上一页 1 2 3 4 5 6 7 8 ··· 65 下一页
摘要: 从煤矿到风电:云鼎科技用 TDgpt 打开工业时序数据分析新范式 小 T 导读 TDgpt 支持用户使用 SQL 语句直接调用统计分析、机器学习及深度学习等多种算法模型,带来极大便利。作为 TDengine TSDB 的用户,2024 年云鼎科技在其煤矿安全生产综合管控平台中选用了 TDengine,实现数据的全面监控、分析与应用,并利用数据订阅功能减少中间件使用 阅读全文
posted @ 2026-06-05 13:46 涛思数据TDengine 阅读(15) 评论(0) 推荐(0)
摘要: TDengine 助力水泥工厂联合储库无人化升级:让天车作业过程可感知、可留存、可回溯! 小T导读:在水泥工厂智能化升级过程中,联合储库的天车作业是衔接 “原料入厂 - 熟料存储 - 成品出库” 的核心环节,其无人化运行直接决定生产效率与运维成本。安徽智质研发的激光雷达天车无人化调度系统,通过实时感知与智能调度实现了全流程无人值守。但在7x24小时的高频连续运行中,万级通讯点秒级并发产生 阅读全文
posted @ 2026-06-03 10:45 涛思数据TDengine 阅读(14) 评论(0) 推荐(0)
摘要: **小T导读**:在全球化视频社交与直播互动场景中,每一次弹幕发送、礼物打赏、用户在线状态变化和直播流质量波动,都会形成高频、连续、强实时的时序数据。Niki Live 在面向海外市场的社交直播业务中,需要同时应对数亿级用户行为日志、百万级直播流数据、毫秒级互动分析和全球化数据治理等挑战。本文将介绍 阅读全文
posted @ 2026-05-29 18:51 涛思数据TDengine 阅读(24) 评论(0) 推荐(0)
摘要: 涛思数据成为西门子 Xcelerator “繁星伙伴”,TDengine 上架其云市场,并完成与西门子 IPC 工控机适配,正式进入全球工业数字化生态。依托 TDengine 时序数据库与工业数据管理平台,双方将为工业企业提供软硬协同的数据管理方案,助力工业数字化转型。 阅读全文
posted @ 2026-05-27 10:59 涛思数据TDengine 阅读(16) 评论(0) 推荐(0)
摘要: 小T导读:在工业 4.0 与智能制造持续推进的背景下,工业现场正以前所未有的速度产生海量时序数据。对于拥有大量 CNC 机床、机器人及各类工业传感器的制造场景来说,如何高效完成数据采集、写入、存储、分析与实时应用,已经成为数字化升级中的关键问题。发那科在推进新一代工厂物联网平台建设过程中,面临高并发 阅读全文
posted @ 2026-05-15 14:58 涛思数据TDengine 阅读(22) 评论(0) 推荐(0)
摘要: 可视化,是工程师与数据交互的入口 在工业系统中,可视化是所有能力最终汇聚的地方。 数据可以存储在工业实时数据库中,也可以通过各种分析管道进行处理,但对于工程师和操作人员来说,系统的主要交互界面始终是可视化界面。他们通过可视化来监控设备、分析问题并做出决策。 如果可视化能力有限,那么整个系统都会显得有 阅读全文
posted @ 2026-04-29 17:28 涛思数据TDengine 阅读(12) 评论(0) 推荐(0)
摘要: 很少有人真正谈论的成本问题 在评估工业数据系统时,很多企业首先关注的是软件本身的价格。 这看起来是合理的。无论是工业实时数据库的授权费用,还是平台订阅费用,甚至云资源成本,似乎都构成了系统的主要支出。但事实上,这些只是整体成本中的一小部分。 一个工业数据系统真正的成本,并不在于你“买它花了多少钱”。 阅读全文
posted @ 2026-04-23 22:38 涛思数据TDengine 阅读(33) 评论(0) 推荐(0)
摘要: 工业系统持续不断地产生时间序列数据。每一秒钟,传感器都在记录温度、压力、流量、振动等各种信号。在过去几十年里,这一直是工业数据系统和工业实时数据库的基础:采集信号,高效存储,并通过可视化观察它们随时间的变化。 这种方式是有效的,但它存在一个根本性的局限。 时间序列数据只能告诉我们“发生了变化”,却无 阅读全文
posted @ 2026-04-03 12:35 涛思数据TDengine 阅读(10) 评论(0) 推荐(0)
摘要: 数据在增长,但洞察并没有同步增长 当今工业系统正在以前所未有的速度产生数据。传感器持续不断地从系统的各个环节采集高频信号,从温度、压力,到振动、流量以及设备状态,几乎所有运行信息都被数字化并记录下来。随着基础设施的发展,数据存储与吞吐早已不再是瓶颈,大规模的数据处理和分析能力也变得越来越容易获得。 阅读全文
posted @ 2026-04-03 11:28 涛思数据TDengine 阅读(19) 评论(0) 推荐(0)
摘要: 过去十年,工业数字化的核心任务是“让系统上线、让设备联网、让数据可见”。而当大模型、工业 AI 与智能体开始进入工业现场,一个新的问题正在变得越来越清晰: 当应用可以快速生成、算法可以快速迭代,模型可以不断替换,工业系统真正需要长期稳定的,究竟是什么?工业 AI 时代,需要的已不再是“更复杂的平台” 阅读全文
posted @ 2026-04-02 22:34 涛思数据TDengine 阅读(28) 评论(0) 推荐(0)
上一页 1 2 3 4 5 6 7 8 ··· 65 下一页