1. 业务背景

德国普戈曼公司（pragmatic industries GmbH，以下简称普戈曼）是一家位于德国的 IT 服务和咨询公司，专注于为工业领域提供物联网解决方案，利用时序数据库等软件帮助企业处理和分析工业数据，以优化工业物联网应用中的现有流程，提高生产效率与产品质量，并节约能源和资源。

不同于中国工业数字化进程的高速推进，德国工业数字化转型进程相对缓慢。其劳动力平均年龄约为 45 岁，且员工普遍缺乏 IT 经验。此外，工厂设备平均使用年限超过 11 年，设备资产老旧问题突出。这些因素导致企业难以有效应用数字化技术，尤其在时序数据的工业场景化使用中存在明显障碍。

此外，多数德国企业未建立专门的数据分析团队，缺乏数据科学家深度挖掘时序数据价值，大多更专注于传统的工厂管理流程。因此，企业更倾向于执行时序数据聚合操作，使设备操作员、班组管理者及工厂经理能够直观获取并理解数据信息。

德国劳动力与设备平均年龄

在时序数据库选型方面，中国企业侧重数据写入存储性能与高阶分析能力，而德国企业则更关注以下维度：

易用性：降低非数据库专业人员使用门槛，简化典型数据聚合操作。

开放性：支持二次开发，具备广泛适用性，适配多行业场景需求。

全栈集成：能够与不同应用框架相结合，覆盖数据采集、计算到可视化评估全流程，提供完整解决方案。

基于以上要求，普戈曼选择时序数据库 IoTDB 作为多个工业物联网重要项目数据管理系统的核心。IoTDB 简便易用的功能特性和集成生态的便捷性，支撑德国铁路与宝马构建数字化监控与流程管控系统，实现设备数据到业务决策的全链路闭环。

2. 解决方案框架

考虑到德国主要为传统开发人员操作时序数据库 IoTDB，普戈曼选择了在网络开发领域较为普及的 Django 开源 Web 应用框架，与 IoTDB 集成形成 Django_IoTDB 框架。该框架内置抽象层以简化数据读取步骤，开发人员无需精通数据库语法即可执行查询与计算操作，可以更容易、更直观地基于 IoTDB 编写应用程序。

同时，作为更好地使用时序数据库 IoTDB 建立时序数据解决方案的前提，普戈曼开发了另一个应用框架 Open MAchine Platform（OMAP）。该框架集成可视化仪表盘、用户管理系统、资产管理系统、DC 更新、日志管理、运维管理等基本系统，IoTDB 则作为底层数据基座，支撑数据采集、存储、分析及可视化全流程，实现应用层的高效数据管理和决策。

普戈曼以时序数据库 IoTDB 为核心开发的解决方案整体架构中，设备数据通过开源工业自动化通信框架 Apache PLC4X，采集至 PLC 服务器，并通过 OMAP 框架存储至 IoTDB。OMAP 提供基于角色的访问控制、设备管理、数据分析等模块，并包括应用程序与扩展模块，用户可按需要调用对应功能基于 IoTDB 数据进行上层应用，也可以根据特定领域或应用场景中的具体需求定制开发解决方案。这种模式避免底层代码重复开发，有效降低开发成本，提高开发效率。

3. 应用案例

普戈曼以时序数据库 IoTDB 为核心的解决方案应用于多个德国工业大型项目中，以下展开两个应用案例。

（1）应用案例一：BZ-NEA 铁路能源项目

德国铁路公司（Deutsche Bahn）为德国国有企业，负责德国与火车和轨道设施有关的所有事务，包括客运、货运以及所有与车站、铁轨等相关的基础设施管理。该公司业务对于德国生产运营、商业物流和旅游的经济价值至关重要，并具有很强的社会影响作用。

德国铁路系统和其重要开关所在地区大都较为偏远，为防止能源系统出现问题，通常会部署备用发电机为开关供电，以确保铁路系统正常工作。随着碳中和目标的提出，用燃料电池替代由化石燃料驱动的备用发电机成为德国铁路可持续发展的重要目标。在此背景下，2022 年德国铁路公司启动了 BZ-NEA 项目，旨在完成这一替换工作。

燃料电池相较于发电内燃机，其内部构造更为复杂。为了顺利完成从内燃机到燃料电池的过渡，必须对燃料电池的运行状态进行实时监控，以确保其安全性与效能。这一过程中，不仅需要管理多种不同的介质，还需密切监测多项操作参数，从而保障燃料电池系统的稳定与高效运行。因此，选择一款稳定可靠的时序数据库成为技术关键。

德国铁路备用发电机与燃料电池示例

该项目的另一关注点为数据保护法规方面。针对关键基础设施服务，德国出台了 KRITIS 数据保护法规，以确保关键基础设施的安全性和弹性，抵御自然灾害、技术故障和网络攻击对数据造成的破坏和泄露，避免导致严重的供应短缺或公共安全风险。而德国铁路系统数据在这一法规的规范范围内，因此时序数据库选型与应用还必须满足该法规的特殊要求。

