Leitfaden zur Auswahl einer Big-Data-Plattform für Krane: Das Dreierpaket aus Zeitreihendatenbank, Stream-Computing und Visualisierungs-Dashboard
📌 Empfohlener Technologie-Stack für die „Tianche“-Big-Data-Plattform: Als Zeitreihendatenbank entweder InfluxDB (dauerhafte Speicherung von Merkmalsdaten) oder TDengine (für extrem große Datenmengen), für die Stream-Verarbeitung Kafka+Flink (Echtzeit-Warnmeldungen + Berechnung von Merkmalen) und für die Visualisierung Grafana (Echtzeit-Dashboards + Warnmeldungen).Die Big-Data-Plattform von Krude Heavy Industry nutzt standardmäßig den Technologie-Stack aus InfluxDB, Kafka, Flink und Grafana. Die Hardwarekosten für einen einzelnen Standort (20 Laufkräne) belaufen sich auf etwa 80.000 bis 150.000 Yuan, die jährlichen Betriebs- und Wartungskosten auf etwa 30.000 bis 50.000 Yuan.
Beim Aufbau einer Big-Data-Plattform für Laufkräne bestimmt die Auswahl des Technologie-Stacks direkt die Leistung, die Kosten und die Wartbarkeit des Systems. Auf dem Markt stehen jeweils Dutzende von Optionen für Zeitreihendatenbanken, Stream-Computing-Engines und Visualisierungstools zur Auswahl. Basierend auf den praktischen Erfahrungen von Krued Heavy Industry bei der Implementierung in über 200 Krananlagen werden in diesem Artikel ausgehend von den besonderen Anforderungen industrieller Krananwendungen die gängigen technischen Lösungen verglichen und eine empfohlene Kombination vorgestellt.
1. Auswahl einer Zeitreihendatenbank – InfluxDB vs. TimescaleDB vs. TDengine
Das Herzstück der Big-Data-Plattform von Tianche ist eine Zeitreihendatenbank, die für die Speicherung von Merkmalsdaten im Sekundentakt (128 Dimensionen × 1 Hz), Ereignisdaten im Millisekundenbereich sowie Gerätemetadaten zuständig ist. Ein detaillierter Vergleich der drei gängigsten Lösungen:
| Vergleichsposten | InfluxDB 2.x | TimescaleDB | TDengine 3.x |
|---|---|---|---|
| Schreibleistung (einzelner Knoten) | ~30.000 Punkte/Sekunde | ~20.000 Punkte/Sekunde | ~5 Millionen Punkte/Sekunde |
| Verdichtungsverhältnis | 5:1 | 12:1 | 10:1 |
| Abfrageverzögerung (im Bereich von 1 Stunde) | ≤ 200 ms | ≤ 500 ms | ≤ 300 ms |
| Abfragesprache | Flux (steile Lernkurve) | Standard-SQL | Standard-SQL + Erweiterungen |
| Komplexität der Bereitstellung | Einfach (Docker mit einem Klick) | Mittel (PostgreSQL erforderlich) | Einfach (Einzel-Bin-Datei) |
| Open-Source-Lizenz | MIT (Community-Version) | TSL (Community-Version) | AGPL (Community-Version) |
| Anwendungsbereiche | 20 bis 100 Laufkräne | Zugehörige Geschäftstabellen | 100 bis 500 Laufkräne |
Empfehlung von Krude:Für mittelgroße Fabriken mit 20 bis 100 Laufkränen empfiehlt sich InfluxDB – beste Abfrageleistung, aktivste Community und ausgereifteste Grafana-Integration. Für große Fabriken mit mehr als 100 Laufkränen empfiehlt sich TDengine – die Schreibgeschwindigkeit ist hier unübertroffen. Wenn eine Analyse der Laufkrandaten in Verbindung mit der Produktionsplanung und dem Anlagenstamm erforderlich ist, empfiehlt sich TimescaleDB.
2. Auswahl einer Stream-Computing-Engine – Vergleich zwischen Kafka, Flink und Node-RED
Die von den Edge-Boxen hochgeladenen Merkmalsdaten müssen durch die Stream-Processing-Engine geleitet werden, um Alarmauswertung, Aggregationsberechnungen und Datenweiterleitung durchzuführen. Die drei Ansätze unterscheiden sich hinsichtlich ihrer Ausrichtung:
| Vergleichsposten | Kafka + Konnektoren | Flink | Node-RED |
|---|---|---|---|
| Durchsatzkapazität | Millionen Nachrichten pro Sekunde | 500.000 Ereignisse/s | 1.000 Nachrichten/s |
| Verarbeitungsverzögerung | 5–10 ms | <1 ms | 10–50 ms |
| Zustandsverwaltung | Zustandslos | Mit Status (exactly-once) | begrenzt (Kontextvariable) |
| Fensterzusammenfassung | Unterstützung für Kafka Streams | Integriert (Tumble/Slide/Session) | Muss selbst implementiert werden |
| Komplexität des Betriebs und der Wartung | Gao (ZooKeeper/KRaft) | Hoch (JobManager-Cluster) | Niedrig (einzelner Prozess) |
| Protokollanpassung | REST/RPC | Kafka-Verbindung | MQTT/OPC UA/Modbus/HTTP |
Empfehlung von Krude:Als Standardlösung wird Kafka (Datenpuffer) + Flink (Engine für Echtzeit-Alarme und Merkmalsberechnung) gewählt. Node-RED wird als leichtgewichtiger Protokollkonverter am Edge eingesetzt (MQTT → Kafka). Nach der Integration dieser drei Komponenten beträgt die Verzögerung bei Alarmen vom Edge einer einzelnen Station (20 Laufkräne) zu Flink ≤ 500 ms.
