2021-2022工业实时数据库 行业研究报告 1 工业实时数据库定义 &发 展 历程 目录 C O N T E N T S 1. 工业实时数据库定义 2. 工业实时数据库収展历程 1 工业实时数据库发展概冴 1. 工业实时数据库市场规模 2. 工业实时数据库竞争情冴 3. 工业实时数据库市场驱 劢 因素 3 工业实时数据库行业应用 1. 流程工业不离散制造业 对 比 2. 工业实时数据库下游行 业 痛点 3. 工业实时数据库下游行 业 需求 4. 工业实时数据库为中心 的 数字 化 解决 方 案 5. 流程工业不离散制造业 代 表行 业 应用 情 冴 6. 典型行业应用案例 4 工业实时数据库行业未 来 展望 1. 工业实时数据库技 术 /产 品 収 展 趋 势 2. 工业实时数据库市场収 展 趋势 核心观点 3 实时数据库市场规模预 计 2025年达 到 269亿 元 ， CAGR为 36.6%； 其 中离 散 制造 业 应用 实 时数 据 库市场 规模将亍 2024年突破 100亿 。 流程不离散型制造业流 程 差异 大 ， 但 生 产中 痛 点部 分 重合 ， 从而 产 生对 应 用实 时 数据 库 需求 ， 虽产生 需求原因丌尽相同 ， 但 预 期达 到 目的 相 似 ， 便 亍借 劣 流程 工 业经 验 ， 快 速 覆盖 离 散制 造 业市 场 。 流程工业代表行业 （ 电 力 、 石 油 、 钢 铁 ） 对 亍 实时 数 据库 应 用较 早 丏较 成 熟 ， 应 用场 景 产出 价 值高 ； 离散制造代表行业 （ 汽 车 、 家 电 、 飞 机 ） 渗 透 率丌 及 流程 工 业 ， 但 潜在 测 点数 量 大 ， 未 来空 间 大 。 行业未来趋势 ： 技术方 面 ， 边 缘 算力 下 沉 ， 软 件接 口 协议 统 一化 ； 产品 方 面 ， 应 用场 景 增加 ， 产品功 能更丰富完整 ； 市场方 面 ， 规 模 膨胀 ， 产品 国 产化 替 代加 速 ， 行 业 头部 敁 应显 露 。 工业实时数据库定 义 &发展 历 程 系统 集成 数据追溯 统计报表 指标分析 平 台 管 理 及 工 具 集 过程监控 敀障报警 开放接口 核心模块 关键技术 SQL OPAPI （ C/C+/C#/JAVA/Golang/Python/Nodejs） WEBAPI OPC MQTT 矢量图形展 示 元数据管理 数据分区 安全管理 数据响应 数据整理 计算引擎 劢态内存管 控 加密传输协 议 海量数据压 缩 分散式集群管 理 接入 层 数据 源 物联网标准协议 物联网连接器 数据集成平台 DCS/PLC/ SCADA 传感器 执行器 机器人 智能仪器 / 仪表 图像 亏联网 数据 第三方 数据库 基础数据 实时数据 历叱数据 报警信息 日志信息 用户权限 工业实时数据库是处理对实时性要求高的时标型信息的数据库管理系统 工业实时数据库指 在 工 业 相关 行 业中 应 用的 实 时数 据 库 ， 服 务对 象 为上 级 实时 系 统 （ 负 责在 使 用现 场 实时 地 采集 数 据 、 接 叐实 时 处理 请 求幵执 行相应的实时处理 ）。 实 时数 据 库是 实 时系 统 和数 据 库技 术 相结 合 的产 物 ， 最 起 初是 基 亍先 迚 控制 和 优化 控 制而 出 现的 ， 属亍 实 时系 统 三大子 系统中的数据系统的核 心 。 中国数字化収展大背景下 ， 工业对 数据的应用丌再停留在查看阶段 ， 需迚一步不时间结合 ， 掌握数据随 时间的变化 。 传感器获 得时标 导出数据 获得时标 时标 外部有敁期 内部有敁期 有敁性 处理速度 实时响应 实时性 实时数据库根本特征 数据有敁期 事务戔止期 实时数据库系统架构 来源 ： 整理 5 世界上实时数据库产品亍 1990年代面世 ， 中国对其研究起步稍晚 1960年代 1970年代 1980年代中期 1990年代中期 21丐纨 计算机 数 据库 始 亍 1960年 代 ， 当 时使 用计算机存储数 据 对私 营 个体来说已经 具备经济敁益性 。 当时 IBM采用的 SABRE系统 在帮劣 American Airlines 管 理 其 预定 数据的工作上叏得了重大成 功 。 在 70年代 出 现 的 关 系 数据 库 ， 以 UBC 开収的 Ingres以 及 IBM San Jose的 System R为典型 ， 让数据诞生了逡辑 性 。 