哪吒科技: SelectDB 实时数仓在智慧港口 中的应用实践 邓宇超 哪吒科技 数据平台负责人 邓宇超 哪吒科技-数据平台负责人 曾就职于趣头条、观安信息 丰富的大数据开发及架构经验 分享嘉宾 - 哪吒科技 目录 哪吒科技数仓发展历程 01 实时数仓技术选型与架构 02 实时数仓在智慧港口的实战应用 03 收益与展望 04 01 哪吒科技数仓发展历程 图例说明 业务场景：智慧港口全生命周期与全 解决方案（SMART 系列） 数仓能力：SelectDB 统一实时数仓 挑战：复杂场景、查询效率 业务场景：数据驱动码头作业 数仓能力：混合架构下数据整合与 分析赋能 挑战：开发效率、维护成本、实时 性 业务场景：港口运营数据枢纽 数仓能力：单业务单场景数据整合 与决策赋能 挑战：数据融合性、实时性 第二阶段 第三阶段 第一阶段 1.4 哪吒科技数仓架构演变（V1 离线跑批（H+1） 数据维度比较单一，数据量少 数据量不大的情况下， 单个任务资源占用高 集疏运数字孪生 实时性要求高，数据产生到落 地在1s内 上海港8大码头数据量大，单 表数据量10亿以上，表字段多 （100+） 实时任务性能瓶颈问题， 时效性无法满足 02 实时数仓技术选型与架构 2.1 哪吒实时数仓选型因素 关键指标 SelectDB 数据导入 秒级数据导入，支持多种数据导入方式（Stream

和延长使用寿命。 02 数据化管理 智能工厂通过传感器和数据采集技术，实现对 生产过程中各种数据的实时采集和分析，从而 实现生产过程的数据化管理，提高决策的科学 性和准确性。 04 联网协同 智能工厂通过信息化技术实现生产过程中各个 环节的联网协同，实现生产全过程的实时监控 和优化。 05 整体概述 - 智能工厂的特点 精益生产 智能工厂采用精益生产理念，通过精细化管理 生产过程人工操作，效率相对较低 产品质量和生产过程难以进行实时监控和优化 设备维护人工巡检，难以进行预测性维护 生产过程缺乏全面数据分析和监控，难以优化和改进 能源利用率相对较低 需要较多的人力成本和时间投入 运作模式是产品、服务相互结合 生产单元之间没有明确界限，各生产加工环节并行进行且充分参与， 具有强大的协调能力 自动化和智能化水平较高，生产效率大幅提高 生产过程能够实时监控和优化，提高产品质量 设备管理能够自动化和智能化，实现预测性维护 通过将传感器联网，实现设备状态数据的实时采集、 传输和分析。 机 器 人 技 术 利用机器人技术实现生产设备的自 主控制和协同工 作，实现设备间的互联。 虚 拟 化 技 术 利用虚拟化技术，将设备虚拟化为网络资源，实现 设备的互联。 工 业 以 太 网 利用工业以太网技术实现设备间的通信和数据交换， 使各个设备实现互联。 数据底座就是全量全要素的连接和实时反馈系统。抓住 5 个要素：

Anywhere（全域覆盖）、Anydevice（全端适配）、Anyone（全员协同），但这绝不能以成 本失控为代价。零售业的微薄利润，要求每一分 IT 投入都必须产生可见价值。传统架构中，为 支撑高并发需堆叠服务器、为实现实时分析需部署多套数据库，这种 "以资源换性能" 的模式早 已难以为继。我们需要的是能精打细算的技术底座，用一体化设计降低总拥有成本，让有限的 IT 预算创造更大价值。 当下，AI 技术正从概念走 技术正从概念走向实战，成为重构商业模式的核心引擎。从智能选款、动态定价到个 性化导购，AI 应用的深度取决于数据底座的支撑能力。在探索 AI 驱动的 "超级导购" 场景中 发现：能否将商品图片、面料参数、会员偏好等多模态数据实时转化为向量特征，能否用 SQL+AI 融合查询实现 "一句话找货"，直接决定了 AI 应用的落地效果。这要求数据库不仅是数据的 " 仓库"，更要是 AI 能力的 "孵化器"，让业务团队无需复杂技术就能调用智能分析能力。 有的挑战：人工智能大模型的爆发式发展，以前所未有的速度重构消费者行为、企业运营模式与 行业竞争格局。这场变革的本质，是零售企业从粗放式流量争夺转向用户价值深度挖掘的生死竞 速——而胜负的关键，取决于能否构建支撑实时决策、弹性响应与智能创新的新一代数据底座。 从业这些年，经历了多家企业多次的主业务系统（ERP）的升级换代，每一次都是带来巨大的变 革。随着 AI 的兴起，下一代的“ERP”很有可能是颠覆现有传统流程和思路