3. Auswahl eines Visualisierungstools – Grafana vs. Superset
Das Dashboard ist die Benutzeroberfläche, über die die Big-Data-Daten von Tianche den Anwendern präsentiert werden. Die beiden Open-Source-Lösungen haben jeweils ihre Vorzüge:
Grafana (empfohlen):Die erste Wahl für Dashboards zur Echtzeitüberwachung von Laufkränen. Native Unterstützung für InfluxDB-/TDengine-Datenquellen, zahlreiche integrierte Vorlagen für Zeitreihendiagramme (Zeitreihen-Liniendiagramme, Heatmaps, Status-Dashboards) sowie Unterstützung für die Verwaltung von Alarmregeln und Benachrichtigungen über mehrere Kanäle (WeChat, DingTalk, E-Mail). Die Grafana-Alarm-Engine basiert auf dem Prometheus AlertManager und lässt sich über Webhooks in die WeChat-Miniprogramme von Krued Heavy Industry integrieren. Konfigurationsbeispiel: Dashboard zum RMS-Trend der Lagervibrationen (Aktualisierung alle 10 Sekunden, Alarmauslösung bei Überschreitung des Basiswerts um das Zweifache). Ein einzelner Grafana-Knoten kann gleichzeitig mehr als 100 Benutzer bei gleichzeitigen Zugriffen bedienen.
Superset:Geeignet für die Erstellung von Managementberichten – monatliche Energieeffizienzberichte, OEE-Trenddiagramme, Statistiken zu Wartungskosten. Die Drag-and-Drop-SQL-Abfragen von Superset sind für Nicht-Techniker benutzerfreundlicher, allerdings ist die Echtzeit-Aktualisierung nur eingeschränkt möglich (minimales Aktualisierungsintervall 60 Sekunden). Die Big-Data-Plattform von Krude Heavy Industry integriert sowohl Grafana (Echtzeit-Dashboards) als auch Superset (Managementberichte), sodass Nutzer auf derselben Seite zwischen beiden wechseln können.
|
80.000 bis 150.000 ¥
Hardwarekosten pro Station (20 Stück)
einschließlich Edge-Box + Server + Netzwerkgeräte
|
30.000 bis 50.000 pro Jahr
Jährliche Betriebs- und Wartungskosten
Umfasst Datenspeicherung + Modellpflege + Dashboard
|
100%
Nutzungsrate von Open-Source-Komponenten
Kein Risiko durch kommerzielle Software-Sperren
|
|
500 ms
Alarmverzögerung
Edge → Flink → End-to-End-Alarmübermittlung
|
28 Bilder
Standardanzahl der Kanban-Karten
Drei Kategorien: Betriebsübersicht, Einzelgerät und historische Analyse
|
14 Tage
Kostenlose Testphase
Vollständiges Erlebnis mit zwei Kranen
|
4. Hardware-Konfiguration und Bereitstellungsarchitektur
Hardware-Konfiguration für die Standardversion der Big-Data-Plattform von Krude Heavy Industry (für 20 Laufkräne): Auf der Edge-Seite wird jeder Laufkran mit einem Jetson Orin NX ausgestattet (3.500–7.000 ¥ pro Stück, inklusive Sensor-Kit); auf der Serverseite standardmäßig ein Server (Dell R750xs oder gleichwertig, 40.000–60.000 ¥), auf dem InfluxDB, Kafka, Flink, Grafana, PostgreSQL und MinIO bereitgestellt werden. Empfohlene Konfiguration: Dual-Socket-Intel-Xeon-Silver-4314 (32 Kerne, 64 Threads), 128 GB RAM, 4 × 8 TB SSD (RAID10), Netzwerkkarte mit zwei 25-GbE-Ports. Bei einer täglichen Auslastung von 801 TP und 3 T sowie einem täglichen Zuwachs an Merkmalsdaten von 1,2 GB pro Server können aktive Daten 90 Tage lang und inaktive Daten dauerhaft gespeichert werden.