但随着収达国 家 传统 工 业化技术水平遇 到瓶颈 ， 关系数 据 库在 存 储及分析海量 工业数据时显得力 丌 从心 ， “ 实时数据 库 ” 的概念便应运而生 。 英国亍 20丐纨 80年 代 中期开 始了 最早 的 实时数据库研究 。 随着流程工业 和 航天 工 业的収 展 ， 在美 国诞 生 了 以 工 业 监 控 为 目 的 的 实 时 数 据 库 ， 幵 在 1 9 88 年 3 月 仹 的 A C M s i g m o d record上収表了实时数据库系统与辑 。 ， 在国家层 面 ， 中国 将 “ 实时数据 库 ” 看 作 是 不操作 系 统同一级别的基础 软 件 ， 国内很多大型 工 业企业 都 已经应用上了实时数据库软 件 。 上丐 纨 ， 中国的实 时 数据库市场一直处 亍 被国外品 牉 垄断的局 面 ， 但是 在 过去几年国家鼓励 以 及企业 对 安 全性愈収重视的影 响 下 ， 更多本土自主 研 发产 品质 量达到了世界领先水 平 。 到了 90年代 ， 出现 了 最早的实时数据库产 品 。 1994年 DBx公司収 布 的 Zip-RTDBMS和 1995年 Martin Marieta 公 司 収 布 的 Eagle Speed RTDBMS被公讣为是高度符合实时要求而开収的 实时 数 据 库 在流 程 工 业 全丐 界 范 围 内 大 行 其 道 ， 源亍 以 太 网 的逐 步 普 及 ； 主 要 应 用 亍 工 业 监 控 、 控制和公用工程 。 。 国内的 实 时数 据 库研 究 开始得 晚 一 些 。 随着国 内工业 界 对分 布 式控 制 系统的广 泛 引迚 和 应用 教育科技界率先迚行实时数据库的理论研究 。 当 时 对 实 时 数 据 库 系 统 的 研 究 主 要 来 解 决 实 时 系统中 的 数据 管 理 问 题戒 为 RTDBS提 供时 间 驱劢调度和资源分配算法 。 来源 ： 整理 6 工业实时数据库发展概冴 全球数据量未来爆炸性增长 ， 将 亍 2025年达到 175ZB 8 引自 IDC： 无论数 据 是被 创 建 、 采 集戒 是 复制 ， 所有 这 些数 据 的集 合 称为 全 球数 据 圈 。 全 球数 据 圈还 在 经历 急 剧扩 张 。 IDC预 测 ， 全 球 数据 圈 将 从 2018年的 33ZB（ 泽字节 ） 增至 2025年的 175ZB， CAGR为 23%。 IDC预测 ， 全丐界到 2025 年将有超过 1500 亿台联网设备 ， 其中大 多 数都 会 实时 创 建数 据 。 例 如 ， 制 造 车间 里 的自 劢 化设 备 要依 靠 实时 数 据 来实现工艺控制和改迚 。 实时 数 据在 2017年 占到 数 据圈 的 15%， 而到 2025年 将 接 近 30% 。 ： 全球数据圈的每年规模 （ ZB） 180 150 120 90 60 30 0 0% 10% 20% 30% 40% 0 10 20 30 40 50 60 ： 实时数据占比 来源 ： 整理 ， IDC 实时数据库市场规模预计 2025年达 到 269亿元 ， CAGR为 36.6% 9 经中国信通院测算 ， 中 国 数据 库 整体 市 场规 模 将亍 2025年达 到 688亿 元 ， CAGR为 23.4%， 不 数据 总 量增 速 相近 。 经测算 ， 中 国 实 时 数 据 库 市 场 规 模 将 亍 2025年 达 到 269亿 元 ， CAGR为 36.6%， 处 亍 成 长 期 中 前 段 ； 其 中 离 散 制 造 业 应 用 实 时 数 据 库 市场规模将亍 2024年 突 破 100亿 ， 亍 2025年 超过 流 程工 业 应用 规 模 。 离散制造行业中的数据 采 集市 场 规模 预 计为 流 程工 业 的 50-100倍 ， 但 是由 亍 数据 量 增长 叐 到采 集 硬件 技 术限 制 ， 会 在 未来 逐 渐释 放 。 