需求
这家韩国制造商正在寻找一种经济高效的解决方案，可以轻松集成到他们现有的生态系统
中。他们正在寻找一个可以增长到3 PB 并且能够与他们现有的 AI、ML 工具一起工作的最
佳解决方案。
商业挑战
该韩国制造集团选择了 SQream 平台来分析由制造机器传感器事件组成的 PB 级数据库，这些事件在其生产车间被提取到 13K 表中。主要目的是利用 SQream 的快速摄取和处理能力来学习正常模式，尽早识别故障，并检测与正常模式的任何非标准偏差，以触发额外的审查并减少供应链运营中的潜在问题。
商业冲击
智能传感器网络的出现为工业环境开辟了前所未有的可能性，引发了智能制造和工业 4.0 的浪潮。此类技术带来的不断增长的数据量为使用机器学习方法从数据中提取信息铺平了道路，即使是人类专家也无法获得。制造团队被要求（尽早）检测基于机器的传感器积累和分析的异常情况。由于制造过程极其复杂且包含数千个传感器，因此第一步是积累不同阶段的传感器数据（acsensorize）并创建基线数据库。在拥有 1000 TB 的数据后，SQream 平台不断处理和搜索与基线的偏差。
为什么选择 SQream？
- SQream 拥有专有算法来分块数据，因此显着降低了成本。
- SQream 每小时可以加载几十TB，同时自动优化和压缩数据。
- 摄取量很容易扩展和扩大。
- 能够处理PB 级数据、数千列。
- 快速摄取到数千列。
- 能够快速连接具有大型数据集的许多表。
各方面取得的积极成果
- 持续分析13K表
- 整体设备效率提高 17%
- 分析2 PB数据；2.5 万亿行
- 比之前的平台快9倍
