1.? 業務背景

德國普戈曼公司（pragmatic industries GmbH，以下簡稱普戈曼）是一家位于德國的 IT 服務和咨詢公司，專注于為工業領域提供物聯網解決方案，利用時序數據庫等軟件幫助企業處理和分析工業數據，以優化工業物聯網應用中的現有流程，提高生產效率與產品質量，并節約能源和資源。

不同于中國工業數字化進程的高速推進，德國工業數字化轉型進程相對緩慢。其勞動力平均年齡約為 45 歲，且員工普遍缺乏 IT 經驗。此外，工廠設備平均使用年限超過 11 年，設備資產老舊問題突出。這些因素導致企業難以有效應用數字化技術，尤其在時序數據的工業場景化使用中存在明顯障礙。

此外，多數德國企業未建立專門的數據分析團隊，缺乏數據科學家深度挖掘時序數據價值，大多更專注于傳統的工廠管理流程。因此，企業更傾向于執行時序數據聚合操作，使設備操作員、班組管理者及工廠經理能夠直觀獲取并理解數據信息。

德國勞動力與設備平均年齡

在時序數據庫選型方面，中國企業側重數據寫入存儲性能與高階分析能力，而德國企業則更關注以下維度：

易用性：降低非數據庫專業人員使用門檻，簡化典型數據聚合操作。

開放性：支持二次開發，具備廣泛適用性，適配多行業場景需求。

全棧集成：能夠與不同應用框架相結合，覆蓋數據采集、計算到可視化評估全流程，提供完整解決方案。

基于以上要求，普戈曼選擇時序數據庫 IoTDB 作為多個工業物聯網重要項目數據管理系統的核心。IoTDB 簡便易用的功能特性和集成生態的便捷性，支撐德國鐵路與寶馬構建數字化監控與流程管控系統，實現設備數據到業務決策的全鏈路閉環。

2.? 解決方案框架

考慮到德國主要為傳統開發人員操作時序數據庫 IoTDB，普戈曼選擇了在網絡開發領域較為普及的 Django 開源 Web 應用框架，與 IoTDB 集成形成 Django_IoTDB 框架。該框架內置抽象層以簡化數據讀取步驟，開發人員無需精通數據庫語法即可執行查詢與計算操作，可以更容易、更直觀地基于 IoTDB 編寫應用程序。

同時，作為更好地使用時序數據庫 IoTDB 建立時序數據解決方案的前提，普戈曼開發了另一個應用框架 Open MAchine Platform（OMAP）。該框架集成可視化儀表盤、用戶管理系統、資產管理系統、DC 更新、日志管理、運維管理等基本系統，IoTDB 則作為底層數據基座，支撐數據采集、存儲、分析及可視化全流程，實現應用層的高效數據管理和決策。

普戈曼以時序數據庫 IoTDB 為核心開發的解決方案整體架構中，設備數據通過開源工業自動化通信框架 Apache PLC4X，采集至 PLC 服務器，并通過 OMAP 框架存儲至 IoTDB。OMAP 提供基于角色的訪問控制、設備管理、數據分析等模塊，并包括應用程序與擴展模塊，用戶可按需要調用對應功能基于 IoTDB 數據進行上層應用，也可以根據特定領域或應用場景中的具體需求定制開發解決方案。這種模式避免底層代碼重復開發，有效降低開發成本，提高開發效率。

3.? 應用案例

普戈曼以時序數據庫 IoTDB 為核心的解決方案應用于多個德國工業大型項目中，以下展開兩個應用案例。

（1）應用案例一：BZ-NEA 鐵路能源項目

德國鐵路公司（Deutsche Bahn）為德國國有企業，負責德國與火車和軌道設施有關的所有事務，包括客運、貨運以及所有與車站、鐵軌等相關的基礎設施管理。該公司業務對于德國生產運營、 商業 物流和旅游的 經濟 價值至關重要，并具有很強的社會影響作用。

德國鐵路系統和其重要開關所在地區大都較為偏遠，為防止能源系統出現問題，通常會部署備用發電機為開關供電，以確保鐵路系統正常工作。隨著碳中和目標的提出，用燃料電池替代由化石燃料驅動的備用發電機成為德國鐵路可持續發展的重要目標。在此背景下，2022 年德國鐵路公司啟動了 BZ-NEA 項目，旨在完成這一替換工作。

燃料電池相較于發電內燃機，其內部構造更為復雜。為了順利完成從內燃機到燃料電池的過渡，必須對燃料電池的運行狀態進行實時監控，以確保其安全性與效能。這一過程中，不僅需要管理多種不同的介質，還需密切監測多項操作參數，從而保障燃料電池系統的穩定與高效運行。因此，選擇一款穩定可靠的時序數據庫成為技術關鍵。

德國鐵路備用發電機與燃料電池示例

該項目的另一關注點為數據保護法規方面。針對關鍵基礎設施服務，德國出臺了 KRITIS 數據保護法規，以確保關鍵基礎設施的安全性和彈性，抵御自然災害、技術故障和網絡攻擊對數據造成的破壞和泄露，避免導致嚴重的供應短缺或公共安全風險。而德國鐵路系統數據在這一法規的規范范圍內，因此時序數據庫選型與應用還必須滿足該法規的特殊要求。

