2021工业实时数据库行业白皮书工业实时数据库定义 &发展历程工业实时数据库发展概况工业实时数据库行业应用工业实时数据库行业未来展望2341目录C O N T E N T S1.1 工业实时数据库定义1.2 工业实时数据库发展历程2.1 工业实时数据库市场规模2.2 工业实时数据库竞争情况2.3 工业实时数据库市场驱动因素3.1 流程工业与离散制造业对比3.2 工业实时数据库下游行业痛点3.3 工业实时数据库下游行业需求3.4 工业实时数据库为中心的数字化解决方案3.5 流程工业与离散制造业代表行业应用情况3.6 典型行业应用案例4.1 工业实时数据库技术 /产品发展趋势4.2 工业实时数据库市场发展趋势核心观点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于 2024年突破 100亿。流程与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，虽产生需求原因不尽相同，但预期达到目的相似，便于借助流程工业经验，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）对于实时数据库应用较早且较成熟，应用场景产出价值高；离散制造代表行业（汽车、家电、飞机）渗透率不及流程工业，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，行业头部效应显露。工业实时数据库定义 &发展历程系统集成 过程监控 数据追溯 指标分析统计报表 平台管理及工具集故障报警开放接口核心模块关键技术基础数据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 计算引擎动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 图像互联网数据第三方数据库实时数据 历史数据 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5 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、接受实时处理请求并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，最起初是基于先进控制和优化控制而出现的， 属于实时系统三大子系统中的数据系统的核心。中国数字化发展大背景下，工业对数据的应用不再停留在查看阶段，需进一步与时间结合， 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 外部有效期 内部有效期有效性 处理速度 实时响应实时性实时数据库根本特征事务截止期数据有效期实时数据库系统架构来源：亿欧智库整理世界上实时数据库产品于 1990年代面世，中国对其研究起步稍晚61960年代 1970年代 1980年代中期 1990年代中期 21世纪计算机数据库始于 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效益性 。 当时 IBM采用的 SABRE系统在帮助 American Airlines管理其预定数据的工作上取得了重大成功 。在 70年代出现的关系数据库 ， 以 UBC开发的 Ingres以及 IBM San Jose的 SystemR为典型 ， 让数据诞生了逻辑性 。但随着发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不从心 ， “ 实时数据库 ” 的概念便应运而生 。英国于 20世纪 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发展 ， 在美国诞生了以工业监控为目的的实时数据库 ，并在 1988 年 3 月 份 的 ACM sigmodrecord上发表了实时数据库系统专辑 。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进和应用 ，教育科技界率先进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或为 RTDBS提供时间驱动调度和资源分配算法 。在国家层面 ， 中国将 “ 实时数据库 ” 看作是 与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 。上世纪 ， 中国的实时数据库市场一直处于被国外品牌垄断的局面 ， 但是在过去几年国家鼓励以及企业对安全性愈发重视的影响下 ， 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公司发布的 Zip-RTDBMS和 1995年Martin Marieta 公 司 发 布 的 Eagle SpeedRTDBMS被公认为是高度符合实时要求而开发的 。实时数据库在流程工业全世界范围内大行其道 ，源于以太网的逐步普及； 主要应用于工业监控 、控制和公用工程 。来源：亿欧智库整理工业实时数据库发展概况全球数据量未来爆炸性增长，将于 2025年达到 175ZB8 引自 IDC：无论数据是被创建、采集或是复制，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，全世界到 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，制造车间里的自动化设备要依靠实时数据来实现工艺控制和改进。实时数据在 2017年占到数据圈的 15%，而到 2025年将 接近 30% 。0306090120150180亿欧智库：全球数据圈的每年规模（ ZB）0%10%20%30%40%0102030405060亿欧智库： 实时数据占比来源：亿欧智库整理， 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 将于 2025年达到 688亿元， CAGR为 23.4%，与数据总量增速相近。 