ITPub博客

首页 > 数据库 > 国内数据库 > 直播预告 | 流计算—让 AI 读懂实时数据

直播预告 | 流计算—让 AI 读懂实时数据

原创 国内数据库 作者:TDengine 时间:2026-11-20 15:23:48 0 删除 编辑

两批产品,同样的方案、同样的投料量,检验都合格,一批用了 60 分钟,一批用了 75 分钟。多出来的 15 分钟在哪个阶段?

这也是工业 AI 最常见的处境:数据一直在采,问题却回答不了。找时间、对测点、确认单位、关联和投料量,每一步都要人工来做;把原始数值直接交给大模型,又卡在三条上——数据流没有终点、数值没有业务范围、指标没有统一口径。

流计算做的事很具体: 把已经明确、需要反复执行的规则固定下来,在数据到达的同时产出 AI 能直接用、工程师能回去核对的指标和事件。

这场直播你会看到:

一、概念这一层,先分清

  • 窗口、特征、业务事件是三层,不是三个名词——窗口定义本次计算覆盖哪一段数据;窗口内的计算产生持续时间、均值、极值等特征;再结合设备、方案、过程含义,组织成业务事件

  • 窗口按业务问题选——固定 5 分钟的能效统计用时间窗口;批次长短不一,用批次号状态变化定边界的状态窗口;设备启动到满足稳定条件用事件窗口;只有一条记录确实对应一件产品,才谈得上计数窗口

  • 定义一次,持续产出——临时研究查一下历史数据即可,反复需要的计算就配成持续运行的规则。研究总耗时配总时长,研究差异出在哪个阶段,就配对应的阶段指标

二、两个场景,把方法走一遍

  • Demo 1:多出的 15 分钟落在升温阶段。在 IDMP 里找到同一台反应釜,确认方案、投料量和两批的起止范围,看到升温阶段从 20 分钟拉长到 35 分钟,保温与结束阶段时长一致、峰值温度同为 82℃。 差异定位了,原因还没证明——再让 AI 归纳差异、列出初始温度、加热功率、操作记录这些待验证的方向,最后回到原始曲线继续核对

  • Demo 2:同样供气 60 Nm³,B 机多耗 1.2 度电。单位供气能耗 = 同一窗口内的用电量增量 ÷ 供气量增量,供气量按标准体积口径。这个窗口里 A 机 0.10、B 机 0.12,B 高出 20%——它只是一个窗口的线索,不是节能承诺;要判断差异是否稳定存在,还要看连续窗口,以及负载分配、运行状态和计量数据

  • 触发和计算可以分开配。批次号决定边界,温度、压力等多个测点参与计算;设备、方案、单位这些业务含义,仍然要靠数据和配置补上

三、分工和落地

  • TSDB、IDMP、AI 各管一段——TSDB 保存时序数据并执行流计算,IDMP 把结果关联到设备、属性和生产过程,AI 协助整理分析,工程师根据数据核对事实、决定后续验证

  • 正常生产里同样有改善空间——批次耗时与节拍、过程一致性、单位产出能耗、设备启停,异常检测只是其中一类应用

  • 从一个具体问题开始——先明确要回答什么问题,再确定计算范围和指标口径,把结果组织进设备上下文,最后交给 AI 一个边界清楚的任务

AI 的结论要能回到数据:它提出解释和检查方向,确认原因还得靠证据。


直播时间:【2026年11月24日 (星期二) 19:00】


关注 TDengine 视频号,第一时间获取直播动态,不错过任何一期硬核内容

来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/70014783/viewspace-3189704/ ,如需转载,请注明出处,否则将追究法律责任。

下一篇: 没有了~
请登录后发表评论 登录
全部评论
TDengine 是一个 AI 驱动的物联网工业大数据平台,旗下有两款产品:TDengine TSDB——高性能、分布式的时序数据库和 TDengine IDMP——AI 原生的工业数据管理平台。

注册时间:2022-03-07

  • 博文量
    565
  • 访问量
    534645