近日，涛思数据正式发布TDengine IDMP工业数据管理平台最新版本1.0.9.0。此次版本迭代聚焦平台长期使用价值，重点回应数据规模扩大、模型数量增多、分析逻辑演进过程中“使用是否会变复杂”的核心关切，以补齐关键基础能力为核心目标展开更新。
当数据规模开始扩大、模型开始变多、分析逻辑开始演进时，一些看似细节的能力就变得重要起来——比如单位是否统一、分析能否复用、视图是否可以保存、规则调整后历史数据如何处理。
TDengine IDMP 1.0.6.0–1.0.9.0这一阶段的更新，正是围绕这些“使用前置条件”展开。它们在平台层面提前补齐能力，让后续的数据建模、分析扩展和场景落地，有一个更稳固的基础。
一、数据建模与语义一致性能力增强
1. 元素公式属性支持单位推导
在新版本中，TDengine IDMP为元素公式属性引入了单位推导能力。系统可以自动识别不同来源数据中使用的计量单位（如压力单位psi/bar/MPa，能量单位kWh/GJ），并在计算与展示过程中完成统一换算，确保同一类指标始终基于一致的度量口径。这一能力使得来自不同设备、不同地区的数据能够在模型层直接对齐，不仅避免了人工换算带来的误差，也为跨厂区对标分析、关键工艺计算以及跨区域能效与碳排放报告提供了可靠的数据基础。
2. 枚举类型可映射到数据引用属性
TDengine IDMP支持将状态、类型等枚举列表映射到设备状态、物料分类等数据引用属性，使原本静态的枚举编码能够与实际业务对象建立关联。通过这一机制，枚举值不再只是用于展示或筛选，而是可以作为主数据引用的一部分参与分析与管理。当设备、物料等主数据发生更新时，相关的数据模型、分析结果和报表也能够同步反映变化，减少人工维护成本，并为后续的资产分析、运维联动和业务扩展提供更稳定的数据基础。
二、数据查找与使用效率提升
1. 属性支持高级条件搜索
该版本中，TDengine IDMP为属性引入了高级条件搜索能力，支持在无需编写代码的情况下，对多个属性条件进行组合筛选。业务人员可以围绕具体问题，自主设定筛选条件，在大量设备与测点数据中快速定位目标对象或数据范围。这一能力使运维人员能够更高效地开展故障排查与根因分析，也为工艺人员在不同参数与批次条件下进行对比分析提供了更灵活的探索方式，同时减少了日常巡检与监控过程中对人工筛查和IT配置的依赖。
2. 元素与属性列表支持保存为面板
TDengine IDMP支持将常用的数据视角保存为可复用的“面板”。在分析或监控过程中，用户可以将筛选后的数据元素及其属性组合成一个命名面板，下次使用时，无需重复查找和勾选，直接加载即可恢复到预设的数据工作环境。这一功能针对不同角色在日常工作中关注数据范围差异较大的实际情况，减少了在大量测点中反复查找和配置的操作成本，使个人常用视角、团队标准监控视图以及项目级数据配置都能够被沉淀和复用，从而提升数据使用效率并降低一线人员的使用门槛。
三、分析能力的可复制与可持续运行
1. 分析支持预过滤与历史重算
TDengine IDMP的分析能力支持在触发前对数据范围进行预过滤，并在分析创建后对历史数据进行重新计算。通过预过滤机制，分析可以限定在特定区域、设备或范围内执行，避免对全量数据进行无效扫描，从而提升大规模分析场景下的执行效率；而历史重算能力则使分析规则或模型在调整后，能够被一致地应用到已有历史数据上，保证不同时间段分析结果的可比性与一致性。这一组合能力既支持分析在规模扩大时保持性能可控，也为分析规则和算法的持续优化、回溯验证提供了基础条件。
2. 分析模板支持子元素模板聚合