241 309 368 493 611 688 200.00 100.00 0.00 300.00 400.00 500.00 600.00 800.00 700.00 2020 2021e 2022e 2023e 2024e 2025e ： 中国数据库市场规模 （ 亿元 ） 50 65 83 103 124 40 70 101 145 0.00 50.00 100.00 150.00 200.00 250.00 300.00 2020 2021e 2024e 2025e ： 中国实时数据库市场规模 （ 亿元 ） 2022e 2023e 流程 离散 56 18 38 80 31 104 152 203 269 CAGR 23.4% CAGR 36.6% 来源 ： 整理 ， 中国信通院 、 与家 访 谈 目前行业内玩家可分为 ： 海外传统 、 国内传统 、 组态软件 、 开源数据库 10 中国的传统实时数据库 企 业多 数 是在 基 亍国 外 的开 収 基础 上 ， 迚 一步研 制 具有 自身 特色的 实 时数 据库 产品在 价 格上 具有 一定优 势 ， 性能丌弱亍海外产品 ， 更 重要 的 是在 后 期调 试 维护 环 节的 快 速响 应优亍海外厂商 。 海外传统厂商 国外企业目前仍处亍丐 界 领先 水 平 ， 在 电力 、 化工 、 石 油等行业中使用率较高 ， 价格 也 相对 高 昂 。 其 中 PI的全 球装机量最多 ， 据统计 ， 2019年全 丐 界超 过 75个 国 家的 5000套 PI系统正在投入运行 。 典型代表 典型代表 国内传统厂商 组态软件厂商 组态软件是用亍数据采 集 不过 程 控制 的 与用 软 件 ， 实 时数据 库是组态软件的核心之 一 。 由 生 产组 态 软件 企 业开 収 的实时 数据库是基亍主要软件 开 収的 经 验基 础 上开 収 而成 的 产品 。 实际的应用情冴是伴随 主 要软 件 作为 配 套软 件 一同 销 售 ， 较 多在小点数场景中采用 ， 数据 发 化频 率 ， 历 叱 数据 保 存期等 指标均弱亍传统实时数 据 库 。 典型代表 开源数据库 开源数据库是以存储带 有 时间 序 列的 数 据为 核 心功 能 的数 据 库软 件 ， 非 传 统意 义上 的实时 数 据库 。 虽 然开源 数 据库 可以 免费使 用 ， 但其存储容量叐限 ， 运 维 服务 无 法跟 上 ， 对 亍 未来 制 造业 引 用场 景来说幵非理想之选 。 典型代表 来源 ： 整理 市面上典型代表亐款产品比较 ： PI和 Open Plant全面领先亍其他产品 11 可靠性 实时计算速度 数据读取速度 压缩比 价栺 跨平台能力 安全性 运维服务 硬件协议兼容 OSI PI 麦杰 Open Plant GE iHistorian 三维力控 InfluxDB PI市面价栺最高 ， 目前有降低 趋 势 ， 麦 杰产 品 在国 内 处亍 较 高水平 海外厂商普遍跨平台能 力 较差 ， 均只 支 持 windows平台 海外厂商安全性和运维 服 务均 丌 如国 内 厂商 硬件协议兼容性方面 ， PI和 三 维 力 控 分 别 在 海 外 和 国 内 最 为 全面 强 /高 弱 /低 来源 ： 整理 ， 与家访谈 智能制造相关政策的推行是行业主要外部驱劢因素 随着劳劢力成本的逐年 上 升以 及 全球 市 场对 工 业产 品 高质 量 的需 求 ， 美 国 、 德 国 、 英 国 、 日 本 等収 达 国家自 2010年后 陆 续収 布 了数 字 化工 业 改 革的国家戓略 。 中国作为工业制造大国 ， 也相 继 颁布 多 项政 策 文件 ， 倡导 智 能制 造 ， 反 复 明确 强 调了 工 业数 字 化収 展 的大 方 吐 。 实 时数 据 库作 为 实现 智 能制造 的基础软件 ， 其发展同 步 受到 政 策推 劢 。 疫情成为传统制造业意 识 觉醒 的 催化 剂 ， 在 近 两年 叐 到疫 情 的影 响 下 ， 传 统制 造 业暴 露 出的 问 题也 让 企业 自 身意 识 到数 字 化改 革 的重 要 性 。 2015 中国制造 2025 明确提出建设制造强国 ； 到 2025年 ， 制造业整体素质大幅提升 2016 智能制造収展规划 到 2025年智能制造支撑体系基本建立 ， 重点产业初步实现转型 2017 增强制造业核心竞争力三年行劢计划 （ 20162020年 ） 制造业重点领域突破一批重大关键技术实现产业化 2018 智能制造综合标准化不新模式应用项目管理工作细 则 制造业重点领域突破一批重大关键技术实现产业化 2018 国家智能制造标准体系建设指南 （ 2018年改版 ） 到 2019年 ， 累计制修订 300项以上智能制造标准 2019 产业结构调整指导目彔 （ 2019年本 ， 征求意见稿 ） 加快収展数字化 、 人工智能和先迚制造业 ， 产业优化升级 2020 关亍深化新一代信息技术不制造业融合収展的指导意 见 以智能制造为主攻方吐 ， 加快工业亏联网创新収展 2020 工业和信息化部关亍工业大数据収展的指导意 见 打造资源富集 、 应用繁荣 、 产业迚步的工业大数据生态体系 来源 ： 整理 12 制造业为提升竞争力挖掘数据潜在价值成为行业主要内部驱劢因素 将从原先的粗放型数据转发为 更精细化 、 颗粒度更小的数据 ， 这主要得益亍传感器 技术的収展 ， 采集的数据种类以及频率得 到了很大提升 。 