制造業是一個古老而悠久的行業，它的起源最早可追溯到石器時代。從新石器時代簡單的工具，到今天復雜的智能工廠，制造業歷經千年發展，蛻變成了由技術驅動的創新行業，充滿各種自動化流程、始終互連的設備和數據豐富的流程。
(資料圖片)
“離散型”制造業面臨數據挑戰
在制造業中，通常有著“流程型”和“離散型”兩種區分?！傲鞒绦汀笔侵副患庸ο蟛婚g斷地通過生產設備，通過一系列的加工裝置使原材料進行化學或物理變化，最終得到產品。典型的流程生產制造業有醫藥、化工、石油化工、電力、鋼鐵制造、能源、水泥等領域?！半x散型”制造，則是指材料的生產過程通常被分解為多項加工任務。典型的離散制造行業主要包括機械制造、電子電器、航空制造、汽車制造等行業。
在整個離散制造業的現場有著太多的生產、物料、工藝以及人員數據。以前，離散制造業往往只能通過人工上報、手動填單等方式來進行數據收集。對于管理層而言，這些數據往往是不透明的、不準確的，或是滯后延遲的。離散制造企業本身從業務到管理，都亟需通過數字化進行優化和提升。
如何解決“離散型”制造業的數據挑戰？
工業數字化軟件供應商數益工聯，致力于打造基于“數據流+價值流”的離散制造業數字化軟件。數益工聯團隊以IE+IT為核心能力，實現產品和技術的雙輪驅動，已在十多個行業落成全球領先的數字標桿工廠公司。公司至今已獲得華創資本、高瓴創投、元生資本等知名機構的風險投資，累計融資額數億元，在上海、蘇州、廣州三地設有子公司，打造跨區域全國服務平臺。
數益工聯數字工廠系統（DFS，Digital Factory System）應用新一代的物聯網技術與豐富的現場交互手段，獲取工廠現場最實時、最真實、最有效的數據，不僅包含設備狀態、設備異常數據、設備生產數據等設備 IOT 數據，還包含人員的交互使用數據，如計劃報工、工藝、倉儲物流、質檢等核心生產管理業務的數據等。對管理層而言，通過數益工聯數字工廠系統，可以直觀看到清晰、直接的報表，從中發現數據的價值，繼而深入分析并采取行動，優化制造現場。
數益工聯數字化工廠架構面臨的挑戰
數益工聯數字化工廠架構圖
從架構上看，數益工聯數字化工廠主要分為四層：
第一層為物聯層，包括硬件和軟件兩部分。硬件主要為數益工聯自研的智能終端，軟件包括邊緣應用和物聯平臺。其中應用主要具備設備參數的采集、人臉識別等功能，以上應用均運行于智能終端。物聯平臺則主要承擔設備管理、配置和升級的相關工作。
第二層為應用層，包括 IOT 數據服務、核心服務、低代碼平臺。IOT 數據服務是接受物聯上報數據，計算設備開機率，異常等設備相關的服務，同時也是其他業務的數據源頭；核心服務包括了計劃報工、質量等數字化工廠服務；低代碼平臺主要包括了報表的可視化平臺、流程編排等功能。
第三層為大數據層，分成了大數據和算法兩個部分。大數據應用包括了成本控制、APS、工藝大數據；算法包括了人臉識別、時序分析等算法。
第四層為基礎架構層，作為基礎設施提供其他業務使用。主要包括了存儲、數據庫、中間件和云原生等部分。
數字工廠的數據源頭主要包括兩部分：
第一部分是 IOT 事件，包括了設備的開關機，物聯采集、異常等數據，這部分數據通過 mqtt 上傳到 IOT 服務進行處理，同時會推送到隊列中，方便后續的計算和存儲；
另一部分是業務產生的數據，包括了計劃報工、上下班等產生業務數據，主要通過 http 進行上傳和展示。業務數據會直接存放到數據庫中，同時將數據推送到隊列中。
數據存儲主要采用了 TiDB 和 Starrocks 兩個數據庫，除了時序相關的數據，業務數據都存放在了 TiDB 中。
隨著數益工聯業務規模的不斷增長，數據量變得愈發龐大，對于數據庫的穩定性也提出了更高的要求：
1、多數業務數據需要支持秒級延時，因此需要數據庫具有很高的并發能力；隨著業務的增長，數據量也會越來越大，需要數據庫具有良好的拓展性；
2、隨著數據量的增大，報表制作成本和難度變大，無法保證實時性。