经亿 欧智库测算 ，中国实时数据库市场规模 将于 2025年达到 269亿元， CAGR为 36.6%，处于成长期中前段 ；其中离散制造业应用实时数据库市场规模将于 2024年 突破 100亿 ，于 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 ，但是由于数据量增长受到采集硬件技术限制， 会在未来逐渐释放。241 309 368 493 611 688 0.00100.00200.00300.00400.00500.00600.00700.00800.002020 2021e 2022e 2023e 2024e 2025e亿欧智库：中国数据库市场规模（亿元）38 50 65 83 103 124 18 31 40 70 101 145 0.0050.00100.00150.00200.00250.00300.002020 2021e 2022e 2023e 2024e 2025e亿欧智库：中国实时数据库市场规模（亿元）流程 离散5680104152203269CAGR23.4% CAGR36.6%来源：亿欧智库整理，中国信通院、专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 国外企业目前仍处于世界领先水平，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年全世界超过 75个国家的5000套 PI系统正在投入运行。 中国的传统实时数据库企业多数是在基于国外的开发基础上，进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，性能不弱于海外产品，更重要的是在后期调试维护环节的快速响应优于海外厂商。 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，但其存储容量受限，运维服务无法跟上，对于未来制造业引用场景来说并非理想之选。 组态软件是用于数据采集与过程控制的专用软件，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发的实时数据库是基于主要软件开发的经验基础上开发而成的产品。实际的应用情况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，数据变化频率，历史数据保存期等指标均弱于传统实时数据库。海外传统厂商典型代表 典型代表国内传统厂商组态软件厂商典型代表开源数据库典型代表来源：亿欧智库整理市面上典型代表五款产品比较： PI和 Open Plant全面领先于其他产品11可靠性 实时计算速度 数据读取速度 压缩比 价格 跨平台能力 安全性 运维服务 硬件协议兼容OSIPI麦杰Open PlantGEiHistorian三维力控InfluxDB强 /高 弱 /低海外厂商安全性和运维服务均不如国内厂商PI市面价格最高，目前有降低趋势，麦杰产品在国内处于较高水平海外厂商普遍跨平台能力较差，均只支持 windows平台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来源：亿欧智库整理，专家访谈智能制造相关政策的推行是行业主要外部驱动因素12 随着劳动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、日本等发达国家自 2010年后陆续发布了数字化工业改革的国家战略。 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发展的大方向。 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动。 疫情成为传统制造业意识觉醒的催化剂 ，在近两年受到疫情的影响下，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。201520162017201820192020 中国制造 2025 智能制造发展规划 增强制造业核心竞争力三年行动计划（ 20162020年） 智能制造综合标准化与新模式应用项目管理工作细则 国家智能制造标准体系建设指南（ 2018年改版） 产业结构调整指导目录（ 2019年本，征求意见稿） 关于深化新一代信息技术与制造业融合发展的指导意见 20182020 工业和信息化部关于工业大数据发展的指导意见 明确提出建设制造强国；到 2025年，制造业整体素质大幅提升到 2025年智能制造支撑体系基本建立，重点产业初步实现转型制造业重点领域突破一批重大关键技术实现产业化制造业重点领域突破一批重大关键技术实现产业化到 2019年，累计制修订 300项以上智能制造标准加快发展数字化、人工智能和先进制造业，产业优化升级以智能制造为主攻方向，加快工业互联网创新发展打造资源富集、应用繁荣、产业进步的工业大数据生态体系来源：亿欧智库整理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动因素13 实时数据库的需求增长主要来源于两点： 数据本身价值随着科技技术的提升、为了实现降本增效所需要更先进的数字技术。 将从原先的粗放型数据转变为 更精细化、颗粒度更小的数据 ，这主要得益于传感器技术的发展，采集的数据种类以及频率得到了很大提升。 数据的作用不再是简单的实时显示，历史数据对企业建立模型进行 预测性维护及战略决策 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。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 &性质基于云计算、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、降本增效。