TAOS Data用户8712
TDengine IDMP 应用场景：制丝工艺质量分析
输入“/”快速插入内容
TDengine IDMP 应用场景：制丝工艺质量分析
TDengine IDMP 应用场景：制丝工艺质量分析
用户8712用户87122025年10月25日修改
1.
简介
本文以打叶复烤工艺质量分析为例，介绍如何通过TDengine TSDB 与 TDengine IDMP 的一体化方案，实现从工艺参数采集到智能分析的全流程数字化管理，构建高效、智能、可追溯的打叶复烤工艺质量监控系统。
打叶复烤是卷烟原料加工的关键环节，其工艺质量直接影响后续制丝与卷包的稳定性和产品一致性。该环节包含打叶、加料、加热、除尘、复烤、冷却、加水、加香、储叶等多个子过程，涉及温度、湿度、风速、流量、烘丝温度、加水量、叶片厚度等核心工艺参数。
传统模式下，这些数据分散在各类SCADA系统中，形成“数据孤岛”，难以实现集中管理和质量追溯。通过引入 TDengine TSDB + TDengine IDMP 架构，可实现全流程数据的实时采集、集中管理、自动建模与智能分析，为工艺质量优化提供坚实的数据支撑。该方案具备以下几大优势：
1.
数据资产快速建模：
TDengine IDMP与TSDB无缝集成，支持以“单列模型”方式高效构建资产模型，并以树状结构展示工艺层级与设备关系，实现资产清晰可见、逻辑一体。
2.
无问智推与自动推荐：
无需编写脚本或复杂配置，IDMP 可基于数据情景化的知识自动识别打叶复烤场景，根据采集数据自动生成可视化面板与预警规则，让工艺质量一目了然。
3.
自然语言智能问数：
用户只需通过自然语言描述分析需求，无需 SQL 或脚本，系统即可自动生成分析报表与可视化面板，大幅降低数据分析的使用门槛。
2.
前提条件
1.
已完成 Docker 与 Docker Compose 的安装。本示例采用 Docker Compose 方式快速部署 TDengine IDMP服务，实现一键式启动与模块化管理。
2.
为本场景准备打叶复烤工艺质量模拟数据，模拟设备包括电子皮带秤与 HT主机。主要采集的数据点涵盖：批次标识、批次名称、牌号、缸内温度、缸内压力、蒸汽压力、蒸汽阀门开度、安全门开关、出口水分 等关键工艺参数。 示例样本数据文件为：，用于验证数据采集、入库与分析效果。
3.
KEPServer 环境已配置完成。本示例中服务器 IP 地址为 192.168.1.66，请根据实际部署环境进行调整。
3.
配置指南
3.1
快速启动 TDengine IDMP 服务
1.
克隆部署仓库： 执行以下命令，从 GitHub 克隆 TDengine IDMP 部署仓库：
代码块
git clone https://github.com/taosdata/tdengine-idmp-deployment.git
2.
通过 Docker Compose 启动服务：进入部署目录并使用 Docker Compose 启动服务：
代码块
cd tdengine-idmp-deployment/docker
docker compose -f docker-compose-tdgpt.yml up -d
3.
该命令将自动拉取所需镜像（若本地未缓存），并以后台模式启动 TDengine IDMP 与 TDengine TSDB 服务。本示例使用包含 TDgpt 的部署文件，可在 AI 面板中体验 时序数据预测 与智能分析功能。
4.
访问服务界面： 服务启动后，可在浏览器中访问以下地址：
◦
IDMP 管理界面：http://<ip>:6042
◦
TSDB 管理界面：http://<ip>:6060
5.
3.2
在 TSDB 实例创建 DB
1.
通过taosExplorer或者命令行创建数据库idmp_demo_cutting。
3.3
KEPServer 配置
在系统中新建 ODBC 数据源CSV_tobacco_cutting，选择驱动Microsoft Text Driver (*.txt; *.csv) ，选择数据集所在的目录。注意需为“系统 DSN”。
在 KEPServer 添加通道制丝工艺质量Demo，Advanced Simulator驱动，【Data Source】选 CSV_tobacco_cutting
添加设备制丝工艺质量，选择对应的数据集tobacco_cutting_data.csv,【Record Selection Interval】设置为5000ms。
。 将该点位表导入系统后，删除自动生成的默认点位，最终在KEPServer中得到规范化的点位结构，如下图所示。