德国铁路能源系统架构与普戈曼通用解决方案架构相似，但有以下两点不同：

1.德国各地所有站点都可以直接通过 PLC 发送数据，因此在数据收集部分 PLC4X 被 MQTT 代替，并通过监控系统中的连接器将数据直接写入到时序数据库 IoTDB 中。

2.KRITIS 数据保护法规要求系统不能在前端进行用户管理，在后端查询数据，而是必须在数据库层级直接提供用户管理服务，因此架构中 IoTDB 与基于角色的访问控制模块之间存在直接连接。

为在数据库层级直接实现用户管理服务，普戈曼使用了时序数据库 IoTDB 中的可插拔权限组件，为权限创建自定义实现方式。当 IoTDB 执行读取或写入操作时，可插拔权限组件将检查发送该请求的用户是否对此设备或时间序列具有相应权限，并默认基于文件系统进行权限实现。而普戈曼在此基础之上，提供了名为 OpenIdTokenAuthorizer 的实现方式。

使用 OpenIdTokenAuthorizer 后，来自前端的数据访问、查询请求将携带 OpenID Token 或 JSON Web Token，该 Token 会同步至时序数据库 IoTDB，并在 IoTDB 数据库层级设置代码读取 Token、识别用户，检查该用户的权限，以确认其是否有权执行请求的操作。

基于时序数据库 IoTDB 原始组件的二次开发成果，为德国铁路系统提供了以很小的运维成本，满足严格法规要求的卓越解决方案。结合 IoTDB 在数据写入、存储、查询等方向的既有性能优势，IoTDB 成为德国铁路公司 BZ-NEA 项目的理想选择，支持大型燃料电池设备的运行监控，实现秒级调度和实时异常监测。

作为 Apache 项目赋能基础设施管理、创造社会价值的代表，时序数据库 IoTDB 参与的该项目案例被 Apache 2024 年报专页提及。

（2）应用案例二：宝马 Smart Core 项目

宝马全称巴伐利亚发动机制造厂股份有限公司（BMW），成立已过百年，是当之无愧的全球顶级汽车制造商。

宝马的智能核心（Smart Core）项目聚焦 8 缸发动机气缸体铸造车间中的射芯流程。发动机气缸体的零部件用于冷却液或电缆连通等方向，通常具有非常复杂的内部结构，因此这些零部件只能在使用砂芯的情况下高效生产。在汽车制造中，射芯工艺被用于生产砂芯，这些砂芯在发动机零部件的铸造过程中被置入零件内部，待铸模完成后将其取出，从而在铸件中形成所需的复杂内部通道或空隙结构。

宝马的一条铸造生产线上包括至多 10 台射芯机，每台射芯机有超过 200 个传感器。制芯过程中包括物理过程（温度、湿度等）和化学过程（燃烧等），从砂被注入模具时的微秒级，到砂的处理和冷却过程的数秒甚至数小时，不同过程的持续时间均不相同。不同流程中传感器上报的数据都需要存储，并按业务需要进行聚合与自动计算，生成各类生产评估指标。砂芯制造流程的复杂性，为射芯机时序数据管理带来了巨大挑战。

发动机气缸体铸造车间与射芯机示例

普戈曼为该项目构建的解决方案架构依旧基于 PLC 服务器和 OMAP 平台，相比通用解决方案架构，OMAP 涵盖分析框架模块，负责处理从 PLC 获取、存储进入时序数据库 IoTDB 的所有数据，并进行必要的计算，以生成需要的度量指标。

目前，普戈曼使用 Apache Flink 作为流处理框架，负责数据的实时处理与分析。然而，伴随时序数据库 IoTDB 功能的不断进步，普戈曼正在尝试构建基于用户自定义函数 UDF、连续查询和触发器的数据实时处理方法，可以在数据库内部完成所有时序数据分析任务，从而进一步简化应用架构。

在宝马智能核心项目中，时序数据库 IoTDB 提供了关键的时序数据管理能力，支撑该数字化应用的以下场景：

数据监控：基于处理、分析得到的数据结果，计算生产率和质量相关指标，并支持定期生成制造过程报告，用于质量检查和质量控制。

成本控制：深入挖掘汽车制模各环节数据信息，分析耗材量较高或报废率较高的制芯类型，结合订单信息进行严格的制造成本计算，以最小化制芯成本创造最大订单收益。

生产流程管控：通过射芯机上报参数情况，了解砂芯加工类型及对应砂芯质量，进一步自动化生产流程，如自动生成供 SAP 系统、ERP 系统和仓库使用的订单信息，方便指令存储与供应，无需额外的集成应用层。

4. 总结

德国数字化转型目前面临劳动力结构老龄化、设备陈旧化以及数据管理能力不足等核心挑战，基础设施数据管理软件则需符合严格法规要求。不同于国内工业应用场景，德国工业场景更为看重时序数据库的易用性与系统开放性。

在此背景下，时序数据库 IoTDB 通过提供低代码开发支持、开放的可扩展架构以及全流程数据管理能力，深度融入德国工业生态，通过兼具技术适配性、架构灵活性与合规保障的解决方案，以数据驱动的方式为德国多领域关键行业的可持续转型注入了新动能。