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，而实时数据库通过专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：亿欧智库整理工业实时数据库行业应用流程与离散型制造业流程差异大，流程制造业数据采集自动化程度高15 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不尽相同。 流程型以大批量生产为主，企业生产的产品是不间断地通过生产设备，经过一系列加工装置使原材料进行化学或物理变化，最终得到产品。 离散型的产品往往由多个零件经过一系列不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 数量关系往往不固定 ，可能随外界条件不同而不同。 伴随产出的 不只是产品或中间产品 ，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或部件组成， 数量关系明确并且固定 。质量管理 一般采用对同一生产批号产品进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 一般不设中间半成品库房，配方原料库位一般设置在工序旁边。 配方领料不是根据工序分别领料，而是根据生产计划一次领料放在工序库位中。 一般对半成品库也设有相应的库房。 各工序根据生产作业计划以及配套清单分别进行领料。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，不存在与离散企业对应的严格的工艺路线。 因此， 作业计划调度不需要也无法精确到工序级别 ，而是以整个流水生产线为单元进行调度。 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、设备级的作业计划进行调度。 这种调度是基于 有限能力的调度并通过考虑生产中的交错，重叠和并行操作 来准确地计算工序的开工时间，完工时间，准备时间，排队时间以及移动时间。数据采集 自动化程度较高，设备控制级大量采用 DCS、 PLC。 检测驱动方面，各种智能仪表，数字传感器已普遍应用。 过程控制则广泛采用以小型机为主的自动控制系统。 以手工上报为主 ，并可以结合条形码采集等半自动信息采集技术进行工时，设备、物料、质量等信息的采集。 数据采集方式时间间隔较大，容易受人为因素影响，需注意数据准确性。来源：亿欧智库整理流程工业与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16 流程工业与离散制造由于工艺流程差别，引发出不同痛点。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助不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 降低能耗 故障预测信息互通 提升沟通效率数据算法更优化设备管理更科学数据更多更精细获取 &传输数据时延更低初步解法技术要求根源技术来源：亿欧智库整理 设备管理 降低人工开支 应对爆发性增长的数据规模 设备可靠性维护 提升流程工业生产线效率 数据总量增加流程工业与离散制造对实时数据库需求原因不同，但需求目的具有共性17流程工业代表行业：发电、石化、钢铁、水利离散制造代表行业：飞机、汽车、家电、电子流程型工作具有不间断的特性，停机停产成本极高，因此需要有大量历史数据带入预测模型对长时间工作的设备进行隐患排查，做到防范于未然而并非亡羊补牢。如同汽车引擎有最效率转速，流程工业产线也存在最佳运行功率，企业需要借助实时数据权衡生产线的运转功率、能源消耗、产出效率给出最优解决方案。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%。CAGR:5%-10%传感器数量目前企业现场的数字化改造程度不够深，对过程数据的重视程度不够高，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发式增长。目前手工 /半自动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。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。虽然停机停产成本低于流程行业，但是实时数据库能够实现更智能的设备管理，降低不良率，分析安全生产时间等指标仍可以大幅降低损失，提升效率。CAGR:20%-30% 由于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，便于实时数据库市场在离散行业中快速扩张。机械臂传感器数量来源：亿欧智库整理，专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、云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，进一步优化开发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 云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取生产数据 日志信息报警信息物流数据无损压缩 用户权限存储信息销售数据环境数据 员工数据核心功能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份管理虚拟计算企业应用服务来源：亿欧智库整理流程工业代表行业：传统电力19 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，高碳排能源发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、智能化管理是有效提高能源生产效率的重要途径 。 