• 物料清点 • VR 教育 • 健康检测 • 超载告警 • 大面积混凝土测温 • BIM 数据 业 实时数据 业 主数据 业 历史数据 人员安全管理 智能工地云平台 - 业务架 构 高清摄像头 塔吊 / 升降机监控套件 PM2.5 监测仪 传感 器 地图显示 地图实时显示， 显示直观 一目了然 报警丰富 支持超时、超远、脱岗、 离群报警 一键撤离 可通过定位软件下发一 键撤离命令 LED 联动 支持人员位置信息与 LED 屏联动显示 求救报警 长按求救报警按钮 6 秒 可 发出报警信号 轨迹回放 可按日期时间查询人员 运动轨迹 定位维度 支持一维、二维或三维 定位 视频联动 可与实时定位信息进行 佩 戴 安全帽 无死角 在线化 01 二、视频管理 - AI 视 频识别 平台截图留存、 识别人次 罚款通知 单 A I 技术实时分 析 智能广播联动 实时预警 规范现场人员作业 摄像机视频输入 网页端实时查看 》 二、视频管理 - AI 智能识 别 移动卫兵主要解决工程建设前期施工现场不具备电、 网 等条件， 可将移动卫兵快速投放到目标地点，

统一处置生产安全领域的各类事件。 企业单位业务需求： 1) 远程对分散的建筑工地进行统一管理，避免使用人力频繁的去现场监管、检查， 减少工地人员管理成本，提高工作效率。 2) 通过视频监控系统及时了解工地现场施工实时情况，施工动态和进度，防范措施 是否到位，特别是对于场面比较大的工地，对于重点项目企业领导也需要远程监管。 3) 出现异常状况和突发事件时，可以及时报警，提醒管理人员及时处理； 4) 对塔式 将施工实况展现于客户面前，向客户展现工地的建设规划和进度，达到一个宣传 效果，也使得销售计划能够合理制定； - 2 - 智慧工地整体解决方案 1.3.2 系统需求 1) 通过该系统能够实现工地现场的实时监控、数据回传、远程应急指挥等功能。 2) 通过该系统实现对塔式起重机等设备的状态监测和监督管理等功能。 1.4 总体目标 通过本项目建设，进一步落实企业安全监管责任，提高企业对工程现场的远程管理水 通过工地管理可视化系统为政府、企业、现场工程管理，提供了先进技术手段，通过 安装在建筑施工作业现场的各类传感装置，构建智能监控和防范体系，就能有效弥补传统 方法和技术在监管中的缺陷，实现对人、机、料、法 “ 、环的全方位实时监控，变被动 监 督 ” “ 为主动 监控 ”；同时，其也将为安全生产监督管理引入新理念 “ ，真正体现 安全第 一、 预防为主、综合治理 ”的安全生产方针。传统的施工监测、易受人为影响且效率低下。

持续迭代升级 企业数据接入 预留 01 系统概 述 系统目标通过数字孪生技术 ，搭建展示、指挥、运营一站式综合管理中 心 • 实时监控 • 告警预判 • 视频回放 • 告警分析 • 安全巡检 • 安消联动 • 产线监管 • 设备监测 • 能耗控制 • 环境监测 • 仓储物流 • 真实生产厂房 生产原材料 V 实 际 加 工 生产加工设备 实际产出 过程产品 V 实 际 装 配 最终产品 在数字孪生生产车间中 ，一方面通过各类传感、测量装置建立材 料、装置、生产流程的实时数据库 ，作为构建镜像虚拟车间模型 的基 础 。 另一方面则接收由镜像虚拟车间发送的指导信息。 虚拟车间则对物理车间从材料至成品的生产加工全流程进行数字 化 ，进一步得到孪生过程模型。基于这些与真实车间高度近似的 视频监控、设备运行监测以及其他工业 物联 网具有感知、监控能力的各类采集、 控制传 感器或控制器实时上传的监测数据 ， 对各类 设施具体位置、类型、运行环境、 运行状态 进行监控 ，可实时查看设施 的 详 细资料、修 缮记录、视频监控画面等信息 ， 支 持设备运 行异常（故障、短路冲击、过载、 过温等） 实时告警、辅助管理者直观掌握 设备运行状 态 ，及 时发现设备 故障问题。 工序流转监测

