黑石智算Titan
工业设备的数据链路：从一根 RTU 到一份诊断报告。
工业现场最贵的问题不是没有数据，而是数据进来之后没人能证明它对。报文结构配错、标签不在报文里、坏点被静默丢弃——这些故障都不会让界面报错，只会让曲线不动。Titan 把这些环节做成可核对的东西：每条报文有解析结论，每次预警有算法与窗口，每份报告有图谱与标注。
面向工业现场的设备数据处理平台，一条链路走完采集、存储、预警、分析与运维：采集侧支持 S7 / OPC UA / MQTT 网关，报文级监视能说清每条报文为什么入库、为什么被跳过；写入经 NATS JetStream 解耦后进 TimescaleDB 分区压缩。判定侧有四类预警算法（固定阈值 / 自适应阈值 / 趋势增幅 / 趋势增速），参数按设备可覆盖；分析侧有七张专业图谱（趋势 / 多波形 / 频谱 / 多频谱 / 瀑布 / 倒谱 / 转速）。结果落在诊断任务、诊断报告、知识库与隐患工单上，权限细到 21 个权限点、4 种角色。设备健康评分与故障预测仍在推进，不作为已交付能力。
- 4 类预警算法
- 7 张专业分析图谱
- 182 个 HTTP 端点
读 68 / 写 114，按角色与权限点裁剪
固定 / 自适应 / 增幅 / 增速，参数可按设备覆盖
趋势 / 多波形 / 频谱 / 多频谱 / 瀑布 / 倒谱 / 转速
4 种角色（admin / engineer / operator / user）
数据接入：把「连不上」和「连上了没数据」分开
接入页最容易骗人的两个状态是「已连接」和「最后一次采集时间在跳」。前者只说明 TCP 通了，后者可能只是上游在重推同一份镜像。Titan 把采集做成报文级可观测：每条报文一行，写清它为什么入库、为什么被跳过。
西门子 PLC 与 828D 数控系统：按点位读取 DB 块，坏点带质量戳返回，不静默丢。
批量 Read 一次取多点；一个 Endpoint 可挂多台设备，节点 ID 配在数据源里。
第三方网关整包推送：报文集字段可配，也能上传自定义报文集做联调。
- 01
- 命中：取到数值（含上游质量戳非 0 的真样本，单独计）
- 02
- 标签未命中：报文里没有该点位（变化推送，属正常）
- 03
- 值非数值：命中元素但值不是数字
- 04
- batch_key 缺失或不是数组
- 05
- 报文不是 JSON 对象
- 06
- 非 batch 路径取不到值
- 07
- 未赋值：任何漏判的路径都归到这里，不会被当成有效样本
七种结论最后只归三桶：入库 / 部分入库 / 丢弃。12 个点位里 3 个字段错 → 记「3/12 个元素字段错，其余已入库」（部分入库），不是整条扔掉。
- 自动发现：报文里自带设备编码与点位名时，采集器按报文建数据源与点位。现场一条自动发现源就能带 7 台设备、116 个点位，不用先手工录台账。
- 测量定义与波形触发支持批量下发与批量开关：一台设备的配置可以复制到同型号的一批设备上，改一处不用点 N 次。
- 波形触发默认值：触发前保留 1024 点、触发后 4096 点、采样 25,600 Hz、同设备冷却 60 秒；用来抓冲击、启停这类瞬时事件，而不是等它们出现在分钟级趋势里。
- 模拟器与报文集：内置第三方网关报文集，也可以上传自定义 JSON 报文集（16 MB 上限）做联调；断线按 2→4→…→30 秒指数退避自动重连。
时序存储与容量：瓶颈在哪，能不能加机器
工业时序的写入不是「能存」就够了：设备点位是 kHz 级采样、秒级上报，长期留存还要按时间窗查得快。Titan 的做法是消息总线解耦 + CopyFrom 批量写 + TimescaleDB 分区压缩，并且把瓶颈实测出来写在文档里。
- 采集器发布 telemetry.raw（异步，不等 ack）
- 写库 worker 攒批，CopyFrom 每 200 行 / 500 毫秒落一次
- TimescaleDB hypertable 按时间切 chunk，旧 chunk 列式压缩
- 预警是独立消费者：按设备节流 + time_bucket 降采样窗口查询
安全持续承载约 15,000 点/秒（同构容器实测 14,280/s 仍 100% 入库、零积压）；真机 x86 硬件预计更高。
压测口径：本地同构容器（TimescaleDB pg16 + NATS 2.10 + 完整 server 管道），amd64 镜像跑在 arm64 模拟层——绝对数值偏低，档位之间的相对对比有效。
v0.6.6 的问题：三个预警消费者每条消息都做窗口 SQL（自适应阈值还要调算法服务），跟着跟着就落后；JetStream 要所有消费者 ack 才清消息，于是总线无限堆积直到磁盘满。
