一、客户背景
中冶赛迪信息技术（重庆）有限公司是中国五矿旗下数字化、智能化板块的重要企业，长期深耕钢铁、有色、矿山、化工、机械、建筑和建材等流程工业领域。公司依托在冶金工程、生产工艺和工业自动化方面的长期积累，建设了 CISDigital 工业互联网平台，并持续推动智能生产运营中心、智慧管控平台和工业人工智能应用落地。
在钢铁等流程工业中，生产过程连续、设备类型复杂，PLC、DCS、SCADA、传感器和设备控制器持续产生大量时序数据。这些数据覆盖码头、料场、焦化、高炉、转炉、精炼、连铸和轧线等生产环节，是在线监控、质量追溯、能耗优化、故障诊断和生产决策的重要基础。
为了打通现场设备数据与生产业务，中冶赛迪信息在 CISDigital AIoT 平台中引入 Apache IoTDB，后文简称 IoTDB，作为工业时序数据的统一存储与加工底座，将分散、异构、高频的现场数据转化为可信、可计算和可复用的工业数据资产。
二、面临挑战
现场设备来源复杂，数据接入与管理难度高
流程工业现场包含大量不同年代、不同厂商的自动化设备，数据来源覆盖 PLC、DCS、SCADA、MES、LIMS 和各类传感器。不同设备采用的通信协议、采样频率和点位命名方式不统一，新设备和新产线接入时往往需要进行定制开发。随着项目规模扩大，平台需要同时保障海量点位的持续接入、稳定写入和状态监控。
采集模型与业务模型割裂，数据难以形成统一资产
现场采集数据通常以点位为基本单位，但生产管理需要按照设备、工序、产线和业务对象理解数据。由于设备编码、时间戳、数据口径和点位语义不一致，业务人员很难直接使用原始数据。同时，现场数据还会出现缺失、跳变、漂移和迟到等质量问题。如果缺少统一治理，这些问题将进一步影响指标计算、模型训练和生产决策。
海量时序数据长期积累，实时性与成本难以兼顾
钢铁生产数据以毫秒级、秒级频率持续产生，并需要长期保存。平台既要承受高频写入，又要支持实时查询、历史追溯、聚合降采样和跨设备分析。实时数据与多年历史数据并存，使存储容量和计算资源持续增长。传统存储方式难以同时满足实时处理、长周期保存和成本控制要求。
跨工序分析复杂，数据价值难以充分释放
钢铁生产具有较强的连续性和工序耦合关系。产品质量、能源消耗和设备故障通常不是由单个测点决定，而是多个设备、工序和时间窗口共同作用的结果。原始点位数据缺少业务语义，难以直接用于人工智能训练和生产优化，数据从“采集保存”到“业务使用”之间仍存在较长距离。
三、IoTDB 解决方案
中冶赛迪信息以 IoTDB 为 CISDigital AIoT 平台的时序数据存储与加工核心，围绕统一接入、数据治理、时序计算和数据服务构建完整的数据处理链路。
统一承载海量工业时序数据
CISDigital AIoT 平台通过直采连接、边缘网关和第三方网关等方式接入现场设备，并基于自主建立的协议扩展框架，满足不同工业项目的定制化接入需求。进入平台的生产数据统一写入 IoTDB，形成面向设备和时间组织的工业时序数据底座。
IoTDB 支撑高频生产数据的持续写入、压缩存储和历史查询，使实时数据与历史数据能够在同一体系中管理。平台再通过聚合、降采样和冷热分层等策略，平衡数据实时性、保存周期与资源成本，为生产监控和历史分析提供统一数据来源。
建立从原始点位到业务模型的数据加工体系
现场原始数据进入平台后，首先完成类型转换、异常识别、缺省补充和质量修复；随后通过复合计算、窗口切片、聚合降频、信号提取、流计算和脚本计算进行深度加工；最终按照属性、行为、规则和关系建立业务模型。
平台采用统一的数据质量码贯穿实时清洗和离线重算过程，同一套数据处理算法可以复用于不同任务，使数据质量问题可识别、可审计和可回退。通过这一流程，低质、碎片化的现场点位数据被转化为具有设备、工序和业务语义的可信数据。
构建面向业务的数据资产与服务体系
CISDigital AIoT 平台将经过治理的数据进一步沉淀为可检索、可分析和可调用的数据资产。业务人员可以查看资产信息、字段定义、血缘关系、数据质量和更新频率，并通过数据下载、交互分析、API 接口、工业报表和组态页面等方式使用数据。
平台还引入 AI 智能助手作为时序数据应用入口。业务人员可以通过自然语言查询点位、生成趋势曲线、进行关联分析和异常检测，也可以直接描述数据加工需求，由系统自动创建计算任务，降低时序数据分析和应用开发的技术门槛。
四、方案效果与价值
平台通过 Grafana 对600余项核心运行指标进行可视化监控，实现7×24小时风险监测。在部分大型项目中，平台已接入3.8万余台设备和28万余个数据点，为全工序生产协同提供数据基础。
基于统一的时序数据底座，CISDigital AIoT 已落地在线监控、全流程温度管控、工艺配方优化和高炉炉况分析等应用。在线监控场景能够实时采集关键数据并进行秒级响应，结合判异规则自动发现异常、推送报警；炼钢温度管控场景则贯通生产前标准制定、生产中实时跟踪与预测推荐、生产后分析优化，为铁水调度、精炼加热和温度制度改进提供依据。
在河南心连心复合肥项目中，平台打通全流程生产数据，将工艺经验沉淀为配方和生产决策模型，使配方优化与产线调控从依赖经验、以天计算，转变为数据驱动、实时响应。项目为集团创造年效益超过3000万元，库存降低10%以上。
通过引入 IoTDB，中冶赛迪信息实现了工业现场数据从统一接入、可信治理到智能应用的完整闭环，为流程工业在线监控、生产优化、故障预警和人工智能模型训练提供了稳定的数据基础。