电力行业当前数字化情况： 应用厂级监控信息系统（ SIS： Supervisory Information System）帮助电厂优化资源， 实时数据库是 SIS系统的核心组成部分， 通过对来自于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，业务逻辑管理等任务。 实时数据库在电力行业中作用： 海量数据的高效压缩和安全存储： 在电力生产的全流程中，数据测点密集且数量庞大，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或离线的过程数据。其中 重点监控汽轮机、发电机 ，根据电压、负荷的分配调整，实时掌握发电设备的轴系扭矩、温度、震动等关键参数。 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吐功能在系统中必不可少。售电配电输电集中发电由于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于电力行业发电阶段（尤其是火电厂）。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产业链环节颜色含义（后 6页相同部分颜色含义相同） 电力行业数据特点：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：亿欧智库整理，专家访谈流程工业代表行业：新能源发电20 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、风电为发展重心，近年来发电成本已经大幅下降。通过数字化手段实现新能源发电的转型是实现国家搭建分布式智能电网的重要环节，帮助企业进一步实现生产降本增效，实现新能源电力平价上网。 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。为各主管提供有效的管理工具和决策支持工具，从而 优化企业资源配置 ，提高管理效率和生产效率。 实时监测控制： 以风力发电为例：对 内部监测 ，齿轮油温度、齿轮箱的震动，都可能是故障即将发生的信号；对 外部监测 ，气象数据如气压、温度、风向和湍流强度都被纳入模型的计算中，进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。 降本增效：提升生产效率 ：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，提升转换效率； 降低维护成本 ：风力发电机前三年的设备磨合期故障率较高；最后五到十年期间，风机开始磨损，故障率再度攀升，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。 新能源发电行业当前数字化情况： 新能源发电在智能生产上仍处于起步阶段， 整体信息化水平不高 。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。主要受限于两大因素： 工作环境复杂多变 以及 有效数据采集困难 。建立集团监管中心进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。对升压站、输变电线路产生的数据进行同纬度分析处理，为后期运维提供基础数据售电配电输电分布发电 用电数据采集频率线路 采用 秒级 监测频率，与监测网络同步；发电机 设备 应用 毫秒级实时获取设备状态。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、裂变器、电表等具体点位数量 与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发电数据点位数量将保持平均每年 40%-50%的增速。 新能源发电行业数据特点：来源：亿欧智库整理，专家访谈流程工业代表行业：石油化工21 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，使得对日常生产管理、安全防范、事故方案以及事故应急救援等的规范变得异常困难， 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，专业人才缺失，企业 生产成本也在逐年上升。 石化行业当前数字化情况： 中国目前石油化工行业的数字化程度还有提高空间， 与电力行业相比存在不小差距。传统化工厂基建不包含厂级监控所需要设备，生产方式高度依靠专业人人力， 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常状态能进行实时报警甚至通过数据模型进行预测性警示，巩固石油工业的安全底线。 环境监测： 由于污染力强，石油行业生产流程对环境监测需求极高。基于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： 从钻井到管道，有许多影响油气公司生产成本的内外部因素，例如，岩石分析用于确定挖掘油井的适当位置，将井下数据与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。开采钻井开发勘探数字平台上传至数字化生产指挥系统，重点监视开采、运输、提炼阶段运输 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 生产对不同的工艺流程，不同的系统数据汇总，形成统一的平台采油 采气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。天然气输送过程的中间厂站数据点位数量约在 1万 个。来源：亿欧智库整理，专家访谈流程工业代表行业：钢铁生产22 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材料流程制造行业，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 等挑战。 