AI 原生的

工业数据管理平台

基于采集的数据，TDengine IDMP 能自动感知应用场景，无需提问，就自动生成看板、报表，自动进行实时数据分析，自动监测异常，让您拥有一个工业智能体，实现零依赖的实时决策革命。

无需您提问，基于采集的数据，TDengine IDMP利用LLM，自动感知应用场景，自动生成场景特有的的指标、可视化看板、报表和实时数据分析。无需业务知识的多年积累，无需主动查询，核心洞察主动推送。

除AI主动推送的看板、分析之外，您还可以用自然语言主动提问与数据相关的任何问题。无需数据分析师、IT工程师的帮助，AI基于采集的数据实时给予答案，您即可形成行动方案。从提问到决策，分钟级闭环。

与TDengine时序数据库一起，为工业数据管理，提供从数据采集、清洗、情境化、标准化，到存储、查询、实时分析、预测、异常检测，再到可视化、事件管理等全栈的解决方案。架构极简，运维轻量化。

提供单点登录，提供基于角色的权限控制、提供数据模型的版本控制，支持数据备份、异地容灾和实时分发，支持虚机、容器部署，支持Windows与Linux, 能与MES、ERP、AI等企业应用系统无缝集成。

Industrial Data Modeling

IDMP 通过树状层次结构对物理或逻辑实体进行数字化映射。通过定义实体类型、属性及关联关系，它将碎片化的传感器、设备、系统数据统一为具有业务语义的 “数字孪生”模型。模型支持动态扩展节点结构，自动同步实体的拓扑变化，并记录完整数据血缘关系，为数据价值挖掘提供可扩展、可追溯的结构化基础。

Data Contextualization

赋予工业数据业务语义，将原始采集的数据动态关联至具体业务实体，通过定义KPI指标、设备状态等业务属性、添加位置/组织/极限值/类别等各种维度标签，使低价值运营数据转化为可理解的业务对象。支持按需扩展情景维度，实时映射物理世界变化，消除数据与业务认知的断层，为分析提供直接可用的业务视角。

Data Standardization

构建工业数据的统一治理框架，通过实体模板预定义设备/资产的属性、分析、看板规范，利用事件模板标准化告警/工单的触发逻辑与格式，并基于物理单位转换引擎自动统一多源异构数据的计量体系。消除因命名冲突、单位歧义导致的数据认知偏差，确保跨系统、跨周期数据的可比性与一致性，为分析提供零歧义的基准数据源。

Industrial Data Visualization

通过AI场景感知引擎，自动识别应用场景及业务焦点，动态生成可视化看板，提供决策依据。系统通过实时分析数据特征与业务上下文，主动推荐最优图表组合，彻底消除手动配置门槛。即使无业务背景，用户也能即时获取关键指标预警、性能对标与异常定位视图。当然也可以主动提问或手动创建看板。

Real-time Analytics

基于采集的数据以及业务上下文，AI动态推荐实时分析。支持毫秒级响应，由多模态触发引擎驱动——定时轮询、数据输入、事件、状态切换等均可实时启动计算。采用流式计算框架，执行表达式计算、时间窗口聚合及跨设备数据聚合。即使无业务知识，用户也能获得实时分析结果，便于业务决策。

Event Management

将实时分析结论自动转化为可执行事件、并设定事件级别，还通过智能路由引擎实时推送消息至责任人，并可要求其确认。支持一键穿透事件上下文：直接关联触发时刻的设备属性快照，自动拉取关联测点事件前后趋势变化曲线，帮助用户秒级定位异常演变脉络，大幅压缩故障停机和决策延迟。