一家工廠有三十臺壓縮機(jī)，每臺都接了溫度、壓力、振動三個測點。三個月下來，積累了上千萬條數(shù)據(jù)。當(dāng)工藝主任想看”這些壓縮機(jī)在哪個工況區(qū)間運行得最多”時，他發(fā)現(xiàn)所有監(jiān)控面板上只有折線圖和柱狀圖——它們能告訴他某天下午的溫度峰值，卻回答不了”數(shù)據(jù)整體是怎么分布的”。

這不是折線圖的問題，而是不同圖表類型有各自擅長回答的問題。TDengine IDMP v1.0.19 起在可視化面板中支持熱力圖（Heatmap），讓工業(yè)數(shù)據(jù)分析多了一種組織信息的維度：把兩個屬性各自分桶，統(tǒng)計落在每對桶區(qū)間里的樣本數(shù)量，用顏色深淺呈現(xiàn)密度分布，讓設(shè)備運行真相浮現(xiàn)。

一、不同的圖表回答不同的問題

工業(yè)監(jiān)控中最常見的圖表類型，各自有明確的適用邊界：

折線圖擅長回答”趨勢”——溫度在上升還是下降。柱狀圖擅長回答”比較”——A 泵和 B 泵這個月的總能耗差多少。散點圖擅長回答”關(guān)系”——轉(zhuǎn)速升高時振動是不是也在變大。

這些圖表的共同點是：它們都在按時間維度組織數(shù)據(jù)。折線圖是”值隨時間變化”，柱狀圖是”按時間段匯總”，散點圖雖然兩個軸都可以是屬性，但每個點還是一個時刻的采樣。

熱力圖換了一種組織方式：把兩個屬性維度同時展開，看數(shù)據(jù)在二維空間里的密度分布。 它不關(guān)心某個時刻發(fā)生了什么，它關(guān)心所有的歷史數(shù)據(jù)點在兩個屬性的交叉空間中是怎么聚集的。

舉個例子。一臺變速設(shè)備，轉(zhuǎn)速在 300-1200 之間變化，載荷在 20-100% 之間波動。三個月運行下來，你想要回答：”它在哪個轉(zhuǎn)速-載荷組合區(qū)間運行的時間最長？”這個問題用折線圖是無解的——轉(zhuǎn)速和載荷各是一條隨時間變化的線，兩條線在時間上的關(guān)系可以大致感知，但它們在整個歷史中的聯(lián)合分布，折線圖表達(dá)不了。柱狀圖也無能為力——兩個連續(xù)變量交叉產(chǎn)生的區(qū)間數(shù)量太多，不可能用一組柱子表達(dá)清楚。

熱力圖的處理方式是把轉(zhuǎn)速分成若干個桶（比如每 100 轉(zhuǎn)一個桶），把載荷也分成若干個桶（每 10% 一個桶），統(tǒng)計每個交叉格子里落入了多少個數(shù)據(jù)樣本，然后用顏色深淺標(biāo)記出來。顏色最深的格子，就是設(shè)備運行時間最長的工況區(qū)間。整個過程就是一個二維分桶統(tǒng)計，沒有任何復(fù)雜算法，但它呈現(xiàn)的信息——”數(shù)據(jù)在二維空間中如何分布”——是前面幾種圖表都做不到的。

二、熱力圖怎么用

在 IDMP 中使用熱力圖，配置步驟很簡單：X 軸選一個屬性，Y 軸選另一個屬性，設(shè)定每個軸的分桶大小，選擇配色方案，加載數(shù)據(jù)即可。

兩個軸都可以自由選擇元素的任意屬性——轉(zhuǎn)速、溫度、壓力、振動、電流，也可以是時間維度。沒有誰必須是橫軸的限制，任意兩個屬性的交叉分析都支持。

分桶大小決定了熱力圖的分辨率。比如橫軸（轉(zhuǎn)速）每 100 轉(zhuǎn)一個桶，得到的是粗粒度的分布輪廓；每 20 轉(zhuǎn)一個桶，能看到更細(xì)的結(jié)構(gòu)，但格子多了，對數(shù)據(jù)量的要求也更高。桶的粗細(xì)沒有絕對標(biāo)準(zhǔn)，取決于分析目的——如果想看大致的工況集中區(qū)，粗桶夠用；如果想定位某個共振轉(zhuǎn)速區(qū)間，需要細(xì)桶。分桶方式也有兩種選擇：按固定寬度分（每個桶覆蓋相同的數(shù)值范圍），或者按固定數(shù)量分（將整個數(shù)值范圍等分為指定數(shù)量的桶），后者適合快速控制熱力圖的整體密度。