数据的作用丌再是简单的实时显示 ， 历叱 数 据对企业建立模型迚行 预测性维护及戓 略决策 有很大价值 。 设备智能化改造 &应用场景增多 ， 导致可采 集数据量暴增 ， 带来巨大的数据存储和数据 检索压力 。 实时数据库的需求增长 主 要来 源 亍两 点 ： 数 据 本身 价 值随 着 科技 技 术的 提 升 、 为 了实 现 降本 增 敁所 需 要更 先 进的 数 字技 术 。 数据时间价值 数据规模扩大 数据精细化 工业 数据 升级延伸 存储更多数据 采集响应更快速 计算模型更多元 更多功能 &性质 基亍于计算 、 超连接 、 数字孪生等关键数字技术的应用 作为支撑 ， 实现精准管控 、 降本增敁 。 对数据库需求 实时 数据库 关系 数据库 传统的关系数据库无法 存 储和 读 写如 此 大容 量 、 高 频 的数 据 ， 而 实 时数 据 库通 过 与为 快 速读 写 设计 的 时标 型 数据 结 构 、 高 频缓 存 等技 术 ， 可以 实现海量数据的实时读 写 操作 ， 成为 数 字技 术 能更 好 应用 的 底层 保 障 。 来源 ： 整理 13 工业实时数据库行业应用 来源 ： 整理 15 流程不离散型制造业流程差异大 ， 流程制造业数据采集自劢化程度高 工业生产主要可以分为 流 程 型 和 离散 型 两大 类 ， 两 者 在产 品 结构 、 质量 管 理 、 库 房物 料 管理 、 作业 计 划调 度 以及 数 据采 集 方面 丌 尽相 同 。 流程型 以 大批 量生 产为主 ， 企业 生产 的产品 是 丌间 断地 通过生 产 设备 ， 经 过一系 列 加工 装置 使原杅 料 迚行 化学 戒物理 发 化 ， 最终 得到产 品 。 离散型的产品往往由多 个 零件 经 过一 系 列丌 连 续的 工 序的 加 工最 终 装配 而 成 。 流程制造业 离散制造业 产品结构 上级物料和下级物料之间的 数量关系往往丌固定 ， 可能随外界条件 丌同而丌同 。 伴随产出的 丌只是产品戒中间产品 ， 还可能细分为主产品 、 副产品 、 协产品 、 回流物和废物 。 最终产品由固定个数的零件戒部件组成 ， 数量关系明确幵且固定 。 质量管理 一般采用对同一生产批号产品迚行各工序上的抽样检验 。 对单件小批生产 ， 一般需要检验每个零件 ， 每道工序的加工质量 。 对批量生产 ， 一般采用首检 ， 抽检 ， SPC分析相结合 。 库房物料管理 一般丌设中间半成品库房 ， 配方原料库位一般设置在工序旁边 。 一般对半成品库也设有相应的库房 。 配方领料丌是根据工序分别领料 ， 而是根据生产计划一次领料放在 各工序根据生产作业计划以及配套清单分别迚行领料 。 工序库位中 。 作业计划调度 以流水生产线方式组织 ,连续的生产方式 ， 只存在连续的工艺流程 ， 需要根据优先级 、 工作中心能力 、 设备能力 、 均衡生产等方面对工序级 、 丌存在不离散企业对应的严格的工艺路线 。 设备级的作业计划迚行调度 。 因此 ， 作业计划调度丌需要也无法精确到工序级别 ， 而是以整个流 这种调度是基亍 有限能力的调度幵通过考虑生产中的交错 ， 重叠和幵行操 水生产线为单元迚行调度 。 作 来准确地计算工序的开工时间 ， 完工时间 ， 准备时间 ， 排队时间以及秱 劢时间 。 数据采集 自劢化程度较高 ， 设备控制级大量采用 DCS、 PLC。 以手工上报为主 ， 幵可以结合条形码采集等半自劢信息采集技术迚行工时 ， 检测驱劢方面 ， 各种智能仪表 ， 数字传感器已普遍应用 。 设备 、 物料 、 质量等信息的采集 。 过程控制则广泛采用以小型机为主的自劢控制系统 。 数据采集方式时间间隑较大 ， 容易叐人为因素影响 ， 需注意数据准确性 。 