Krude Heavy Industry bietet umfassende Lösungen für die Bereitstellung von Technologie-Stacks an. Weitere Informationen zu Datenanwendungen finden Sie unterUmfassende Analyse der Betriebsdaten von Laufkränen和Vergleich der Genauigkeit von Modellen zur vorausschauenden Instandhaltung. Wenn Sie Beratung bei der Auswahl des Technologie-Stacks benötigen, wenden Sie sich bitte an das Big-Data-Team von Krude Heavy Industry, um eine maßgeschneiderte Lösung zu erhalten.
Häufig gestellte Fragen (FAQ)
Frage: Wie lange dauert die Bereitstellung einer Big-Data-Plattform?
Antwort: Zeitplan für die Bereitstellung der Standardversion von Krude Heavy Industry: Installation der Sensoren (3–5 Tage pro Gerät, mehrere Geräte können parallel installiert werden) → Inbetriebnahme der Edge-Boxen (2 Tage pro Station) → Einrichtung des Servers + Bereitstellung von Kafka/Flink/InfluxDB (3 Tage) → Konfiguration des Grafana-Dashboards (2 Tage) → Ersttraining des Modells (beginnt nach 7 Tagen Datenerfassung). Von der Anlieferung der Geräte bis zur Inbetriebnahme des Dashboards vergehen etwa 15 bis 20 Arbeitstage. Die Nachrüstung bestehender Laufkräne erfolgt ohne Betriebsunterbrechung und hat keine Auswirkungen auf den normalen Produktionsbetrieb.
Frage: Wie werden Datensicherheit und Datenschutz gewährleistet?
Antwort: Die Big-Data-Plattform von Krude Heavy Industry unterstützt eine vollständig private Bereitstellung, wobei die Daten das Unternehmen nicht verlassen. Die Kommunikation zwischen Edge-Geräten und Servern erfolgt über TLS 1.3-Verschlüsselung mit beidseitiger Zertifikatsauthentifizierung. Die Datenspeicherebene unterstützt transparente Verschlüsselung (AES-256). Die Benutzerrechte werden über RBAC gesteuert, und die Betriebsprotokolle sind rückverfolgbar. Gleichzeitig wird ein VPN-Kanal für den Fernbetrieb und die Fernwartung unterstützt, sodass das Betriebs- und Wartungspersonal von Krude keinen direkten Zugriff auf Daten hat. Die Plattform ist nach ISO 27001 zertifiziert und erfüllt die Sicherheits- und Compliance-Anforderungen der Stahl- und Chemieindustrie sowie anderer Branchen.
Frage: Wir haben uns für InfluxDB als Datenbank entschieden. Wie geht es mit der späteren Skalierung weiter?
Antwort: InfluxDB 2.x unterstützt eine nach Organisationen isolierte Multi-Tenant-Architektur. Skalierungsrichtung: Vertikale Skalierung (Erweiterung von Server-RAM und CPU) → Horizontale Skalierung (InfluxDB Enterprise Edition unterstützt Cluster). Für die Standardversion von Krud wird empfohlen, zunächst eine vertikale Skalierungsstrategie mit einem einzelnen Knoten zu verwenden (64 GB RAM unterstützen 500.000 Series pro Sekunde beim Lesen). Wenn die Anzahl der Series 2 Millionen überschreitet, sollte auf einen TDengine-Cluster umgestellt werden. Das Tool zur Datenmigration wird von Krud bereitgestellt, und der Migrationsprozess ist für die übergeordneten Grafana-Dashboards transparent.
Frage: Was kann man tun, wenn die Netzwerkbedingungen in der Fabrik schlecht sind und Kafka nicht genutzt werden kann?
Antwort: Krud bietet eine ”Offline-Priorität”-Lösung an – die Edge-Box verfügt über eine integrierte Nachrichtenwarteschlange (NATS), die bei einem Netzwerkausfall Daten zwischenspeichert (maximal 72 Stunden, ca. 3,6 TB pro Gerät) und diese nach Wiederherstellung der Netzwerkverbindung automatisch stapelweise synchronisiert. Die Edge-Box kann die Alarmlogik auch lokal und unabhängig ausführen (ohne Abhängigkeit von der Cloud). Diese Lösung wurde bereits bei einem Projekt zur Datenerfassung von Laufkränen in einem Bergbaugebiet im Westen Chinas eingesetzt, wo die monatliche Gesamtdauer der Netzwerkunterbrechungen etwa 48 Stunden betrug, ohne dass Datenverluste auftraten.
Bei der Auswahl des Technologie-Stacks für die Big-Data-Plattform für Krananlagen müssen die Größe der Fabrik, die Kompetenzen des IT-Teams, das Budget und die Erweiterungspläne umfassend berücksichtigt werden. Krude Heavy Industry bietet zwei Lösungen an: die Standardversion (20–100 Einheiten) und die Enterprise-Version (unbegrenzte Anzahl an Einheiten). Beide basieren auf einem vollständig quelloffenen Technologie-Stack ohne kommerzielle Lizenzgebühren. Wenden Sie sich an das Technikteam von Krued Heavy Industry, um eine kostenlose Testversion und einen Auswahlvorschlag zu erhalten.