联网、人工智能 等先进技术，以提高生产效率、降低生产成本、提升产品质量。 智能工厂发展 02 智能工厂是数字化转型的重要组成部分，而数字孪生智能工厂是智能工 厂的一种新型形态，通过实现数据的实时互通和智能化控制，提高生产 效率和管理水平。 制造业发展 03 数字孪生智能工厂的建设将有助于制造业的发展，提高生产效率和管理 水平，推动制造业向智能化、信息化的方向转型升级。 数字孪生智能工厂的背景与意义 物理层规划：设备布局与生产线优化 数据采集 利用各种数据采集设备，如传感器、 PLC 等，从工厂设备、生产线等采集数据，实 现数据的实时获取和监控等功能。 数据传输 通过网络传输协议，如以太网、 Wi-Fi 等， 将数据传输到远程监控平台或数据库服务器 上，实现数据的实时传输和共享等功能。 数据存储 将数据存储在数据库服务器上，实现数据的 永久保存和管理等功能。同时，对数据进行 备份和恢复等操作，确保数据的安全性和可 数据处理 通过数据分析技术，我们可以对工厂的生产过程进行实时 监控和预警，发现生产异常及时进行处理，提高生产效率 和管理水平。 数据分析 通过数据可视化技术，我们可以将抽象的数据以图表、图 像等形式进行展示，使数据更容解和分析。 数据可视化 大数据处理与分析技术 通过物联网技术，我们可以实现设备的互联和互 通，实现数据的实时传输和共享。 设备互联 通过物联网技术，我们可以实现对设备的智能化

创新 速度 + 解决方案 / 体系分 工 物联网 互联网 厂 工 S 智能工厂 特征 数字化 借劣覆盖全厂的网路平台实现生产数据 的实时采集，快速掌握生产运行情况， 实现生产环境不信息系统的无缝对接， 提升了管理人员对生产现场的感知和监 控能力。 模 型化 基亍工厂模型构建各类工艺、业务 监控、能源管理、质量检测等功能 迕行集成，为生产操作和管理人员 提供直接的业务场景展示。 集成化 建设了企业信息集成平台，以 MES 为核心 , 向上支撑企业绊营管理，向下不生产过 程的实时数据高度集成，将各自独立的信 息系统连接成为一个完整可靠和有敁的整 体。 决策科学化 利用大数据技术，对各应用系统的数 据迕行集中存储和分析，协劣公司领 导层及时发现问题、分析问题原因、 迕行风险预警，实现决策的科学化 数字化 工艺 智能物流装备 智能生产装备 设备配置部署 能源系统 实时数据库 质量分析 人工智能 工艺优化 数据分析 数据挖 掘 数字孪生 综合预警 机器学习 节能诊断 智能排产 远程运维 数据解析 销售管理 人机界面 能源调度 仓库管理 控制系统 绩效管理 远程调度 质量控制 质量查询 实时服务 生产管理 协议转换 计划排程 生产绩效 生产派工 采贩管理

2 异常管理...............................................................................55 6.6.3 产品物料实时监控...............................................................................56 6.6.4 物料异常管控.. 8.3 设备使用管理...............................................................................61 6.8.4 实时数据查询...............................................................................62 6.8.5 设备现场界面 但对生产设备的数据没有进行采集、分析、统计和交互，生产过程都是通过纸 质文件进行指导操作，无法追溯生产过程中各环节要素，生产计划只能做到按 天按批生产，无法实现自动排产到分钟、到机台、到人员，在制品仓的库存难 实时和准确反映。 1) 本期项目是在 XX 电线电缆车间实施制造执行系统(MES)。 1.2.术语及缩略语 项目 说明 XX-MES XX 制造执行系统 XX-ESB XX 企业服务总线 XX-SCADA

模型监控与维护.......................................................................................48 3.1.1 实时监控........................................................................................49 3.1.2 代和业务模式的创新。 在具体实施过程中，工业园区数字政府领域大模型底座将围绕 以下几个核心目标展开：  构建统一的数据平台，实现多源数据的无缝接入和高效管理；  提供智能化的分析工具，支持对园区运营状态的实时监控和预 测；  优化资源配置，提升园区的运营效率和服务水平；  强化数据安全和隐私保护，确保平台的可靠性和稳定性。 通过上述措施，工业园区数字政府领域大模型底座将显著提升 园区的数字 ，为园区管理 者提供科学的决策依据，降低决策风险。 - 服务效能提升：基于大模型的智能化服务能力，优化业务流程， 缩短服务响应时间，提升企业和居民的满意度。 - 安全与风险管理：通过大模型的实时监测与预警功能，增强园区 的安全保障能力，降低突发事件的影响。 此外，根据《中国数字经济白皮书（2022）》数据显示，全国 数字经济规模已超过 45 万亿元，占 GDP 比重达 39.8%，其中工业