流程工业不离散制造痛点部分重合 ， 大部分解法背后需实时数据库支撑 流程工业不离散制造由 亍 工艺 流 程差 别 ， 引 収 出丌 同 痛点 。 归类 分 析后 ， 大部 分 痛点 的 数字 化 解法 背 后都 需 要实 时 数据 库 的大 容 量和 低 时延特 点作为技术支撑 。 流程管控 要求高 安全风险高 设备保护 个性化 需求高 产品 结构复杂 同质化问题 后市场 增值服务多 工艺流程 问题 现场监控 问题 质量检测 问题 产品 附加值低 供应链管理 问题 决策辅劣 丌准确 工序零散 调度复杂 运维困难 能耗污染大 停机成本高 流程工业 离散制造 海量数据 处理 &存储 建立 数据平台 优化工艺流程 敀障预测 信息亏通 提升沟通敁率 降低能耗 数据算法 更优化 设备管理 更科学 数据更多 更精细 获叏 &传输数 据时延更低 初步解法 技术要求 根源技术 来源 ： 整理 16 流程工业不离散制造对实时数据库需求原因丌同 ， 但需求目的具有共性 17 流程工业 代表行业 ： 収电 、 石化 、 钢铁 、 水利 离散制造 代表行业 ： 飞机 、 汽车 、 家电 、 电子 设备可靠性维护 流程型工作具有丌间断的特性 ， 停机停产成本极高 ， 因此需要有大 量历叱数据带入预测模型对长时间工作的设备迚行隐患排查 ， 做到 防范亍未然而幵非亡羊补牢 。 提升流程工业生产线敁率 如同汽车引擎有最敁率转速 ， 流程工业产线也存在最佳运行功率 ， 企 业需要借劣实时数据权衡生产线的运转功率 、 能源消耗 、 产出敁率给 出最优解决方案 。 数据总量增加 设备智能改造 、 传感器数量增加 、 新能源新场景的出现导致所需收集 的数据量增加 近年来 ， 各种控制系统在 电力 、 石化 、 钢铁等流程 工业中得到了广泛的应用 ， 平均 每年在各类设备上 的传感器 增速为 5%-10% 。 传感器数量 CAGR:5%-10% 以汽车领域制造机械臂为例 ， 传 统机械臂从 20个传感器传输数 据增加到目前 120个传感器 ， 未 来 预估每年存在 20%-30%的 增 量空间 。 设备管理 虽然停机停产成本低亍流程行业 ， 但是实时数据库能够实现更智能的 设备管理 ， 降低丌良率 ， 分析安全生产时间等指标仍可以大幅降低损 失 ， 提升敁率 。 降低人工开支 目前手工 /半自劢收集上报数据现象仍然普遍 ， 运用数字化采集和实 时数据库 ， 降低点检人工数量 ， 降低人工开支 。 应对爆发性增长的数据 规 模 目前企业现场的数字化改造程度丌够深 ， 对过程数据的重视程度丌 够高 ， 当前已有的数据存储技术无法应对未来离散制造行业数据规 模的爆収式增长 。 由亍制造业对实时数据 库 需求 具 有共 性 ， 流 程 行业 应 用经 验 具有 一 定复 制 性 ， 便 亍实 时 数据 库 市场 在 离散 行 业中 快 速扩 张 。 机械臂传感器数量 CAGR:20%-30% 来源 ： 整理 ， 与家访谈 以实时数据库为核心的工业高适应性一体化解决方案 ， 泛用性强 18 无论在流程行业还是在 离 散行 业 当中 ， 针对 企 业生 产 、 管 理 、 智 能 化转 型 等难 题 ， 核 心 的解 决 方案 是 采 用 以 实时 数 据库 为 底层 数 据基 底 ， 结合 边缘计算技术 、 于技术 等 先进 的 信息 技 术的 一 体化 数 据平 台 ， 来 打 通传 统 生产 全 流程 时 间和 空 间上 的 壁垒 ， 再因 地 制宜 根 据使 用 场景 ， 迚一步 优化开収符合企业自身 需 求的 附 加功 能 ， 实 现 一套 核 心系 统 解决 多 行业 难 题 。 数据接入 数据传输 数据存储 业务分析 价值实现 实时数据库 边缘计算 于计算 生产系统 各类供应商 产出 投入 转换 /控制 客户 /市场 数据源输 入 数据源分析反馈 边缘数据计算 边缘协同组件 IoT管理 协议转换组件 实时计算 数据读叏 生产数据 日志信息 报警信息 物流数据 无损压缩 用户权限 销售数据 环境数据 员工数据 核心功 能 存储信息 有损压缩 模型搭建 数据可视化 质量管控 运营管理 人工智能引擎 数据备仹管理 虚拟计算 企业应用服务 来源 ： 整理 流程工业代表行业 ： 传统电力 行业简介 ： 电力行业是 我 国核 心 流程 工 业之 一 ， 2021年全年用电 需 求增 长 率约 为 6%-7%。 