AI赋能！TDengine IDMP工业数据管理平台助力化工研发创新

2025 年 12 月，涛思数据与沈阳化工研究院（简称“沈阳院”）正式达成合作。涛思数据将为其提供 TDengine TSDB + IDMP 产品组合，通过部署工业数据管理平台，以 AI 原生的数据智能技术，支撑沈阳院构建覆盖从实验室研究到中试放大全流程的统一数据基座，助力其研发数字化转型迈向新阶段。

沈阳院是我国重要的综合性化工科研院所，其研发过程中涉及海量、多源的时序数据与非时序数据，同时其中试基地拥有多条专业化生产线。面对实验室、中试装置产生的庞杂数据，如何打破数据孤岛，实现数据的统一管理、关联分析与智能洞察，从而加速研发进程、优化生产工艺，是沈阳院数字化转型的重要任务。

随着数字化进程的推进，沈阳院需要一个能够打通从实验到中试全流程的数据管理平台，能够将时序数据与非时序数据（如物料信息、实验记录）进行关联分析，同时满足信创环境要求和数据安全规范。涛思数据全新发布的 TDengine IDMP（工业数据管理平台）产品，具备“无问智推”的 AI 原生能力，这种让数据主动说话的能力，正是解决业务人员依赖 IT 团队获取数据洞察的关键。

本次项目需要采集和分析来自实验室、中试生产线的数据，总计需要监控的测点约 2 万。这些数据来源于高压釜、干燥箱、色谱仪等实验设备，以及生产线的温度、压力、流量等工艺参数，还包括水电气等能耗数据。TDengine TSDB 支持多种数据接入方式，包括 MQTT、OPC-UA/DA 等。这对于研究院现有的数据采集系统（MQTT 和 OPC）非常重要。在数据建模方面，TDengine IDMP 采用树状层次结构，这与研究院的设备组织方式天然契合。比如，可以按照“研究院-中试基地-生产线-设备”的层级结构建立数据目录，每个节点都可以配置属性、分析规则和可视化面板。这种结构特别适合中试基地的批次分析需求，可以清晰地展示每个批次的工艺参数和质量指标。

本项目采用“整体规划、分步实施”的策略，项目计划分两阶段进行：

• 第一阶段，选择 3 个实验室和 1 条中试生产线进行试点实施；
• 第二阶段，基于试点成果向全院范围推广。

基于数据安全性和网络环境考虑，选择本地化部署方案。部署架构如下图所示：

本次项目规划的设计思路紧密围绕化工研发的业务特点展开，力图在以下几大关键业务场景提升数据应用效率与深度：

1. 数据全景可视化与智能告警：通过 TDengine IDMP 的智能可视化功能，实现实验数据和中试生产数据的全景可视化管理。研究人员无需 IT 支持即可通过自然语言交互获取所需数据视图；通过实时分析和事件管理功能，自动触发告警，并帮助研究人员快速定位问题根源；借助“无问智推”能力，自动推送质量波动的批次与标准参数的对比分析，帮助管理人员快速决策。
2. 工艺优化与批次对比分析：批次分析是中试生产的核心需求之一。借助 TDengine IDMP，可以实现多批次数据的自动对比分析。系统能够根据批次质量指标帮助科研人员找到"黄金批次"，并分析其工艺参数特征，为工艺优化提供数据支持。通过时序数据高级分析功能，研究人员可以轻松对比不同批次的差异，找出影响产品质量的关键工艺参数。
3. 预测性维护与能耗管理：基于 TDengine TDgpt 的能力，平台能够轻松集成时序数据的预测、异常检测、分类、补全、相关性分析等算法和模型，帮助客户实现对关键设备的实时监控与预测性维护。在中试基地的能耗管理方面，通过对水、电、气的实时监测与统计分析，帮助找出能效瓶颈、识别出能耗异常点，用以指导设备改造和工艺调整。
4. 数据驱动的工艺包开发：TDengine 产品组合将帮助研究院实现数据驱动的研发模式，提高工艺包开发的效率和质量。新工艺包的设计可以基于历史中试数据，确保工艺参数的可靠性。而工艺包转化为实际生产后，又可以通过对比设计数据与实际生产数据，持续优化工艺模型。同时，TDengine IDMP 内置了备份/恢复机制，未来还将支持 Git 式数据版本管理，有望进一步提高数据归档、变迁、回溯的能力。

本次涛思数据与沈阳化工研究院的强强联合，为化工科研数据管理和数据分析描绘出更多可能性。相信此次合作不仅能提升沈阳院的研发效率，更有望探索出一条以数据智能驱动化工行业创新的可行路径。

关于沈阳化工研究院

沈阳化工研究院有限公司始建于 1949 年 1 月 8 日，是综合性化工科研院所，现为中国中化控股有限责任公司直管单位。目前沈阳院主要开展化工新材料、生态农业、生物化工、化学品测试与评价、化工反应风险评估、危险废物鉴别、化工智能优化等方向的研究及产业化。沈阳院聚焦提升关键共性技术的研究与开发能力、较强的新产品孵化能力和适度产业规模和盈利能力；致力于成为精细化工行业国内领先，国际有一定影响力的科技型企业。