配色方面，IDMP 支持多種深淺色系，從單色漸變到多色漸變都可以選。深色代表該格子內(nèi)樣本數(shù)量多，淺色代表樣本少甚至為零。

有幾個使用上的建議值得提一下：

熱力圖和趨勢圖是互補(bǔ)的，不是替代關(guān)系。 熱力圖擅長發(fā)現(xiàn)分布模式和異常聚集，但看不出變化的先后順序。如果你在熱力圖上發(fā)現(xiàn)某個轉(zhuǎn)速區(qū)間的溫度樣本異常集中，想了解這個現(xiàn)象是怎么發(fā)生的，還是要回到趨勢線上去看時間序列。

熱力圖的數(shù)據(jù)范圍會影響視覺效果。 因為顏色映射是基于當(dāng)前數(shù)據(jù)范圍內(nèi)的最小值和最大值自動計算的，如果數(shù)據(jù)中存在少量極端離群點，會導(dǎo)致絕大部分正常數(shù)據(jù)都在很窄的顏色區(qū)間內(nèi)，熱力圖的分布特征就看不清了。這時候適當(dāng)縮小查詢范圍或者過濾掉極端值，效果會更好。

分桶數(shù)量要跟數(shù)據(jù)量匹配。 桶分得太細(xì)而數(shù)據(jù)量不夠，大部分格子都是空的或者只有一兩個點，熱力圖就變成了一張”稀疏噪聲圖”，看不到有意義的聚集模式。一般來說，大部分格子的樣本數(shù)應(yīng)該在幾十到幾千之間，太密或太疏都不利于讀出信息。

數(shù)值跨量級時考慮對數(shù)刻度。 有些傳感器數(shù)據(jù)的變化范圍跨越多個數(shù)量級——比如微量泄漏時的流速和正常流量差了三個數(shù)量級。線性刻度下，小值區(qū)間的所有數(shù)據(jù)會被擠在底部幾行格子里，完全無法分辨。切換到對數(shù)刻度后，每個數(shù)量級獲得均等的垂直空間，高頻小值和稀疏大值都能被看清。

過濾稀疏格子讓熱點更突出。 熱力圖中通常散布著大量計數(shù)為 1 或 2 的零星格子——它們不代表任何有意義的模式，只是噪聲。隱藏這些低計數(shù)格子后，真正的聚集區(qū)會更加醒目。同時適當(dāng)給格子之間留一點縫隙，也能讓每個格子的顏色更容易被獨立辨識。

三、熱力圖的工業(yè)應(yīng)用場景

場景 1：電流和溫度的對應(yīng)關(guān)系是否正常

一臺電機(jī)的電流和繞組溫度存在自然的對應(yīng)關(guān)系：電流越大，溫度應(yīng)該越高，冷卻系統(tǒng)正常情況下，兩者應(yīng)該保持一個大致的正比關(guān)系。如果這種對應(yīng)關(guān)系被打破——比如電流不高但溫度很高——就說明冷卻出了問題。

X 軸選電流（每 5A 一個桶），Y 軸選溫度（每 3°C 一個桶），加載過去一周的數(shù)據(jù)。正常情況下，熱力圖的深色區(qū)域會沿對角線分布：低電流對應(yīng)低溫，高電流對應(yīng)高溫。如果深色區(qū)域整體向上偏移——電流中等但溫度偏高——說明設(shè)備在同樣的負(fù)載下比之前更熱了，冷卻效率可能在下降。如果深色區(qū)域變得分散、不再有明顯的對角線形態(tài)，說明電流和溫度之間的對應(yīng)關(guān)系在變?nèi)?，可能意味著溫度受到了其他因素（環(huán)境、潤滑、機(jī)械摩擦）的干擾。