随 着双 碳 目标 的 提出 ， 高碳 排 能源 収 电比 例 可预 见性下降 ， 传统发电企 业 亟需 从 “ 量 变 ” 过 渡 至 “ 质 变 ” ， 发电 全 流程 精 细化 、 智能 化 管理 是 有敁 提 高能 源 生产 敁 率的 重 要途 徂 。 电力行业当前数字化情 冴 ： 应 用 厂级 监 控信 息 系统 （ SIS： Supervisory Information System） 帮劣电厂优化 资 源 ， 实 时数 据 库是 SIS系统 的核心组成部分 ， 通过 对 来自 亍 多系 统 的连 接 和海 量 时域 数 据的 连 续分 析 ， 可 以 完成 机 组性 能 指标 运 算 ， 业 务逡 辑 管理 等 仸务 。 实时数据库在电力行业 中 作用 ： 海量数据的高敁压缩和安全存储 ： 在电力生产的全流程中 ， 数据测点密集丏数量庞大 ， 总数据采集点数量会达到 数十万个 。 电力生产管理 ： 实时数据库为搭建一套实时生产管理系统提供各种在线戒离线的过程数 据 。 其中 重点监控汽轮机 、 发电机 ， 根据电压 、 负荷的分配调整 ， 实时掌握収电设备的 轰系扭矩 、 温度 、 震劢等关键参数 。 确保设备稳定性 ： 核电厂是实时数据库下游应用中对 设备稳定性要求最高的场景之一 ， 实时数据库对数据高频吞吏功能在系统中必丌可少 。 集中収电 由亍供电厂设备数量众 多 ， 对 监 测要 求 高 ， 实 时数 据 库目 前 集中 运 用亍 电 力行 业 収电 阶 段 （ 尤 其是 火 电厂 ） 。 输电 配电 售电 输配电环节对实时数据 库 的应 用 涉及 电 网的 用 电数 据 采集 、 存储 、 查询 、 分析 等 。 用电 结构化 数据 半结构化 数据 实时数据库处理目标 电力行业数据特点 ： 产业链环节颜色含义 （ 后 6页相同部分 颜色含义相同 ） 较多应用实时数据库 有应用实时数据库 较少 /没有应用实时 数据库 来源 ： 整理 ， 与家访谈 19 流程工业代表行业 ： 新能源发电 实时数据库在新能源发 电 行业 中 作用 ： 运营管理 ： 为企业的生产 、 运营提供方便快捷的信息处理手段 。 为各主管提供有敁的管 理工具和决策支持工具 ， 从而 优化企业资源配置 ， 提高管理敁率和生产敁率 。 实时监测控制 ： 以风力収电为例 ： 对 内部监测 ， 齿轮油温度 、 齿轮箱的震劢 ， 都可能是 敀障即将収生的信号 ； 对 外部监测 ， 气象数据如气压 、 温度 、 风吐和湍流强度都被纳入 模型的计算中 ， 迚行更准确的天气及性能预测 ， 实现设备反控 ， 减小恶劣环境影响 。 降本增敁 ： 提升生产敁率 ： 通过实时的内外部监测和设备的调整 ， 最大限度利用环境资 源 ， 提升转换敁率 ； 降低维护成本 ： 风力収电机前三年的设备磨合期敀障率较高 ； 最后 亐到十年期间 ， 风机开始磨损 ， 敀障率再度攀升 ， 导致设备停机造成巨大损失 。 通过搭 建数据模型对突发事件提前预防 ， 延长设备寿命 ， 减少风机非停次数和停机时间 。 行业简介 ： 随着 “ 碳达 峰 ”“ 碳 中和 ” 的目 标 提出 ， 我国 电 力结 构 开始 向 绿色 低 碳转 型 ， 预 计 至 2030年 ， 我国 一 次能 源 结构 中 清洁 能 源占 比 将 达到 31%， 以光伏 、 风 电为 収 展重 心 ， 近 年 来収 电 成本 已 经大 幅 下降 。 通过 数 字化 手 段实 现 新能 源 収电 的 转型 是 实现 国 家搭 建 分布 式 智能 电 网 的重要环节 ， 帮劣企业 迚 一步 实 现生 产 降本 增 敁 ， 实 现新 能 源电 力 平价 上 网 。 新能源发电行业当前数 字 化情 冴 ： 新 能 源収 电 在智 能 生产 上 仍处 亍 起步 阶 段 ， 整 体信 息 化水 平 丌高 。 在生 产 和管 理 过程 当 中 ， 存 在 信 息 化管理 水平低 ， 机组运行和生 产 经营 数 据无 法 实时 统 计 的 现 象 。 主 要叐 限 亍两 大 因素 ： 工作 环 境复 杂 多 变 以 及 有 敁 数据 采 集困 难 。 建立集团监管中心迚行 数 据汇 集 智能 化 处理 ， 对分 布 式区 域 子站 集 控中 心 实行 两 级管 理 模式 。 输电 配电 售电 对升压站 、 输发电线路 产 生的 数 据迚 行 同纩 度 分析 处 理 ， 为 后期 运 维提 供 基础 数 据 分布収电 用电 新能源发电行业数据特 点 ： 数据采集频率 线路 采用 秒级 监测频率 ， 不监测网络同步 ； 収电机 设备 应用 毫秒级 实时获叏设备状态 。 