1.中航機載共性業務場景

中航機載系統共性技術有限公司（以下簡稱中航機載共性）隸屬于中國航空工業集團有限公司（中央管理的國有特大型企業），是航空工業為推進落實國家重大戰略，實現機載系統研制戰略轉型、健康發展而全資設立的直屬研究機構，是航空機載產業關鍵共性技術研究的國家隊。中航機載共性主要通過機載系統關鍵共性技術研究，制定機載系統研制體系，研發機載系統研制管理及工具系統、機載系統研制的仿真驗證系統，建立支持機載系統協同研制與生產制造的工業互聯網環境，并通過該環境向用戶提供相關服務。

機載系統智能制造是在數字化技術和制造技術的深度融合的背景下，根據分配至系統的飛機級需求，通過對數字化設計、數字化生產、數字化管理及人工智能技術等的綜合運用，實現對機載系統產品快速生產，進而制造出滿足用戶需求、適航要求、商業成功的機載產品的全過程。目前隨著多類民機型號研制的全面推進，我國民機產業發展迎來關鍵時期，而在機載系統的智能生產制造環節目前國內存在空白，迫切需要實現以智能制造體系及標準規范為引領、以關鍵制造系統智能化為核心、以工業互聯網為支撐、以智能工廠為應用對象、以最終產品滿足適航要求獲得商業成功為最終目標的機載系統智能制造系統，解決機載系統的生產制造問題，并開展應用示范，從而實現機載系統生產制造的自主可控，為機載產業戰略轉型提供支持。

因此，中航機載共性構建了面向機載系統產品生產制造的智能云制造系統，覆蓋云、邊、端多層級，完成了端側智能化工廠數據采集，邊緣側數據預處理和云端播發，云側數據中心、協同管控、智慧決策等多個子系統構建，實現異地工廠端與云中心側的分布式數據互通和統一管理。基于 IoTDB自身的先進特性，中航機載共性選擇 IoTDB作為智能云制造系統，實現海量制造、產能數據低延遲采集、低成本存儲、多場景治理，達到制造過程云化、資源供給中臺化、數據應用智能化。

2.業務需求痛點

2.1云制造設備層次復雜

智能云制造系統涵蓋機電、航電、飛控等領域，各領域包含能源、雷達、電子顯示等多類子系統，各子系統又包含多個模塊（如控制系統可能包含發動機控制、飛行導航等模塊），多品種、小批量的生產模式使系統的組織結構和產品的交聯關系相對龐雜。因此，智能云制造系統數據層級關系、數據結構復雜，亟需層次化高效存儲模式。同時現場設備協議、接口多樣化，難適配，需要強大的協議庫生態實現對現場各種工業設備的協議支持。

2.2現場數據質量差，查詢難

機載產品工業現場環境復雜多變，由于數據同步周期不一致、系統延時、網路阻塞、弱網斷連等問題，會導致大量亂序數據產生；由于采集設備故障、現場設備宕機、網絡中斷、工人誤操作等問題，也可能導致數據缺失。亂序和缺失的原始數據導致數據存儲和查詢效率低下，亟需數據庫軟件有效對原始數據進行預處理。

2.3數據量巨大，存儲成本高

航空設備安全性要求極高，適航審定對制造和設計的一致性要求高，迫切需要大量數據支撐。而考慮數據備份等安全措施，智能云制造數據存儲成本也相對較高。以每家工廠接入終端設備為 200臺，每臺設備傳感器可采集物理量點位數 25個，每個測點變量所占空間為 22字節，數據頻率為 2Hz的最小值測算，每年所需存儲空間約 176.68 TB，考慮存儲服務器的高可用性備份，需每年至少新增約 350 TB的存儲空間，粗略估計耗資逾百萬，亟需實現高效數據壓縮，降低存儲成本。

3.選型 IoTDB原因

IoTDB由于其存儲結構、數據接口、異常數據處理、壓縮比、用戶功能函數（UDF）上的優勢，經中航機載共性評估，能全方位解決工業實時數據獲取、存儲和查詢問題。

3.1業務適配的存儲結構

針對云制造復雜系統關聯的工業數據庫存儲問題，IoTDB的樹狀 Schema架構以物聯網常用層級（設備、測點等）存儲數據，和當前機載制造的“系統-子系統-模塊-制造單位-工廠-產線-設備-傳感器”的多層次結構相符，降低開發/運維人員理解成本，便于智能云制造系統進行數據管理、數據查詢與架構擴容。

