1. 案例背景

某大型能源科技公司，致力于为全球客户提供领先的清洁能源产品和服务，拥有多个新能源电池生产基地。该公司目前仍在建设年产量可达 30GWh 和 24GWh 的新能源电池项目。该公司所使用的数据系统分为工厂级 MES 层和产线层。

由于当前数据系统中存在多条产线，且每条产线使用的数据库种类不尽相同，包括 Oracle、HANA、SQL Server、MySQL 等，造成各产线中的数据采集标准不一致，难以进行数据的统一存储，从而导致产线中“数据孤岛”问题突出。

同时，当前系统的工厂级 MES 层在数据查询和分析性能上无法满足业务要求，严重制约数据价值的发挥。

客户诉求

建设数据湖项目，解决数据孤岛和 DB 计算效率慢的问题，以满足各种应用场景的需求。

1. 数据孤岛严重，多产线数据标准不统一，数据集成困难；

2. 数据处理和性能无法满足当前业务要求，无法发挥出数据价值。

2. 一期建设内容 - 数据集成平台建设

1.1 现存问题

1. 产线复杂，数据标准难统一

• 产线 DB 多样。各产线使用的数据库不一致，数据采集方式及入库标准不一致，数据难以做到统一管理

• 技术栈复杂。需要通过 KapWare 中间件实现各产线数据与工厂层 MES 的数据通信

2. 数据集成困难，写入延迟高

• 产线数据入库写入延迟高。各产线厂商所提供 PLC 系统不透明，工厂级MES层 和产线 PLC 之间存在信息流或操作流程的瓶颈，导致层级间数据集成不顺畅，信息传递延迟 > T + 1

3. 事务查询和数据分析能力差

• 查询分析效率低。当前使用的数据系统不满足业务需求，在进行数据查询和数据分析时，不能及时响应操作，复杂查询延迟高， GP 一小时内无法出结果，Oralce 查询无响应

• 系统稳定性差。前端进行复杂 SQL 查询时，Oracle 无法满足分析性能要求，GP 也仅能满足基本分析性能要求。

1.2 解决方案

使用 YMatrix 建立产线数据湖，支持产线 DB 和产线历史数据的统一管理。

运用 MatrixGate 数据迁移工具将数据以并行的方式写入 YMatrix 中。

基于创新的存储引擎和计算引擎支持数据的迁移压缩和复杂 SQL 的批量计算，加速数据分析效率。

在 YMatrix 中可直接使用 SQL 查询库内数据，无需额外开发平台（Python）的支持，高效简洁。

同时，库内流计算支持实时数据分析，可满足可视化实时交互分析的需求。

1.3 应用效果

架构简化，写入延迟低

• 无需数据中间件，产线 DB 只需连接 YMatrix，写入延迟低
• 统一数据写入标准，所有产线数据汇集至中心数据湖统一管理

迁移压缩效果好

• 高性能数据迁移，数据压缩率可达 10 倍+

复杂查询效率高

• 5 张表，千万级别关联，查询效率提升 83%
• GP 长期无响应的复杂查询，12 张表 百万级别关联 1s 内完成，19 张表 千万级别关联 2分钟完成
• Oralce 无法出结果的查询，28 张表 10 亿+ 行关联 秒级查询返回，12 张表 千万级别关联 1s 完成

3. 二期建设内容 - 动力电池溯源

1.1 现存问题

1. 开发工序多，100+ 维度数据

• “放电-电芯-模组”VBA 报表的查询优化

• 多维度动力电池数据处理，包括制程、维修、重工、条码关联、原材料、流程、模组维修、电芯工序程序、模组工序、PACK 等开发工作。

2. 质量管理体系严格，10+ 追溯类别

• 需从模组流程卡、电芯流程卡、维修、过站信息、首巡检、模组段质量、电芯中断参数、PACK 质量等多角度进行电池信息追溯

3. 库外数据运算，无法保障数据一致性

• Python 程序稳定入库

1.2 方案应用

使用 YMatrix 建立数据中台，建立数据入库标准，实现工厂级 MES 和产线 MES 的数据的统一入库。

使用库内 Python 智能算法替代库外 Python 处理程序。

在此基础上，通过创新的存储引擎和计算引擎助力数据查询效率的提高。

YMatrix 数据仓库提供独创的库内流计算技术，可实现数据流批一体处理，实现历史数据和实时数据的分析计算，支持多维数据报表查询，提升报表响应速度，为新能源电池的数据分析和追溯溯源提供稳定的基础支撑。

1.3 应用效果

• 将 Python 数据处理程序内置入 YMatrix，实现库内 Python 计算，保障数据一致性。

• 10 + 表，百万级关联查询，数据返回＜ 3s

• 12 张表，24 亿行数据，查询秒级响应

• 多维追溯报表分析，效率提高 10 倍+

• 数据中台统一管理工厂级 MES 和产线级 MES，最大化发挥数据价值。