為解決業務系統的性能瓶頸，提高數據庫的性能問題，數益工聯選擇了 TiDB 這一新型分布式數據庫實現重構。
數益工聯研發團隊在實踐過程發現，TiDB 許多優勢正好可以滿足數益工聯的需求：
TiDB 兼容性強，在實踐的過程中幾乎沒有遇到過不兼容的問題，除了少數默認編碼的問題。
支持云原生部署，可以通過 Kubernetes operator 來快速部署TiDB集群，具有完善的配套監控功能。
能夠實現自動化水平擴容，支持高可用，運維無需手動接入，極大地降低了運維成本。
支持 AP，TiDB 支持 TiFlash，降低部署復雜度，TiFlash 在億級別數據的查詢中，通常能達到 5 倍的加速。
TiDB如何助力數益工聯挖掘價值數據？
那么，數益研發團隊是如何使用 TiDB 實現對于工業數據的價值挖掘的？以工廠運轉效率的重要指標設備開機率為例，對于工廠而言，設備的開機率與生產效率息息相關，能否實時獲取開機率，機器是否實現了高效且合理的運轉非常重要。數益工聯團隊通過 TiDB 實現了以下功能：
開關機記錄：一條開機記錄表示記錄單個設備的一次開機時間和關機時間。這種記錄表，由于數據量過大，現在主要放在ES中。
開機率：表示在一段時間內的開機時間的占比，延時需要精確到秒級，這種數據現在轉換成時序的數據存放在 Starrocks，同時創建物化視圖，加速時間跨度大的查詢。
但隨著時間增長，團隊也遇到了以下問題：一是開機記錄和開機率數據不同源，導致數據容易不一致；二是Starrocks 存儲量大，占用了大量的計算和存儲資源。
因此，數益工聯數據團隊對于開機率進行了第三次改造：Starrocks 不再保存開機率的時序數據。時序數據量比較大，容易出現異常，導致數據不一致。數益工聯一方面將開機記錄存放在 TiDB 中；另一方面通過開機記錄來計算出開機率。
原先 ES 同步寫入容易引發業務寫入超時的問題，這次改造解決了 ES 數據寫入延時的問題，同時，也減少了 Starrocks 的存儲資源的占用。這次改造使得在在100 臺設備的應用場景中，一年能減少百 GB 級別的Starrocks 存儲；充分利用了 TiDB 的 HTAP 能力，通過 TiDB 的 HTAP 直接對開機記錄進行聚合查詢，降低了業務復雜度，給業務開發提供了很大的便利性。目前，TiDB 在線上運行表現十分穩定。
改造 TiFlash，實現 TiDB 物化功能
與此同時，數益工聯研發團隊也在進行一些定制化的改造。由于業務需要支持任意時間段查詢開機率的能力，因此需要按天對數據進行預聚合，但TiDB 不支持物化能力，需要借助業務邏輯來實現，加大了業務實現復雜度。隨著業務預聚合的需求越來越多，數益工聯研發團隊決定對 TiFlash 進行改造，實現 TiDB 物化功能：
1、每個基表根據物化語句生成物化表。
2、基表以分區為粒度進行聚合，當數據到達一定時間的策略的時候，會把整個分區進行聚合，放到物化表分區中。
3、查詢引擎自動判斷是否使用基表分區還是物化分區。
4、在和Tiflash團隊的交流中發現，需要解決重復計算的問題，因此數據需要多副本去重計算。
目前，在數益初步的單副本測試中，雖然還存在一些問題需要修復，但能看到 TiFlash 的物化功能展現了很大的潛力，相信將在未來多業務場景下發揮重要作用。
數據庫在制造業中扮演著至關重要的角色，它們為工廠提供了強大的信息管理能力，幫助工廠更好地挖掘數據的價值。TiDB 可以幫助制造業處理海量數據(603138)，提供高效的查詢性能，我們也期待幫助更多制造業用戶完成數字化轉型，從而提升企業的競爭力與效率。
【廣告】
（免責聲明：此文內容為廣告，相關素材由廣告主提供，廣告主對本廣告內容的真實性負責。本網發布目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，請自行核實相關內容。廣告內容僅供讀者參考。）
（責任編輯：劉暢 ）
