小T导读：梅州卷烟厂成立于 1980 年，是梅州地区的重要支柱企业，也是广东中烟工业有限责任公司主要生产厂之一，承担着“双喜五叶神系列”“双喜春天系列”等重点品牌的制造任务。2024 年，梅州卷烟厂启动制丝中控系统数字化升级改造，引入 TDengine TSDB 构建高效的数据存储与分析平台，在保障系统稳定性与快速响应的同时，显著降低了硬件投入与运维成本，为烟草生产过程的精细化管控和工业大数据平台建设提供了可靠支撑。
背景和痛点
所谓“制丝技改”，即制丝生产线技术改造，是指运用新技术、新工艺、新设备对传统的卷烟制丝生产线进行升级和改造，以达到提升产品质量、提高生产效率、降低消耗、保障安全、实现智能化生产等目标。
制丝是卷烟生产的“心脏”环节，其工艺水平直接决定了卷烟产品的内在质量、风格和稳定性。制丝车间工艺复杂、设备众多，在技改中通常会部署大量的传感器（如温度、湿度、流量、压力、重量等）和智能设备。
这些设备持续产生规模庞大、特征鲜明的数据：
- 数据规模大、采样频率高：一条制丝线可能有成千上万个监测点，采样频率从秒级到毫秒级不等，日均数据量可达 GB 甚至数十 GB。
- 典型时序特征：所有数据严格与时间戳绑定，按时间顺序连续产生与写入。
- 写入高度密集：系统中 95% 以上的操作为实时数据写入，对数据库的写入吞吐量要求极高。
- 读取分析导向：读取操作多为基于时间段的聚合查询，而非随机单点查询。
- 价值密度低：单个数据点的价值有限，其价值体现在长期的整体趋势分析和批量处理中。
为什么选择 TDengine TSDB
随着生产线智能化水平不断提升，制丝车间传感器数量持续增长，需要对温度、水分、重量等关键参数进行实时采集与分析。 原有系统架构在历史数据存储能力和扩展性方面逐渐暴露出瓶颈，已难以支撑制丝车间 10 万级测点、万亿级数据规模下的长期存储与高效查询，制约了后续数据分析与业务深化。同时，原有系统接口形式相对单一，高并发访问易导致系统堵塞，影响实时数据写入与处理效率，数据管理能力和系统稳定性均面临挑战。
为解决上述问题，我厂制丝车间计划构建一套数据平台。在技术选型过程中，我们评估了多种方案：若采用 Hadoop 作为底层架构，其体系过于庞大复杂，运维及开发所需专业技术门槛较高；而国外传统实时数据库产品，难以适应新兴工业互联网架构要求，在可扩展性与查询效率方面存在明显局限。
经综合比较，我们选定 TDengine TSDB 作为平台核心时序数据库。该产品在时序数据建模、写入与查询性能方面与工业互联网的系统架构高度契合，能够稳定支撑大规模测点和高并发数据接入需求。同时，TDengine 提供了较为完善的生态与工具体系，在降低应用开发复杂度和实施成本的同时，也满足了制丝车间对数据平台稳定性、高性能与易用性的整体要求。
具体来说，TDengine TSDB 在工业数字化场景下的显著优势可归纳为以下几点：
- 高性能与高扩展性：TDengine TSDB 专为时序数据设计，显著提高了写入查询性能。其分布式架构支持水平扩展，能够轻松应对制丝车间万亿级数据量的存储与处理需求。
- 超级表概念：作为 TDengine TSDB 的核心设计之一，可为同类型设备统一定义超级表，每个具体传感器实例对应一个子表进行数据写入与管理。这使得管理和查询同类设备的数据变得异常简单和高效，非常适合制丝线上大量同类型传感器的场景。
- 易用性与丰富的接口：支持标准 SQL 的语法，并针对时序数据进行了扩展，降低了学习和使用的门槛。支持 RESTful API、JDBC、C/C++、Python、Go 等多种编程语言接口，可以方便地与制丝线的 MES、SCADA 等上层系统以及基于 Java/Python 等开发的数据分析平台集成。
通过引入 TDengine TSDB，我们能够以更低的成本、更高的效率，可靠地管理和利用制丝生产线产生的海量时序数据，为生产过程的数字化、透明化和智能化奠定了可靠的数据基础，进而支撑产品质量提升、工艺运行稳定以及整体运营成本的持续优化。
TDengine TSDB 的落地实践
我们于 2024 年 3 月开始应用 TDengine TSDB。初期采用 3 节点集群部署，数据库版本为 3.1.1.26，并通过 1 台 Nginx 实现负载均衡与访问转发。随着采集点位规模持续扩大，系统逐步进行扩展与升级，将节点硬件配置提升至 48 核 / 48GB 内存，同时将数据库版本升级至 3.3.4.10，以更好地支撑数据规模增长与性能需求。
TDengine TSDB 节点配置如下：
制丝集控建库参数：
1 个点位数据存放在 1 张子表里，目前已创建 3 万多子表：
按采集类型分别建超级表，超级表结构示例如下：
实践效果展示
