3.3 数据情景化

数据库表中名为 current 的列只是一个数字。只有当您知道是哪个电表产生了它、该电表安装在哪里、值的物理单位是什么，以及什么范围属于正常，它才变得有意义。数据情景化是将这些背景知识附加到数据上的过程——将原始测量值转化为丰富、可查询、AI 就绪的工业数据资产。

TDengine IDMP 通过三种互补机制构建数据上下文：元素、属性和事件。每种机制提供不同维度的信息，三者共同赋予每个数据点完整的工业语义。

3.3.1 情景化的重要性

如第 1.2 节所述，AI 无法处理没有上下文的数据。振动读数 4.7 对任何 AI 系统都毫无意义，除非它知道这是哪台电机产生的、值的物理单位是什么、正常运行范围是多少，以及当时产线上发生了什么。没有情景化，数据就是数据孤岛——无论算法多先进，都无从推理。这正是 TDengine IDMP 位于时序数据库与智能层之间的原因——它是将原始存储转化为 AI 可推理内容的语义层，是从数据展示到数据理解的关键跨越。

但情景化的价值远不止于 AI。在此之前，隐性知识显性化的代价以另一种方式显现：存在于经验丰富工程师头脑中的知识无法传承；数据分析团队在每个新项目中都要重新构建相同的数据映射；运维人员在出现问题时要花数小时将信号追溯到具体设备。情景化一次性解决了所有这些问题——它将关于业务运营的知识编码进数据模型本身，使其永久保存、可搜索，并可供每个用户和每个系统使用。

本章的工作就是构建这个知识层。配置的每个元素描述、设置的每个单位、定义的每个极限值、附加的每份文档，都在让整个平台更加强大——不仅服务于今天的问题，更服务于未来针对这些数据所做的每一次分析和 AI 查询。

3.3.2 来自元素的上下文

元素代表一个物理或逻辑资产。附加在元素上的上下文信息描述了该资产是什么：

名称和层次结构： 元素的名称及其在元素树中的位置，告知用户和系统正在查看的是哪个资产，以及它与其他资产的关系（工厂 → 产线 → 设备 → 传感器）。
模板： 标识该元素所属的资产类别，用户可以立即了解其应有的属性和行为。
类别： 业务层面的标签（如资产类型、系统、状态），使元素在大型资产目录中可筛选和可分组。
描述： 关于该资产用途或代表内容的可读说明。
位置： GPS 坐标（经度、纬度、海拔），将资产定位在地图上，并支持空间分析。
附加特性： 用于存储不随时间变化的静态资产元数据的自由键值对：制造商、型号、序列号、安装日期、额定规格、维护联系人等。
关联文档： 直接附加到元素的工程手册、P&ID 图纸、校准报告及其他参考文件。这些文档由 AI 引擎索引，用于在 AI 问答中提供更准确、更贴近资产的回答。
注解： 工程师或操作员记录的自由文本备注，如维护记录、事故报告或配置变更说明。

所有这些信息均可搜索，并可供 TDengine IDMP 的每项功能使用——仪表板、分析、事件检测和 AI 问答——用户无需跨系统查阅即可理解数据的含义。

3.3.3 来自属性的上下文

属性代表元素的某项具体测量。附加在属性上的上下文信息描述了该测量意味着什么：

描述和类别： 对测量内容的通俗说明，以及将相关属性归类在一起的分类标签。
工程单位： 计量单位分类、默认计量单位和显示计量单位，告知系统和用户正在测量的是什么物理量、以什么单位表示。TDengine IDMP 利用这些信息在可视化和分析中自动进行单位换算。
极限值： 低限、低低限、高限、高高限、目标值、最小值和最大值阈值，定义了测量的正常运行范围。这些极限值驱动事件检测、仪表板中的报警着色，以及 AI 引擎对当前状态是否正常的判断。
附加特性： 用于存储测量专属元数据的自定义键值对，如仪表标签（如 TIT-101）、校准日期、传感器制造商或测量范围。

没有这些上下文，5.45 毫无意义。有了它，TDengine IDMP 知道这是电表 em-12 的 5.45 A 电流，正常范围为 0–10 A，超过 8 A 应触发高报警。