TDegine IDMP的分析模板支持对子元素模板进行聚合配置，使原本针对单指标、单元素的分析能力可以被封装为可一键创建的分析模板，并自动应用到使用同一元素模板的对象上。通过这种方式，复杂分析中涉及的多测点关联、多步骤处理和多规则判断可以被统一固化为标准模板，避免在同类设备或场景中反复手工配置。这一能力有助于将已验证有效的分析逻辑和专家经验进行标准化沉淀，并在不同设备或项目中批量复用，为复杂分析的规模化部署和持续交付提供基础。
操作方式：
•在创建分析模板时，在“计算”的“计算应用模板”选择“子元素聚合”
•选择一个子元素模板
四、面向业务场景的可视化与系统集成能力
1. 面板支持高级组态类型
随着使用场景的复杂化，工业数据在不同角色眼中需要以不同方式被理解和使用，单一的数据列表已难以支撑运维监控和管理决策。TDengine IDMP在面板基础上引入高级组态能力，允许用户将数据进一步组态为监控看板、工艺流程图等业务化界面。通过在同一套实时数据之上构建多种视图，用户无需定制开发即可快速形成适配调度、设备管理或经营分析等不同场景的应用界面，实现“一份数据、多种视图、N种应用”，使关键信息能够在更合适的情境中呈现，提升异常响应效率与决策准确性，也增强了业务人员对数据价值的直观感知。
2. AI推荐问题生成多个异常检测分析
TDengine IDMP支持AI推荐一次生成多个异常检测指标分析的问题，用户通过简单的几次鼠标点击就可以生成多个异常检测子分析任务。这样可以将复杂的异常检测分析流程进行模块化拆解，把数据清洗、特征提取和多模型判断等步骤组合为分层级的智能分析任务。通过这种方式，分析不再局限于单一阈值规则，而是可以在同一批分析流程中综合多维特征进行判断，从而识别更隐蔽、更加复杂的异常模式。同时，提高分析结果的稳定性和可信度，也使相关分析能力能够以模块形式被复用，降低高级分析在实际场景中的配置和使用门槛。
3. 管理后台新增数据写入菜单
TDengine IDMP在管理后台中新增了数据写入配置能力，支持通过MQTT、Kafka等消息队列对多种数据源进行实时或批量接入。通过集中化的接入管理，不同来源的设备数据、检测结果或人工录入信息可以统一汇聚到同一平台，并在接入过程中保持时序上的连续性与一致性。这一机制减少了因网络波动或采集异常造成的数据缺失和错乱，也使具备权限的业务人员能够自行维护数据接入配置，从而降低对IT工单的依赖，提高数据接入与运维的灵活性。
4. 单点登录（SSO）
TDengine IDMP支持与企业现有的统一身份认证体系集成，提供单点登录能力，使用户在完成一次身份认证后即可安全访问平台，无需重复登录。在多系统并行运行的工业环境中，这一机制可以将TDengine IDMP的账号与权限管理纳入企业统一的身份治理体系，确保账号创建、权限变更和离职注销与既有流程保持一致。通过基于组织结构和用户组的集中授权，既提升了访问控制的准确性，也减少了多套账号体系带来的管理成本，同时让用户在跨系统使用过程中获得更加连续、顺畅的操作体验。
结语
从功能层面看，1.0.6.0–1.0.9.0的更新覆盖了建模、分析、可视化与系统集成等多个方面；但从使用角度看，它们更像是在把一些“迟早会遇到的问题”提前解决掉。单位推导、主数据映射，解决的是数据规模扩大后口径容易失控的问题；分析模板、预过滤与历史重算，解决的是分析逻辑一旦增多就难以维护的问题；面板与组态能力，则让后续不同角色使用同一套数据成为可能。这些能力本身并不“炫”，但它们决定了TDengine IDMP在后续被更多工业数据管理场景引入时，是否需要频繁推翻重来。
扫一扫关注微信