过程中，要充分考虑不同的源处理，以及这段存储到下一段存储之间，语境是什么，它的上下文要求是什么，再来制定下一段的存储策略，或者是数据传输的策略，包括实时性、批处理。
我们会把它看成一个三元组，不管多复杂的数据处理，都是这个三元组构成。在工业领域相对更为复杂，要考虑到的周边要素特别多，需要把这个复杂系统拆分处理。
Q7：在非实时场景下的时序非结构化数据采集方式是什么？
一些工厂或是场站，数据没办法实时传出来，时序数据可以实时采集之后先存储在本地，再离线回传。
例如风电场的CMS、工厂里的鼓风机等大型旋转设备的一些震动数据，一般都会在现场都加装一些本地化的存储装置，因为频率太高，这些数采存储装置会把时序数据先捕获下来，之后根据数据量和需求来看，要不要做切片或是定时分割。不是所有数据都对分析有价值，或者说价值密度不一样。
例如，在风电场事件触发的数据回传，一旦出现故障预警，系统会自动将那段时间的震动数据片段，以文件的方式传回来。事件触发型还要考虑做场景覆盖、工况覆盖，经过后续的补充，逐步完善可能出现的工况类型，慢慢过渡到全自动触发。时间触发在震动的频谱分析当中也比较常见，按周期定时回传一批数据。不管是事件触发还是时间触发，都会把它存成非结构化的数据，按需或者是定期批量性、非实时性地回传。
Q8：传感器如何降低外部干扰，安装或者传感器选型有什么建议？
不仅是采集设备，只要是在现场的装置，都面临环境的干扰，例如电磁干扰、温湿度、高低压等等。降低干扰还是从硬件设计上考虑，特定工况例如电磁干扰就可以考虑做一些电磁屏蔽，从源头上去控制，或是通过电磁兼容监测来满足要求。
现在很多设备制造商也在积极考虑类似工况下的数据采集，例如西电针对他们的高压变电设备，推出了大量的传感监测手段，应对突变、浪涌等电磁干扰现象。
如果数据确实存在一定的偏差，比如同样一批传感器在不同的工况下，会出现相似的一些工况偏差，只要在正常的偏差范围内，可以通过模型软校正，让传感器传输出来的数据可以支撑分析。
越好的传感器越贵，稍微便宜一点的传感器能覆盖90%的工况，剩下10%的工况虽然没那么准，通过一些数据的手段加上一些补偿模型，做数据修复和治理之后再去建模，也是我们经常会和企业去探讨的一个话题。