這種二維對應(yīng)關(guān)系在折線圖上很難判斷——電流和溫度是兩條獨立的線，你看到它們都在波動，但兩條線之間的”匹配程度”靠人眼幾乎無法量化。熱力圖把兩者的關(guān)系壓成一張密度圖，對應(yīng)關(guān)系是否成立、是否在發(fā)生變化，一眼就能判斷。

場景 2：多臺設(shè)備，誰的運行溫度偏高

一個車間有二十臺同型號電機(jī)，每臺都有繞組溫度測點。車間主任想快速了解：這批電機(jī)的溫度分布有沒有差異？有沒有哪臺電機(jī)整體溫度偏高？

X 軸選溫度（每 3°C 一個桶），Y 軸選設(shè)備名稱，加載過去一周的數(shù)據(jù)。熱力圖會為每臺電機(jī)生成一行，行內(nèi)顏色深淺反映該電機(jī)在不同溫度區(qū)間的樣本量。正常設(shè)備深色集中在低溫區(qū)間，溫度偏高的設(shè)備深色集中在右側(cè)的高溫區(qū)間——哪臺電機(jī)有問題，一行掃過去就能看到。

如果某臺電機(jī)的深色區(qū)域明顯比其他電機(jī)偏右（溫度高出 5-10°C），即使最高溫度還沒有觸發(fā)告警閾值，也說明該電機(jī)存在異常。”整體偏高”的信號在逐一翻看折線圖時很容易被忽略，但在熱力圖上，同行設(shè)備并列對比，差異會被顏色直接放大。

場景 3：告警在星期幾的幾點最密集

某工廠運維團(tuán)隊管理著上百臺設(shè)備，半年來積累了數(shù)千條告警記錄。運維主管想知道：這些告警在時間上有沒有聚集規(guī)律？

X 軸選一天 24 小時，Y 軸選一周七天，每個格子的顏色深淺代表該時段內(nèi)的告警總次數(shù)。熱力圖直接呈現(xiàn)出深色聚集區(qū)落在哪幾個格子上——比如星期一上午 8-10 點和星期六凌晨 3-5 點。

星期一上午的高發(fā)窗口對應(yīng)每周的開機(jī)啟動階段，設(shè)備經(jīng)歷周末停機(jī)后重新啟動，故障率天然偏高。星期六凌晨的高發(fā)窗口則對應(yīng)夜班人員最少的時段，小問題無人及時發(fā)現(xiàn)和處理，容易蔓延。運維團(tuán)隊據(jù)此調(diào)整了巡檢排班，兩個月后重新生成熱力圖，深色窗口明顯變淺。

四、一張容易被忽視的圖

熱力圖不是什么新發(fā)明。生物信息學(xué)里用它看基因表達(dá)譜，氣象學(xué)里用它看溫度異常的時空分布，網(wǎng)站的運維后臺里用它看用戶點擊熱區(qū)。它不在工業(yè)監(jiān)控軟件的默認(rèn)圖表列表里，不是因為實現(xiàn)不了，而是工業(yè)場景過去對”分布”的需求不夠強(qiáng)烈。

數(shù)據(jù)量小的時候，分布分析靠人腦就夠了。”轉(zhuǎn)速一般就在 500 到 600 之間”——工程師憑經(jīng)驗就說得出來，不需要一張圖來證明。但當(dāng)測點數(shù)量和數(shù)據(jù)頻率同時膨脹后，人對分布的直覺就跟不上了。你不可能憑記憶判斷一臺設(shè)備在過去三個月里的數(shù)百萬個采樣點是在哪個工況區(qū)間最密集，但這恰好是熱力圖一秒鐘就能呈現(xiàn)的東西。

熱力圖把早已在其他行業(yè)驗證過的分布分析方法帶進(jìn)了工業(yè)場景。它做的不是任何復(fù)雜計算，就是一個二維分桶統(tǒng)計——但多一種組織數(shù)據(jù)的視角，有時候能讓人看到之前一直存在卻從未被注意到的規(guī)律。

熱力圖功能自 TDengine IDMP v1.0.19 起在可視化面板中正式可用。更多信息請訪問 idmpdocs.taosdata.com。