德國鐵路能源系統架構與普戈曼通用解決方案架構相似，但有以下兩點不同：

1.德國各地所有站點都可以直接通過 PLC 發送數據，因此在數據收集部分 PLC4X 被 MQTT 代替，并通過監控系統中的連接器將數據直接寫入到時序數據庫 IoTDB 中。

2.KRITIS 數據保護法規要求系統不能在前端進行用戶管理，在后端查詢數據，而是必須在數據庫層級直接提供用戶管理服務，因此架構中 IoTDB 與基于角色的訪問控制模塊之間存在直接連接。

為在數據庫層級直接實現用戶管理服務，普戈曼使用了時序數據庫 IoTDB 中的可插拔權限組件，為權限創建自定義實現方式。當 IoTDB 執行讀取或寫入操作時，可插拔權限組件將檢查發送該請求的用戶是否對此設備或時間序列具有相應權限，并默認基于文件系統進行權限實現。而普戈曼在此基礎之上，提供了名為 OpenIdTokenAuthorizer 的實現方式。

使用 OpenIdTokenAuthorizer 后，來自前端的數據訪問、查詢請求將攜帶 OpenID Token 或 JSON Web Token，該 Token 會同步至時序數據庫 IoTDB，并在 IoTDB 數據庫層級設置代碼讀取 Token、識別用戶，檢查該用戶的權限，以確認其是否有權執行請求的操作。

基于時序數據庫 IoTDB 原始組件的二次開發成果，為德國鐵路系統提供了以很小的運維成本，滿足嚴格法規要求的卓越解決方案。結合 IoTDB 在數據寫入、存儲、查詢等方向的既有性能優勢，IoTDB 成為德國鐵路公司 BZ-NEA 項目的理想選擇，支持大型燃料電池設備的運行監控，實現秒級調度和實時異常監測。

作為 Apache 項目賦能基礎設施管理、創造社會價值的代表，時序數據庫 IoTDB 參與的該項目案例被 Apache 2024 年報專頁提及。

（2）應用案例二：寶馬 Smart Core 項目

寶馬全稱巴伐利亞發動機制造廠股份有限公司（BMW），成立已過百年，是當之無愧的全球頂級 汽車 制造商。

寶馬的智能核心（Smart Core）項目聚焦 8 缸發動機氣缸體鑄造車間中的射芯流程。發動機氣缸體的零部件用于冷卻液或電纜連通等方向，通常具有非常復雜的內部結構，因此這些零部件只能在使用砂芯的情況下高效生產。在汽車制造中，射芯工藝被用于生產砂芯，這些砂芯在發動機零部件的鑄造過程中被置入零件內部，待鑄模完成后將其取出，從而在鑄件中形成所需的復雜內部通道或空隙結構。

寶馬的一條鑄造生產線上包括至多 10 臺射芯機，每臺射芯機有超過 200 個傳感器。制芯過程中包括物理過程（溫度、濕度等）和化學過程（燃燒等），從砂被注入模具時的微秒級，到砂的處理和冷卻過程的數秒甚至數小時，不同過程的持續時間均不相同。不同流程中傳感器上報的數據都需要存儲，并按業務需要進行聚合與自動計算，生成各類生產評估指標。砂芯制造流程的復雜性，為射芯機時序數據管理帶來了巨大挑戰。

發動機氣缸體鑄造車間與射芯機示例

普戈曼為該項目構建的解決方案架構依舊基于 PLC 服務器和 OMAP 平臺，相比通用解決方案架構，OMAP 涵蓋分析框架模塊，負責處理從 PLC 獲取、存儲進入時序數據庫 IoTDB 的所有數據，并進行必要的計算，以生成需要的度量指標。

目前，普戈曼使用 Apache Flink 作為流處理框架，負責數據的實時處理與分析。然而，伴隨時序數據庫 IoTDB 功能的不斷進步，普戈曼正在嘗試構建基于用戶自定義函數 UDF、連續查詢和觸發器的數據實時處理方法，可以在數據庫內部完成所有時序數據分析任務，從而進一步簡化應用架構。

在寶馬智能核心項目中，時序數據庫 IoTDB 提供了關鍵的時序數據管理能力，支撐該數字化應用的以下場景：

數據監控：基于處理、分析得到的數據結果，計算生產率和質量相關指標，并支持定期生成制造過程報告，用于質量檢查和質量控制。

成本控制：深入挖掘汽車制模各環節數據信息，分析耗材量較高或報廢率較高的制芯類型，結合訂單信息進行嚴格的制造成本計算，以最小化制芯成本創造最大訂單收益。

生產流程管控：通過射芯機上報參數情況，了解砂芯加工類型及對應砂芯質量，進一步自動化生產流程，如自動生成供 SAP 系統、ERP 系統和倉庫使用的訂單信息，方便指令存儲與供應，無需額外的集成應用層。

4.? 總結

德國數字化轉型目前面臨勞動力結構老齡化、設備陳舊化以及數據管理能力不足等核心挑戰，基礎設施數據管理軟件則需符合嚴格法規要求。不同于國內工業應用場景，德國工業場景更為看重時序數據庫的易用性與系統開放性。

在此背景下，時序數據庫 IoTDB 通過提供低代碼開發支持、開放的可擴展架構以及全流程數據管理能力，深度融入德國工業生態，通過兼具技術適配性、架構靈活性與合規保障的解決方案，以數據驅動的方式為德國多領域關鍵行業的可持續轉型注入了新動能。