v0.6.7 的改法：窗口查询改 time_bucket 降采样 + 按设备节流 + 时间窗去重 + 可关开关；30K/s 档从丢 31.6 万条变成 157 万条全入库，三消费者积压归零。
写库通道从来不是瓶颈：单 writer CopyFrom 在 14K 点/秒时零积压，真实上限更高。
预警：四条判定路径，参数都是可改的
「阈值告警」四个字背后是四种完全不同的判断：超没超一个数、跟自己的历史比算不算异常、涨得快不快、涨得急不急。四种混成一条会让人不敢信预警，所以 Titan 把它们拆开，每条都带窗口、倍数与去重。
- 固定阈值
- 判定式 · 值 > 该设备该点位的阈值
- 窗口 · 按点位配置
- 升级 · 超阈值 1.5 倍升「严重」
- 去重 · 由配置窗口与分级决定
- 自适应阈值
- 判定式 · 按历史分位 P95 判定，至少 20 个桶才拟合
- 窗口 · 默认 60 分钟窗口 / 60 秒桶
- 升级 · 超阈值 1.5 倍升「严重」
- 去重 · 窗口内按设备节流
- 趋势增幅
- 判定式 · 线性回归斜率 / 均值 > 20%/小时
- 窗口 · 默认 1 小时
- 升级 · 超 2.5 倍升「严重」
- 去重 · 同设备同类型 30 分钟内只报一次
- 趋势增速
- 判定式 · 斜率绝对值 > 5 单位/小时
- 窗口 · 默认 2 小时
- 升级 · 超 3 倍升「严重」
- 去重 · 按设备节流
- 每条遥测都去算一次窗口查询会把数据库和算法服务吃满——所以判定前先按设备节流，再用 time_bucket 把窗口降采样成分钟级桶。这是 v0.6.7 能撑住 30K 点/秒的原因。
- 预警不是终点：命中后自动生成隐患（同一设备 6 小时内只建一条，避免刷屏），人工也可以补录。隐患进处置流程，处置方式决定它变成工单、检修项目，还是被关闭。
- 级别本身也可管理：严重 / 警告 / 提示三档，code 创建后不可改（预警生成依赖它），名称、颜色、排序与启停都能在系统设置里改。
分析工作台：七张图谱，各看一件事
振动类故障的定位靠的从来不是一张图：时域看冲击，频谱看特征频率，瀑布看频率怎么迁移，倒谱把边频带压成一根线。工作台把七张图放在同一份数据上，切换不换数据源。
- 01趋势图
- 看一段时间的走向与突变点，可叠加多个测点
- 遥测直出
- 02多波形
- 同一时段的多个测点摆在一起，比相位与幅值
- 遥测原始样本
- 03波形频谱
- 定位特征频率，带 1× / 2× / 3× 转频标线
- /signal/fft（rfft）
- 04多波形频谱
- 多测点频谱叠在一张图上，看同一频率谁先起
- /signal/fft 逐通道
- 05瀑布图
- 看频率成分随时间怎么迁移，2D 热力图与 3D 柱阵可切换
- /signal/spectrogram（STFT）
- 06倒谱图
- 把边频带压成一根谱线，识别调制与齿轮箱类故障
- /signal/cepstrum
- 07转速图
- 看转速波动与升降速过程，优先取转速类传感器
- 遥测（speed / rpm 传感器）
- 算法服务是独立的 Python 进程：FFT、短时傅里叶（窗 256 / 重叠 128）、倒谱、阈值分布拟合、趋势回归各一个端点
- FFT 的 1× / 2× / 3× 标线由转速均值 / 60 推得，转速传感器缺失时退化为 50 Hz 基准——图上标出来，不假装知道真实转频
- 没指定时间范围时按 24 小时 → 7 天 → 30 天 → 90 天依次回退，全部为空才报「该时间段内无遥测数据」，并把实际查过的时间段写进提示里。
- 图上可以打点标注（存在 analysis_annotations，可编辑可删），诊断报告与运行参数页引用同一份标注，不用在两个界面各标一遍。
诊断：任务在看板上走，报告带图谱
诊断不是「看一眼曲线」，而是一条有申请、有执行人、有报告、能被确认的任务线。Titan 把它做成看板：谁申请的、谁在做、出没出报告，一眼能看到。
申请
现场或点检提出诊断需求，挂到具体设备上，写清现象与时间范围。
分配
指派诊断工程师；同一台设备的历史任务与报告都可回看。
执行
在工作台选设备与时间窗做图谱分析，执行过程与状态变更都留日志。
出报告
运行报告或故障诊断报告：结论 + 正文 + 图谱快照，可继续编辑。
确认归档
报告确认后进知识库的故障案例，下次同类问题直接检索。
- 报告存的是结论与图谱快照（chart_data），不是一张截图：设备名、时间窗、图谱与标注一起留档，事后能复现当时的判断依据。
