEVA Historian
• 傳統的關系型數據庫，如 MySQL、Oracle、SQL Server、PostgreSQL 等
• Apache Kafka
• CSV文件

TDengine 是(shi)一個零代碼平臺，只需(xu)最少的(de)(de)配置即(ji)可(ke)實現(xian)工業(ye)數據源的(de)(de) ETL（提取、轉(zhuan)換(huan)和加載(zai)）流程。

當這些數據(ju)源的數據(ju)匯聚到 TDengine 后，您可以(yi)輕松(song)集成可視化和商業(ye)智(zhi)能工(gong)具，如(ru) Seeq 或(huo) Power BI，以(yi)構建(jian)全公司范圍的儀表板和報告(gao)，也可以(yi)與第三(san)方 AI 工(gong)具連接進行高級分析。您的應用程序和算法可以(yi)實(shi)時訪問所有數據(ju)，實(shi)現全球洞察和效率(lv)，無需自(zi)定義代(dai)碼(ma)或(huo)手動操作。

ETL

當您(nin)將數(shu)據匯聚(ju)到 TDengine 后，您(nin)可(ke)(ke)以對數(shu)據進行修改，以確保上下文得(de)以保留并滿(man)足業(ye)務需(xu)求。這(zhe)個過(guo)程(cheng)被(bei)稱為「提(ti)取、轉換和加(jia)載」（ETL）。例如，多個站點(dian)都在記(ji)錄溫度，一個站點(dian)的設備(bei)記(ji)錄的是華氏度，而其(qi)他站點(dian)的設備(bei)使(shi)用攝(she)氏度。您(nin)可(ke)(ke)以配置 TDengine 來將這(zhe)些(xie)數(shu)據轉換為相同的度量單位，使(shi)您(nin)的應(ying)用程(cheng)序可(ke)(ke)以訪問更標準化的數(shu)據集。

借(jie)助 TDengine 靈(ling)活且易于(yu)配置的 ETL 選項（在 GUI 中提(ti)供），您可以對數據(ju)進行轉換、映射、拆分和解析，使其完全適(shi)合(he)您的應用場景(jing)。