基于 TDengine TSDB 构建的制丝集控系统，已成为我们工厂推进智能化升级与精益生产的重要基础。该系统并非单一的控制软件，而是融合数据采集、分析处理、过程控制与协同管理的一体化综合平台，推动车间生产管理模式由经验驱动向数据驱动转变。系统建设的核心目标在于以数据支撑生产决策、以智能化手段保障过程稳定，重点解决了传统生产中依赖人工经验、系统间信息割裂以及质量控制反馈滞后等问题。
目前，系统在 3 台 taosX 节点上共配置 60 余个采集任务，已接入制丝车间各类设备数据 3 万余个测点，后续随着系统扩展，采集规模预计将提升至约 6 万个测点。
- taosExplorer 里配置的数据采集任务如下图所示：在数据接入页面配置了叶丝处理切丝、叶片处理加料、真空回溯等工艺段的数据采集任务。
- 制丝数据采集配置：在制丝数据采集中心可查看当前的数据采集配置。
- 采集到的电机状态数据展示：如下是采集的某工艺段电机数据，包括电机状态，电机电流，电机功率等数据。
- 电机历史数据查询展示：可以在电机历史数据查询页面指定开始和结束时间查询采集到的各项历史数据。
采用 TDengine TSDB 构建制丝集控系统并投入运行后，我们工厂在多个方面取得了显著成效：
- 生产更稳定高效：生产断流风险大幅降低，全流程自动化衔接提高了整体效率。
- 质量更精准可控：关键工艺参数实现智能化、精细化控制，产品均质化水平显著提升。
- 管理更科学透明：生产过程数据化、可视化，使管理决策从经验驱动转向数据驱动。
该系统已成为我们厂推进制造向“智”造升级的重要支撑。通过夯实统一的数据基础，不仅有效缓解了当前生产与管理中的关键瓶颈，也为后续持续优化、技术创新和高质量发展构建了核心能力。
经验分享
数据采集时间戳对齐
TDengine TSDB 默认支持毫秒级时间精度，即时间戳（ts）字段精确至毫秒。在采用单列模型的 OPC UA 数据采集方案中，每个采集点位的数据存储于独立子表中。
在实际业务中，部分查询场景需要同时从多张子表中获取同一时刻的数据，因此通常会基于 ts 字段进行关联查询。但由于采集频率为每秒一次，而ts字段记录至毫秒级，不同子表中同一秒内的数据在毫秒位上可能存在细微差异，导致无法直接完成关联。
为解决该问题，我们在采集任务配置文件中新增 ts_transform 列，并将其设置为 ts / 1000 * 1000。该表达式先将时间戳除以 1000 取整，再乘以 1000，从而将毫秒位统一归零。调整后，各子表间的ts字段可在秒级上完全一致，进而实现跨表关联，满足了多点位同步分析的业务需求。
将时间戳字段做转换后的效果如下：
OPC UA 数据采集实践
在基于 taosX 的 OPC UA 数据采集场景中，每一个采集任务在运行时都会独立占用一个线程。若在单个采集任务中配置过多采集点位，会直接拉长任务的执行周期，从而增加整体采集延迟。因此，在采集任务规划阶段，需要对点位数量进行合理拆分与均衡分配。根据实际运行经验，为保证稳定的秒级采集能力，建议将单个采集任务的点位数量控制在 1000 个以内，以有效降低单任务的采集时延，保障整体数据采集的时效性。
当需要具体分析数据采集链路或排查采集异常时，可通过以下步骤获取详细日志：在对应采集任务的高级配置选项中，启用“保存原始数据”功能。开启后，采集器会将从数据源获取的原始数据流实时写入磁盘文件。该文件可用于后续的详细分析与问题诊断，为定位采集延迟或数据丢失原因提供依据。
未来规划
我们是较早基于 taosX 开展 OPC UA 数据采集实践的用户之一。从涛思研发团队首次进场完成采集验证，到交付团队多次赴梅州开展集群部署、版本升级及数采停产改造，项目在不同阶段都经历了实际运行环境的检验。针对过程中出现的各类问题，涛思团队均能够快速响应并持续优化，实现了对 taosX OPC UA 采集能力的不断完善，展现了强大的技术实力和专业的售后服务。
在此过程中，我们也逐步积累了较为系统的实施与运维经验。目前，TDengine TSDB 集群及数据采集系统已实现稳定运行，在实际生产环境中真正做到了零代码数据采集。同时我们也期待后续开展更多合作，进一步拓展 TDengine TSDB 在动力系统、能源管理等更多业务场景中的应用。
关于梅州卷烟厂
梅州卷烟厂的历史最早可以追溯到 1939 年创办的海源、复兴卷烟厂，是梅州当地的支柱企业之一。自“五叶神”品牌推出至 2023 年，累计实现工业产值超 1000 亿元，上缴税收约 600 亿元，其纳税额曾多次位居广东省纳税百强企业前列。企业曾荣获“广东省先进基层党组织”称号，并涌现出“全国工人先锋号”、“全国劳动模范”等一批先进集体和个人。
作者 | 梅州厂制丝车间