- 知识库分六类：规章制度、技术资料、运维标准、维修方案、基础资料（轴承库 / 齿轮库 / 厂商库）、故障案例库；表单字段可配，附件可上传。
- 基础资料是三个独立库：轴承库（型号与参数）、齿轮库、厂商库——查备件与查参数不用翻纸质台账。
- 算法基线可运维：/algo/train 训练阈值模型，/algo/reset-baseline 支持单设备与批量重置（换型、检修后基线要重置，否则自适应阈值会一直报）。
运维：隐患处置不走丢
隐患最怕的不是多，而是派出去之后没人知道它去哪了。Titan 的隐患只有几种确定的去处：变成四类单据之一，或者被关闭、转派、撤销——每一种都留处理人、时间与原因。
维修工单日常维修 / 大中修
能立刻处理的隐患直接转维修工单，派到人；也可并入检修项目，等停机窗口一起做。
润滑工单润滑路线
缺油、油温异常这类隐患转润滑工单，落到具体润滑路线与执行班组。
点检工单巡检路线
需要人到现场确认的，转巡检工单，按路线与区域派下去。
检修项目检修计划
确认是隐患但要停机才能处理的，纳入检修项目，由检修计划统一排期。
转派换处理人
判断不了或不是本班组的，转派给能判断的人，转派原因留痕。
关闭 / 撤销两个不同结论
关闭 = 确认不是隐患或已处理完；撤销 = 误上报。两者分开记，统计口径才干净。
点巡检：路线（区域 + 设备 + 标准）、巡检标准、巡检工单与班组四件套；路线可启停，停用后不再产生工单但不删历史。
润滑：润滑路线、润滑标准、润滑工单；标准与路线分开维护，同一条路线可以挂多套标准。
维修：日常维修工单与大中修工单、检修项目、检修计划、检修标准；检修项目可一键转工单执行，执行记录回到设备履历。
权限、授权与部署：能进厂，也能交给厂里自己管
工业软件交付的最后一公里是：现场没有外网、账号由甲方管、升级要能在一个下午做完。Titan 把这三件事都做成了可执行的东西，而不是写在方案里。
21 个权限点、4 种角色
权限码按「模块.动作」授予角色（admin / engineer / operator / user），写操作逐个挂角色校验，越权返回 403 而不是静默失败。
License 授权与机器指纹
离线激活：按机器指纹生成授权，到期与状态在界面可见；无授权时中间件拦在业务入口之前。
Spark 单点登录
从 Spark 打开 Titan 不需要二次登录（RSA 公钥验签），账号与角色仍在底座统一管理。
采集器可分离部署
采集可以内嵌在 server 里，也可以作为独立进程部署；一台采集器对多台设备，按设备或网段加机器扩展。
Windows 离线升级包
面向现场工程师的一键升级包：双击执行、断网可用、迁移与回滚都有提示——重庆科技大学等现场按这套走。
报文级排障界面
现场出问题时不要求工程师连数据库：登录就能看报文、解析结论与丢弃原因，清空缓冲才需要工程师权限。
- 部署形态
- 现场服务器私有化；Docker Compose / Windows 服务两种交付
- 后端
- Go + chi + pgx；采集器可独立进程（TITAN_COLLECTOR_EMBEDDED=false 时只跑 server）
- 时序存储
- TimescaleDB（PostgreSQL 扩展）：hypertable 分区 + 列式压缩，迁移带版本追踪表与 down 回滚
- 消息总线
- NATS JetStream：消息保留 7 天，写库与三路预警各自独立消费者
- 采集协议
- S7 / OPC UA / MQTT 网关（自定义报文集可上传联调）
- 算法服务
- 独立 Python 服务（FastAPI）：阈值拟合、趋势回归、FFT、STFT、倒谱
- 授权
- 离线 License + 机器指纹；可选 Spark 单点登录
- 预测性维护仍在做：设备健康评分与故障预测基于已积累的时序数据推进，不当作已交付能力对外承诺。
- 同一数据源只能由一个采集进程订阅：两个采集同时跑会重复写遥测（去重是进程内状态，跨进程无效）。双机负载均衡时要把 /api/data-sources* 固定到采集归属节点。
- 双机部署必须同版本：备机跑旧版会出现「同一操作时好时坏」——备机的数据源列表报 500、测试接口 404。
- 预警链路是唯一瓶颈：它每条消息都要查窗口，超载时写库还正常、预警消费者永久落后、总线开始堆积，所以必须保持按设备节流。
- 算法服务不可用时自适应阈值退化为固定兜底值，并在预警标题里写明是兜底值，不静默当成正常。
- 瀑布图的 3D 视图依赖浏览器 WebGL：现场瘦客户端只支持 2D 热力图时功能不受影响。
申请 Titan 试用
官网不提供安装包下载，也没有自助注册或系统登录入口。所有产品一律邮件申请试用：说明使用场景，我们回复开通演示环境或安排演示。