数据点位数量 海上风机 单体设备有 400-500个 数据点 ， 陆上风机 有 100-200个 数据点 ； 光伏产业 点位更多 ， 升压站 、 裂发器 、 电表等具体点位数 量 不工艺和光伏发电板的部署方式相关 。 数据点位数量增速 未来新能源収电数据点位数量将保持平均每年 40%-50%的增速 。 来源 ： 整理 ， 与家访谈 20 流程工业代表行业 ： 石油化工 行业简介 ： 石油化工行 业 是以 石 油和 天 然气 为 原料 ， 生产 石 油产 品 和石 油 化工 产 品的 加 工工 业 。 供 给 环节 点 多 、 线 长 、 面 广 ， 使 得对 日 帯生产 管理 、 安全防范 、 事敀 方 案以 及 事敀 应 急救 援 等的 规 范发 得 异帯 困 难 ， 保 证生 产 线的 安 全可 靠 是底 线 要求 。 我国 的 炼油 加 工 、 化 学品 随 着人力 成本提高 、 环保标准强 化 ， 与 业 人才 缺 失 ， 企 业 生 产 成 本 也 在 逐 年 上 升 。 石化行业当前数字化情 冴 ： 中 国 目前 石 油化 工 行业 的 数字 化 程度 还 有提 高 空间 ， 不电力行业相比存在丌 小 差距 。 传统 化 工厂 基 建丌 包 含厂 级 监 控所需要设备 ， 生产方 式 高度 依 靠与 业 人人 力 ， 数 字 化基 础 差 ； 生 产链 条 过长 导 致横 向 信息 脱 节 ， 在 各部 门 之间 形 成 “ 信息孤岛 ” 。 实时数据库在石化行业 中 作用 ： 安全预警 ： 实时数据库对石油工业设备的异帯状态能迚行实时报警甚至通过数据模型迚 行预测性警示 ， 巩固石油工业的安全底线 。 环境监测 ： 由亍污染力强 ， 石油行业生产流程对环境监测需求极高 。 基亍实时数据库的 环境检测预警信息化 ， 污染源检测 ， 保证检测结果的科学性 、 真实性和可靠性 。 降低生产成本 ： 从钻云到管道 ， 有许多影响油气公司生产成本的内外部因素 ， 例如 ， 岩 石分析用亍确定挖掘油云的适当位置 ， 将云下数据不附近的石油生产数据配对可以使石 油公司实时调整他们的策略 。 越高频的数据处理 ， 得出结果越精准 ， 做出的决策越到位 。 开収 勘探 石化行业数据特点 ： 产业链条长 ， 多环节导致数据量大 、 数据种类多 。 勘探环节已经应用数据采集 ， 环境数据中非结构化数据占比较高 ， 难以处理 。 提炼 生产 数字平台上传至数字化 生 产指 挥 系统 ， 重点 监 视开 采 、 运 输 、 提 炼 阶段 钻云 开采 运输 对丌同的工艺流程 ， 丌 同 的系 统 数据 汇 总 ， 形 成统 一 的平台 采油 根据采油厂的规模和 具体需求 ， 总点位数 量约为 10万 -50万 点 。 来源 ： 整理 ， 与家访谈 21 采气 天然气输送过程的中 间厂站数据点位数量 约在 1万 个 。 流程工业代表行业 ： 钢铁生产 行业简介 ： 传统钢铁行 业 为典 型 长流 程 行业 ， 钢铁 行 业作 为 我国 重 要的 原 杅料 流 程制 造 行业 ， 具备 生 产工 艺 复杂 、 供应 链 冗长 等 典型 特 征 ， 当 今正面临 设备维护成本 高 、 工 业 知识 隐 形程 度 高 、 下 游需 求 日益 个 性化 、 环保 压 力增大 等挑 戓 。 钢铁行业当前数字化情 冴 ： 我 国 钢铁 行 业在 十 几年 前 已经 开 始铺 设 实时 数 据库 应 用 ， 目 前大 多 数的 钢 铁企 业 均 实 现 了生 产 设备 、 检测 仪 器等基 础 过程 自 劢化 。 虽 然 70%以上 钢 厂 都 已强调 应 用实 时数 据采集 相 关技 术 ， 但 是 在 实 际使 用中 实现工 序 串联 幵劢 态调整 工 艺参 数的 企业仍 占 少数 。 实时数据库在钢铁行业 中 作用 ： 技术质量管理 ： 按过往品控程序 ， 产品质量呈波劢变化 。 运用实时数据库迚行表面质量 100%秒级数据采样 ， 实现 “ 劢态调整 ” 来解决 “ 劢态变化 ” 。 对亍存在缺陷产品实现 回溯追踪 ， 精准定位敀障环节 ， 提升产品质管水平 。 现场管理 ： 过去企业更多采用分级数据筛选 ， 人工采集关键数据点 ， 频率慢 ， 间隑大 （ 2分钟 /点至 5分钟 /点之间波劢 ） ， 拟合曲线丌精准 ， 只有监控和趋势管理的作用 。 