钢铁行业当前数字化情况： 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动化 。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并动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， 产品质量呈波动变化。 运用实时数据库进行表面质量100%秒级数据采样，实现 “动态调整” 来解决 “动态变化”。 对于存在缺陷产品实现回溯追踪， 精准定位故障环节， 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，间隔大（ 2分钟 /点至 5分钟 /点之间波动）， 拟合曲线不精准，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，保证决策的时效性和科学性。 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况，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远程实时生产过程信息，帮助调度人员及时调整物流方向，减少非计划停车，保持厂区平稳运行 。模铸淬火炼铁烧结实时数据库覆盖各个环节，淬火与轧钢环节的数据测点占比较多。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并行运行，物理上分散。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 进行采集 。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 、 电流等等都需要进行过程管控以及动态模型分析 。基础物流数据（平均 3次 /分钟）例：生产物流 、 钢卷的动态库存 、 运输状态等 。焦化 来源：亿欧智库整理，专家访谈 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23 行业简介： 汽车制造可以作为 其他离散制造行业的标杆 ，生产一辆汽车大约需要一万多个不可拆解的独立零部件组成。面对如此复杂的制造流程，汽车行业对于生产线数字化来实现降本增效有着迫切的诉求。 汽车制造行业当前数字化情况： 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并不陌生，目前已经应用于制造的“冲压 -焊装 -涂装 -总装”全部四大流程当中， 主要集中于总焊车间（ 95%测点部署于总焊车间设备） 。 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%测点部署于总焊车间设备。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 。 工厂状况管理 ：用数据掌握厂内的安全状况、设备运行稳定性、产品不良率、产线每月不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变学习进行 自适应性调节 ，实现对系统的有效 反控制 和 全局调节 。总装涂装焊装冲压目前总、焊车间设备覆盖率 50%，预计全部覆盖时间为 3-4年限制覆盖进度原因：企业预算有限，无法短时间内完全部署除总、焊车间外，其他车间覆盖率较低， 预计于总、焊车间接近完全覆盖后开始推进限制覆盖进度原因：设备数量较少，工艺流程重要度低于总、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：亿欧智库整理，专家访谈离散制造代表行业：家电制造24 行业简介： 作为世界工厂，中国家电制造业经历 30余年的发展为全球各地提供超过半数的家电。但随着产业环境不断调整，改变传统的大规模、劳动密集型制造模式，从“中国制造”向“中国智造”转型同样成为家电制造行业的战略方向。 家电制造行业当前数字化情况： 家电生产环节的智能化改造不是一蹴而就，需要 前期大量投入 ，收益形成的先决条件是形成 规模效应 ，导致目前行业整体数字化水平呈 两极分化 ，海尔、美的等头部企业成为行业数字化标杆，更多中小企业仍然缺乏信息化基础。 实时数据库在家电制造行业中作用： 设备控制： 提供生产全过程的数据收集，历史数据的查询和检索的功能，留住了整个价值不可估量的设备数据，后期通过这些数据针对特定工艺工序进行调整产，保证最终 产品的质量 以及 产品生产的节奏控制 。 强化集团管控 ：打通数据传输壁垒，帮助集团对上下游企业的制造工厂进行集中管控；提升管理效率，管理人员不需要巡视现场，只需要通过设备动态的、历史的区域曲线来了解生产线运行状况。 减少停机损失 ：设备停机将多项数据与报警信息和处理办法 打包处理 ， 上传至智能运维应用 当中。之后有报警时，通过系统自动通知当班的工程师，立即在现场进行报警消除工作。通过这种方式 大幅缩短了停机时间 ，对产品生产效率提升了 15%-20%. 家电制造行业数据特点： 数据点位规模大，在一条产品的生产线上数据点位总量达到 300万-500万 。以洗衣机滚筒制造工厂为例，部件加工工厂部署超过 70万点位 。 设备数据采集多 以秒级为主 ，在 注塑、冲压、发泡、吸附 环节的设备要求采集频率达到 毫秒级别。家电产品种类成千上万，工艺流程复杂且细节多，根据产品的不同存在巨大差异对设备的监控和产线自动化程度提升是首要诉求对产品全生命周期的管理帮助企业实现资源最优化配置成品入库质量检测产品生产物料配送 销售来源：亿欧智库整理，专家访谈离散制造代表行业：飞机制造25 行业简介： 飞机制造行业是典型的数字化推进程度较低的离散制造行业，也是与国际水平相差较大的制造行业，具有 多学科交叉 、 工程边缘性问题多 、 尖端性问题突出 的特点。 