导语： 一根海底光缆从拉丝到成缆，经过数十道工序，每道工序都在产生数据；而订单、原料、排产又在 ERP 里流转。奥腾科技为某头部海底光缆制造企业建设多源数据融合中台，以 Ottomi-Nexus 的横向扩展底座承接产线高并发数据吞吐，以 Spark Java 计算画布把复杂的 ETL 开发拖拽化，让全局产能视图从"月底看报表"变成"实时看得见"。

一、项目背景

海底光缆制造是典型的高端装备制造场景：生产链条长、工艺要求高、设备密集，拉丝、绞合、护套等工序由不同自动化设备完成，每台设备持续产出温度、张力、速度等海量时序数据；与此同时，订单、原料、排产、交付在 ERP、供应链系统中流转。两类数据天然交织——产能评估需要"设备状态 × 订单需求"的联合计算，质量追溯需要"工艺参数 × 检测结果"的关联分析。

企业此前已建设多个信息化系统，但数据分散在各处，缺少统一的数据底座：跨系统的产能分析高度依赖 IT 人员手工取数，一份全局产能报表动辄数天；随着海外订单增长，管理层对"看得见每一米光缆的生产状态"的需求愈发迫切。

二、核心痛点

业务痛点

1. 全局产能视图缺失。 生产线、质检设备、ERP 供应链等多源异构数据分散，设备产能、在制品、订单交付之间无法联动分析，排产决策靠经验。

2. 质量追溯链条长。 海缆质量事故追溯需要回溯数月前的工艺参数与检测数据，跨系统手工比对效率低、易遗漏。

IT 痛点

1. 海量时序数据冲击传统架构。 产线设备高频采样的时序数据与业务系统关系型数据交织，传统数仓难以同时承接高并发写入与复杂分析。

2. ETL 开发效率极低。 数据清洗、加工依赖手写脚本，一个数据需求的交付以周计；数据质量规则散落在脚本中，口径不一、难以把控。

3. 数据资产"无人认领"。 业务人员不清楚平台上有哪些数据、口径是什么，找数靠"打听"，数据资产难以沉淀复用。

三、解决方案

1. Ottomi-Nexus 数据底座：横向扩展承接产线高并发吞吐

部署 Ottomi-Nexus 多模态 AI 数据中台作为统一数据底座，依托其横向扩展能力轻松应对产线设备高并发、海量数据吞吐；通过 100+ 异构数据源接入能力打通产线设备、质检系统、ERP、供应链系统，时序数据与关系型数据统一归集，批处理吞吐可达 20 万条/秒/节点，为全局产能视图奠定性能基础。

2. Spark Java 计算画布：把复杂 ETL 拖拽化、组件化

运用 Spark Java 计算画布重塑数据开发模式：计算逻辑与开源 Spark 运算能力对齐，内置 40+ 原生算子，配合 90+ 可视化开发组件，将复杂的 ETL 过程拖拽化、组件化——清洗规则、关联逻辑、聚合计算以可视化方式编排，开发人员不再手写脚本，数据加工任务开发效率大幅提升，数据口径在画布上一目了然，质量更容易把控。

3. AI 数据辅助开发与智能寻数问数：让业务人员自己找数

引入寻数问数智能体：业务人员通过自然语言快速定位所需数据资产——"查一下 3 号产线最近一周的拉丝张力均值"，智能体自动检索数据目录、生成查询与图表；结合 AI 编目与 AI 质检，数据自动打标分类，逐步沉淀企业统一数据资产目录，数据从"IT 部门私有"变为"全公司共享"。

4. 指标体系与质量闭环：数据可信才敢用

按业务域划分主题，建立覆盖产能、质量、交付、成本的指标体系，统一指标口径；落地数据质检闭环，问题数据自动生成整改工单并回传源头系统，形成"发现问题 → 反馈源头 → 整改 → 复检"的闭环，保障分析结果可信。

四、落地成效

- 开发效率跃升： 数据加工任务平均开发周期由"周级"缩短至"天级"，常规 ETL 需求开发效率提升约 70%，IT 团队从"救火取数"转向平台运营；

- 产能分析实时化： 全局产能视图由月度人工汇总升级为 T+1 自动更新，关键工序数据实现准实时可见，排产决策响应速度大幅提升；

- 质量追溯提速： 工艺参数与检测数据在线关联查询，单次质量追溯耗时由数天缩短至小时级；

- 数据资产沉淀： 统一数据资产目录覆盖生产、供应链、质检等核心业务域，数据复用率明显提升，重复开发显著减少。

五、客户价值

本案例是奥腾在高端装备制造领域"数据底座 + 低代码开发 + AI 用数"组合打法的完整实践：Spark Java 计算画布解决"数据开发难"，把开发能力从少数工程师手中解放出来；寻数问数智能体解决"数据使用难"，让业务人员第一次能自己找到数、问对数。两者叠加，企业数据中台不再只是 IT 项目，而是业务部门日常使用的工作平台——数据资产持续沉淀、持续复用、持续增值，为海外订单交付、工艺优化、质量追溯等场景提供长期支撑。