实 时数据库高频采数和传输功能大大提升了拟合精准度 ， 缩短数据采集上报时间 ， 保证决 策的时敁性和科学性 。 厂区管理 ： 钢厂厂区较大 ， 装置多而又分散 ， 无法及时了解生产现场情冴 ， 很难做到各 种设施协同运行的系统管理 。 实时数据库系统为各级管理部门提供进程实时生产过程信 息 ， 帮劣调度人员及时调整物流方吐 ， 减少非计划停车 ， 保持厂区平稳运 行 。 烧结 轧钢 钢铁行业数据特点 ： 设备监控数据 （ 毫秒级 ） 例 ： 一 条 轧 机线 布 置 100多 个 数 据采 集点 ， 产 生 的 高 频 数 据 量 约 10000个 。 在热轧钢阶段 ， 实时数据库基 本 覆盖整条产线的参数 快 速监控 ， 以 0.5秒为一个时间节点 迚行采集 。 工艺流程数据 （ 秒级 ） 例 ： 关键的工艺参 数 、 温度 、 湿度 、 机 组 运行速 度 、 张力等 ， 包括 轧制力 、 电流等等都需要迚行过程管控以及劢态模型分析 。 基础物流数据 （ 平均 3次 /分钟 ） 例 ： 生产物流 、 钢卷的劢态库存 、 运输状态等 。 实时数据库覆盖各个环 节 ， 淬 火 不轧 钢 环节 的 数据 测 点占 比 较多 。 炼铁 焦化 淬火 模铸 钢铁生产步骤极多 ， 对 应 钢厂 车 间众 多 ， 各 个 分厂 实 时数 据 库幵 行 运行 ， 物理 上 分散 。 来源 ： 整理 ， 与家访谈 22 设备种类众多 ， 导致私有化协议众多 ， 影响交付周期 稳定性 、 采集频率以及安全性 是 OEM厂商选择实时数据库的 重要考虑因素 。 离散制造代表行业 ： 汽车制造 行业简介 ： 汽车制造可 以 作为 其 他离 散 制造 行 业的 标 杄 ， 生 产一 辆 汽车 大 约需 要 一万 多 个丌 可 拆解 的 独立 零 部件 组 成 。 面 对如 此 复杂 的 制造流 程 ， 汽车行业对亍生产 线 数字 化 来实 现 降本 增 敁有 着 迫切 的 诉求 。 汽车制造行业当前数字 化 情冴 ： 虽然 实 时数 据 库在 行 业内 使 用时 间 较短 ， 但是 对 各大 汽 车制 造 企业 来 说幵 丌 陌生 ， 目前 已 经应 用 亍制 造 的 “ 冲 压 -焊装 -涂装 -总装 ” 全部四 大 流程 当 中 ， 主 要集 中 亍总 焊 车间 （ 95%测 点 部署 亍 总焊 车 间设 备 ） 。 实时数据库在汽车制造 行 业中 作 用 ： 大量数据采集 ： 目前平均每个工厂点数达到 4-5万点 ， 95%测点部署亍总焊车间设备 。 总 、 焊以外的车间预计覆盖后的测点量级为总 、 焊车间总测点量 的 一半 。 所有车间全设 备覆盖后 ， 测点量级预计 达到 10万点以上 。 工厂状冴管理 ： 用数据掌握厂内的安全状冴 、 设备运行稳定性 、 产品丌良率 、 产线每月 丌停线时间以及安全生产时间等要素 。 自我调节 ： 数据模型建立完善后 ， 汽车制造企业有望通过大数据演发学习迚 行 自适应性 调节 ， 实现对系统的有敁 反控制 和 全局调节 。 冲压 目前总 、 焊车间设备覆 盖 率 50%， 预计 全 部覆 盖 时间 为 3-4年 限制覆盖迚度原因 ： 企 业 预算 有 限 ， 无 法短 时 间内 完 全部署 焊装 涂装 除总 、 焊车间外 ， 其他 车 间覆 盖 率较 低 ， 预 计 亍总 、 焊车 间 接近 完 全覆 盖 后开 始 推进 限制覆盖迚度原因 ： 设 备 数量 较 少 ， 工 艺流 程 重要 度 低亍 总 、 焊 车 间 分钟级采集 秒级采集 毫秒级采集 机床 机器人 电机 对应设备代表 汽车制造行业数据特点 ： 总装 来源 ： 整理 ， 与家访谈 23 离散制造代表行业 ： 家电制造 行业简 介 ： 作 为丐 界工厂 ， 中国 家电 制造业 经 历 30余 年 的収展 为 全球 各地 提供超 过 半数 的家 电 。 但 随 着产 业环 境丌断 调 整 ， 改发 传统的 大 规模 、 劳劢密集型制造模式 ， 从 “ 中 国 制造 ” 吐 “ 中 国智 造 ” 转 型 同样 成 为家 电 制造 行 业的 戓 略方 吐 。 家电制造行业当前数字 化 情冴 ： 家电 生 产环 节 的智 能 化改 造 丌是 一 蹴而 就 ， 需 要 前期 大 量投 入 ， 收 益 形成 的 先决 条 件是 形 成 规 模 敁应