飞机制造行业当前数字化情况： 飞机制造行业 实时数据库渗透率约为零，目前处于基础测试与规划的阶段 。 2.飞机制造业尖端程度高，私有化率小，部门设备行业独有，导致数据采集难度加大。 实时数据库在飞机制造行业中作用： 边缘车间设备管理： 飞机配件多为进口，使用场景有限，飞机结构件加工包含多个环节，产生的制造信息来源于不同部门、时间段、人员和设备，实时数据库保证多设备状态反馈到位。 成品运维监测： 目前波音和空客已应用实时数据库对成品飞机进行运行监测，国内此类需求将会出现自民航总局与各航空公司。 运维方面未来发展空间大， 但目前国内的飞机制造技术不如国外先进，未在运维中应用实时数据。整装部装零部件制造飞机制造尖端程度高，私有化率小，部门设备行业独有，数据采集难度大。飞机没有整装生产线 ，国内飞机制造基本在手工线上借助辅助机器设备生产。 （大型机械如船舶、动车等制造业都存在类似问题） 飞机制造行业数据特点： 飞机制造对于工艺精度要求极高，对于数据采集数量与频次要求高，预计平均一个厂内需要布置 10万个点位 并达到毫秒级别的数据采集频率。来源：亿欧智库整理，专家访谈26 只用 8台服务器 （双机热备）组成全球最大规模（ 超 1000W点 ）实时数据在线集群，大大节约了硬件投入和后期维护投入，为企业节省大量成本。 2020年已接入实时数据点数 超过 700万点 ，十四五期间将再 增加一倍 。 需求部门或组织提供数据服务的能力大大提升， 使集团从数据使用者逐渐成为数据分析服务提供者 。 实时数据平台为 提供更多深层次服务打好基础 ，比如建立智能故障诊断和预测模型，减少非停次数和停机时间，优化库存、采购和维修计划。 两级配置： 实时库采用区域集控中心 、 集团监管中心两级配置 。 多重备份： 数据分别存储于多个服务器 ， 实现多点备份保障数据完整性 ， 且配备一个异地灾备中心以存储镜像数据 。 实时库 +分析库： 融合实时库高刷新率 、 高性能断面数据查询和高性能趋势数据查询的特点 ， 以及分析库对海量数据的在线统计 、即席查询 、 多维钻取 、 数据挖掘的优势 。行业应用案例：知名能源集团运用实时数据系统建立新能源发电运维中心某知名能源集团新能源发电运维项目 新能源分布较广 、 环境复杂多变 ， 运维成本居高不下 。 对工作人员的专业技能要求较高 。 新能源场站 、 区域中心等数字化建设不足 ， 基础设备不完善 。 管理实效性难以突破 ， 精细化监管无力支撑 。 应用者为世界 500强的发电企业 ， 发电装机容量在世界范围名列前茅 。 新能源板块正在成为电力集团转型升级重要战略支撑 。 为实现存量提效 、 增量高效 ， 客户积极寻求加快新能源产业信息化管理 、数字化发展 、 智能化运维的解决方案 。项目背景客户痛点方案配置项目效果平台界面展示来源：亿欧智库整理27 硬件配置： 工厂端安装边缘智能终端 ， 通过无线网络 ， 实现生产数据的实时采集 、 存储和传输 ， 支持 PLC远程调试 。 软件配置： 于云端部署海量数据管理平台及实时数据库 ， 在平台上搭建设备 KPI管理应用 ， 通过设备生产 、 运行数据构建 KPI指标管理体系 ， 结合数据库计算引擎 ， 实现设备指标的实时分析及可视化展示 。行业应用案例：知名家电集团搭建产线实时数据管理平台及设备 KPI管理某知名家电集团产线数据管理平台项目 工业设备数量多、各产线自动化水平不一、工厂地理位置分散、数据链路不通畅等原因导致无法快速集中获取数据。 设备效率、质量等指标需手工计算，无法实时监控生产情况。 缺乏技术方案处理中心端高并发海量实时数据。 应用者为全球领先的生活解决方案服务商 ， 深入全球 160个国家和地区 ， 服务全球 10亿 +用户家庭 。 客户期望采集产线设备获得生产 、 运行数据 ， 获取工厂生产运行信息后 ， 通过设备生产效能指标分析 ， 逐步优化生产流程 、 完善排产计划 ， 实现节能增效 。项目效果机台产能实时数据平台界面 解决内网 PLC无法支撑远程调试功能， 减少 PLC改动风险 。 实现设备远程实时监管， 提升管理精细度及水平 。 实现设备 KPI考核 ，掌握设备效能，优化生产工艺，实现降本增效。 实时数据库系统已能够处理 300万点 生产数据秒级并发，未来会扩展至 1000万点 。来源：亿欧智库整理项目背景客户痛点方案配置28 总述： 数据平台侧提供工业物联网智能终端 、 实时数据库支撑物联网平台 ， 为企业提供准确 、 完整 、 安全的数据支持 。 以焊装各环节为例： 采用工业物联网智能终端 ， 对生产线上设备（ 如机器人 、 上百部焊钳和中频自适应焊机 ） 的输送线状态 、 故障报警 、 生产 、 工艺参数等数据进行实时采集 ， 然后将数据上传（ 或经计算后再上传 ） 到厂级服务器 。行业应用案例：知名汽车集团应用智能制造实时数据管理解决方案某知名汽车集团数据管理项目 设备智能化程度高，信息化建设相对滞后， IT与 OT难以融合。 生产工艺繁多，生产现场自动化方案各不相同，设备采集困难。 上层应用烟囱矗立，数据彼此孤立，难以实现质量追溯。 应用者为全球领先的年轻车企 ， 其整车工厂在雷诺日产三菱联盟工厂综合竞争力排名中实现 9年 7冠 。 客户期望采集产线设备获得生产 、 运行数据 ， 获取工厂生产运行信息后 ， 通过设备生产效能指标分析 ， 逐步优化生产流程 、 完善排产计划 ， 实现节能增效 。项目效果车身焊点质量追溯界面 针对种类繁多的产线的数据采集，实现 450个大类的协议对接。 以焊装车间为例：解决每台焊机不能联网的“信息孤岛“情况，对数据进行全面分析，数据汇聚之后可进行质量追溯，解决问题数据来源问题，数据联网率从 20%提高到 90%以上，人力优化超 50%。来源：亿欧智库整理项目背景客户痛点方案配置工业实时数据库行业未来展望2实时数据库技术发展两大趋势30 实时数据库开发的理念是为了实现工业监控。其数据读取以及存储压缩能力作为核心功能一直在升级迭代，但是为了满足工业企业更高标准要求，突破原有应用场景限制，开辟新的增量市场，在技术层面首先需要和多种信息技术，尤其是边缘计算