一家工廠有三十臺壓縮機，每臺都接了溫度、壓力、振動三個測點。三個月下來，積累了上千萬條數據。當工藝主任想看”這些壓縮機在哪個工況區(qū)間運行得最多”時，他發(fā)現所有監(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”數據整體是怎么分布的”。

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)數據分析多了一種組織信息的維度：把兩個屬性各自分桶，統計落在每對桶區(qū)間里的樣本數量，用顏色深淺呈現密度分布，讓設備運行真相浮現。

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”關系”——轉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據。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，看數據在二維空間里的密度分布。 它不關心某個時刻發(fā)生了什么，它關心所有的歷史數據點在兩個屬性的交叉空間中是怎么聚集的。

舉個例子。一臺變速設備，轉速在 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——轉速和載荷各是一條隨時間變化的線，兩條線在時間上的關系可以大致感知，但它們在整個歷史中的聯合分布，折線圖表達不了。柱狀圖也無能為力——兩個連續(xù)變量交叉產生的區(qū)間數量太多，不可能用一組柱子表達清楚。

熱力圖的處理方式是把轉速分成若干個桶（比如每 100 轉一個桶），把載荷也分成若干個桶（每 10% 一個桶），統計每個交叉格子里落入了多少個數據樣本，然后用顏色深淺標記出來。顏色最深的格子，就是設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計，沒有任何復雜算法，但它呈現的信息——”數據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，設定每個軸的分桶大小，選擇配色方案，加載數據即可。

兩個軸都可以自由選擇元素的任意屬性——轉速、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（轉速）每 100 轉一個桶，得到的是粗粒度的分布輪廓；每 20 轉一個桶，能看到更細的結構，但格子多了，對數據量的要求也更高。桶的粗細沒有絕對標準，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速區(qū)間，需要細桶。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值范圍），或者按固定數量分（將整個數值范圍等分為指定數量的桶），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。深色代表該格子內樣本數量多，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的，不是替代關系。 熱力圖擅長發(fā)現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)現某個轉速區(qū)間的溫度樣本異常集中，想了解這個現象是怎么發(fā)生的，還是要回到趨勢線上去看時間序列。

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

分桶數量要跟數據量匹配。 桶分得太細而數據量不夠，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應該在幾十到幾千之間，太密或太疏都不利于讀出信息。

數值跨量級時考慮對數刻度。 有些傳感器數據的變化范圍跨越多個數量級——比如微量泄漏時的流速和正常流量差了三個數量級。線性刻度下，小值區(qū)間的所有數據會被擠在底部幾行格子里，完全無法分辨。切換到對數刻度后，每個數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。隱藏這些低計數格子后，真正的聚集區(qū)會更加醒目。同時適當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)應用場景

場景 1：電流和溫度的對應關系是否正常

一臺電機的電流和繞組溫度存在自然的對應關系：電流越大，溫度應該越高，冷卻系統正常情況下，兩者應該保持一個大致的正比關系。如果這種對應關系被打破——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），加載過去一周的數據。正常情況下，熱力圖的深色區(qū)域會沿對角線分布：低電流對應低溫，高電流對應高溫。如果深色區(qū)域整體向上偏移——電流中等但溫度偏高——說明設備在同樣的負載下比之前更熱了，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關系在變弱，可能意味著溫度受到了其他因素（環(huán)境、潤滑、機械摩擦）的干擾。

這種二維對應關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。熱力圖把兩者的關系壓成一張密度圖，對應關系是否成立、是否在發(fā)生變化，一眼就能判斷。

場景 2：多臺設備，誰的運行溫度偏高

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

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

如果某臺電機的深色區(qū)域明顯比其他電機偏右（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

某工廠運維團隊管理著上百臺設備，半年來積累了數千條告警記錄。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的告警總次數。熱力圖直接呈現出深色聚集區(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)窗口對應每周的開機啟動階段，設備經歷周末停機后重新啟動，故障率天然偏高。星期六凌晨的高發(fā)窗口則對應夜班人員最少的時段，小問題無人及時發(fā)現和處理，容易蔓延。運維團隊據此調整了巡檢排班，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。生物信息學里用它看基因表達譜，氣象學里用它看溫度異常的時空分布，網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)控軟件的默認圖表列表里，不是因為實現不了，而是工業(yè)場景過去對”分布”的需求不夠強烈。

數據量小的時候，分布分析靠人腦就夠了。”轉速一般就在 500 到 600 之間”——工程師憑經驗就說得出來，不需要一張圖來證明。但當測點數量和數據頻率同時膨脹后，人對分布的直覺就跟不上了。你不可能憑記憶判斷一臺設備在過去三個月里的數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了工業(yè)場景。它做的不是任何復雜計算，就是一個二維分桶統計——但多一種組織數據的視角，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。