3.2支持多協議數據接口

針對機載產品制造現場設備協議、接口多樣化，難適配的問題，IoTDB生態提供了多種類的數據接口，如  MQTT、HTTP、ModBus等，且團隊聯合業內多家單位持續進行工業協議開發，能支持智能云制造系統多種類、多協議的數據采集、協議遷移和適配。

3.3亂序、缺失數據有效處理

針對智能云制造系統亂序數據、缺失數據導致存儲、查詢難度大的問題，IoTDB針對數據亂序到達實現了多種優化，如寫前保序、寫后重排、時間序列對齊等多種手段，在存儲層面消除亂序數據，避免影響后續操作。同時，針對數據缺失，IoTDB提供了用于插值計算的 UDF，可方便地進行數據補齊。

3.4實現高壓縮比，高效數據清洗

針對智能云制造系統數據量巨大，存儲與傳輸成本高的問題，IoTDB提供稀疏索引機制和多元序列存儲機制，能夠實現海量數據的高速寫入和查詢，并且可基于數據特征可進行多種類型的數據壓縮，能實現高壓縮比，降低存儲成本。同時，IoTDB提供的數據清洗 UDF能夠一鍵進行邊緣數據清洗，有效減少云端和通信鏈路的數據傳輸壓力。

4.解決方案架構

中航機載共性構建的智能云制造系統囊括端側制造現場、邊緣層數據處理、云側數據智慧管理多層級，覆蓋了機載智能制造數據流通全鏈路，包括設備數據采集、邊緣網關轉發、分布式數據存儲、企業業務效能評估、數據分析建模、可視化預測監控、智慧決策應用等功能模塊，以便實現對于工廠現場制造、加工、物流等設備數據的邊緣采集及邊緣處理需求、生產制造過程中產生數據的完整高效存儲需求、及對云上業務系統與數據中心的數據交互、調用需求。因上述 IoTDB選型優勢，中航機載共性將 IoTDB應用于機載智能云制造系統的研制過程中，在端、邊、云三方面的相關系統平臺中均進行了采集、存儲、應用的落地實踐。

在端側制造現場，中航機載共性基于通用數據協議的統一數據采集框架（協議庫），構建了航空工業現場專用數據采集流程。IoTDB兼容 OPC UA、ModBus、MQTT等多類現場采集協議，并可穩定保持千萬數據點秒級寫入吞吐量，能夠進行工廠側數據全量、長時間本地緩存，并提供亂序、缺失數據預處理等功能。同時，中航機載共性研發了多種構形的數據采集套件，部署到位于南京、上海、西安的多個智能工廠中。IoTDB應用于多類采集套件，幫助實現多協議數據解析及邊緣層數據存儲，處理結果可進一步支持健康監控、指令下發等下游功能。

在云側數據層，中航機載共性將 IoTDB作為核心組件，應用于多個分布式數據中心中。分布式數據中心將儀表、設備、MES、ERP等數據源通過流處理與批處理匯總進入包括結構化數據、非結構化數據的數據湖進行存儲，并通過多類規則定義與建模驗證進行進一步的數據治理，再通過流處理與批處理進行數據成果應用。分布式數據中心搭建 IoTDB集群，依靠 IoTDB的行列混合存儲特性實現高速時序數據寫入，并運用 IoTDB的 TsFile的數據特征分列存儲特性，實現高壓縮比時序數據存儲。同時，IoTDB可與數據中心中的 Flink組件、HDFS組件無縫集成，有效打通時序數據上下游生命周期，實現高效分布式數據集成。

在云側企業層及智慧層，數據應用系統中的大數據分析平臺、數字孿生系統、可視化服務中心，協同管控系統中的制造業務管理系統、生產效能管理系統均使用 IoTDB進行數據采集、存儲，為智能云制造系統實現計劃管理、質量管理、適航管理、智慧排產等降本增效功能提供底層數據支撐。

5.應用場景舉例

面向航空機載云制造場景全流程，本文選取了不同層級的應用系統作為場景舉例，涵蓋應用層的數據應用系統、協同管控系統，產線層的 PCS產線管控系統，與設備層的核心參數灰度預測。

5.1應用層 -協同制造管控及數據應用子系統

通過 KAFKA協議和 HTTP協議，IoTDB負責存儲大數據分析平臺、數字孿生系統、可視化服務系統、制造業務管理系統、生產效能管控系統中的多類生產流程、產能監控、訂單情況的實時數據，包括建模階段及入庫狀態、工藝流程、工序準備及加工時間、設備狀態參數、供應商信息、訂單信息、生產成本、產能負荷、合格品數量、不良率、使用率、直通率等，方便后期進行數據分析，實現智能云制造系統對生產流程的智慧決策與產能優化。

IoTDB相比中航機載共性以前的數據存儲方案實現了多項優化，如支持數據直取直用，可以保障數據被消費的同時進行數據存儲，且不影響寫入存儲和查詢分析性能。同時，中航機載共性生產數據之前為即用即丟模式，或采用覆蓋模式在關系型數據庫中存儲，無法回溯歷史記錄，且因數據體量龐大，僅支持存儲部分主要指標項。引入 IoTDB后，多類系統平臺數據可高效完成全量指標存儲及歷史數據回溯。

5.2產線層 -  PCS產線管控系統

面向產線級的數據分布式采集，中航機載共性使用 IoTDB實現了對于 PCS產線管控系統相關數據的采集、存儲、管控。通過 MQTT協議，IoTDB負責存儲海量產線設備運維數據，如生產設備編號、設備運行狀態、進給倍率、實際進給速度、主軸倍率、主軸負載、主軸轉速、機械臂狀態等，以加強產線生產效能控制，保障設備實時檢修與產能最大化。

之前中航機載共性產線層僅配備 SQL Server數據庫，寫入與存儲性能十分受限，所以大量實時數據因暫時缺乏明確的使用需求，采用即用即丟模式。采用 IoTDB后可以針對產線設備數據進行長期存儲、毫秒級查詢，同時也給工廠側基于歷史數據的預測類需求，如刀具壽命研究、預換刀研究提供了數據源，長線上幫助維持、提升產線效能。

5.3設備層 -設備故障灰度預測

中航機載共性基于 IoTDB的 UDF進行多類型的數據治理應用，并提供通用的數據管控、數據治理模型接口，實現多種對外服務形式。例如，基于 IoTDB提供的 UDF功能，中航機載共性實現了異常數據的灰度預測。針對智能云制造系統需要對生產過程進行異常數據預警、指標監控等需求，中航機載共性構建已知部分參數特征的灰度系統并形成模型算法，并采用 IoTDB的 UDF進行封裝，方便工廠側、設備側的應用軟件進行調用。選擇對應工廠、設備需要預測的核心數據后，結合 IoTDB采集存儲的時序數據，可使用 UDF方便地生成該數據未來趨勢預測，判斷是否超過閾值，實現快捷、準確的生產過程監測。

6.應用效果及未來展望

以 IoTDB為核心的智能云制造系統初期已完成對典型單位的有限范圍推廣使用。多家應用廠商均對 IoTDB在降低存儲成本、降低高安全數據鏈路成本、降低突發宕機事件、提高經營效率等方面的效用表示了認可，IoTDB為各廠節省存儲資源、服務費用 8萬元 - 74萬元不等，降低人工成本 20 - 40人天，有效提高了各廠商的設備研制、測試、調試、故障數據采集和分析效率。

中航機載共性希望在未來能進一步推進 IoTDB在航空制造領域的應用，通過接入更多的工廠及 IoTDB在智能云制造系統構建更多的應用，向更多不同的工廠提供數據管理解決方案。同時希望構建組織級的制造大數據中心，通過不斷擴容保障實時數據高效存儲，最終形成基于 IoTDB的行業解決方案，向不同單位進行推送，計劃三至五年實現覆蓋整個航空領域的智能制造產業鏈，形成完整解決方案生態。

未來，以每家工廠接入終端設備為 200臺，每臺設備傳感器可采集物理量點位數 25個，每個測點變量所占空間為 22字節（工廠代號占 4字節、設備代號占 4字節，時間戳占 6字節，數據值占 8字節），數據頻率為 2Hz的最小值測算，每年所需存儲空間約 176.68 TB，每年至少新增約 350 TB的存儲空間。按照市場存儲空間收費 0.8/GB*h計算，每年需要額外增加 336萬存儲費用。IoTDB數據庫壓縮率可達 10倍，與 InfluxDB相比，空間占用僅為其 30%，估計可節省硬件開支約 200萬元/年。

天謀科技簡介

天謀科技（Timecho）成立于 2021年 10月，是行業領先的時序數據庫管理系統及相關服務的提供商，現已獲得近億元人民幣天使輪融資。公司由 Apache IoTDB核心團隊創立，團隊聚焦大數據底層技術軟件研發，針對企業組建物聯網大數據平臺時所遇到的數據體量大、采樣頻率高、數據亂序到達、分析需求多、存儲與運維成本高等多種問題，為企業提供海量時序數據管理的高效解決方案。目前，其物聯網原生時序數據庫管理系統已在國家電網、國家氣象局、中航成飛、中核集團、中國中車、長安汽車、金風科技等企業廣泛應用。