随着制造业迈向智能化、柔性化和透明化，工厂的生产设备、质量检测系统、仓储物流系统、MES/WMS 平台之间的数据交互呈指数级增长。
然而在实际落地中，制造企业普遍面临以下挑战：
- 数据源多样且复杂：设备协议、PLC 数据、MES/WMS 系统、边缘侧采集系统等格式各异，难以统一调度。
- 跨系统、跨工厂协同困难：不同工厂、产线、系统之间数据传递链条长、实时性要求高。
- 工业调度逻辑复杂：任务依赖多、链路长，传统任务调度工具在工业领域难以胜任。
- 可视化与可追溯能力不足：工业数据采集链路无法透明化，排查困难。
- 数据采集质量难保证：一旦出现异常，往往难以定位、难以恢复。
在工业数字化全面推进的今天，越来越多的企业开始思考：能否有一套高可靠、高可观察性、支持跨系统协作的工业级数据调度系统？
Apache 的出现，为制造业数据采集与调度提供了全新的可能。
为了帮助更多制造企业更好地理解 Apache DolphinScheduler 在工业场景中的落地方式，本期我们邀请来自深圳某大型制造业集团的智能制造专家——邱忠标，带来一场面向工业数据采集与调度的深度实践分享。
通过这场直播，你将了解到：
- Apache DolphinScheduler 如何支持 工业调度逻辑
- DolphinScheduler 如何与 MES/WMS、工业互联网系统深度融合
- 工业 4.0 数字化背景下，开源生态与制造业的技术协同发展
- 适合人群：为希望推动智能工厂建设的开发者、架构师、制造业数字化团队
本次直播将围绕“DolphinScheduler 在制造业数据采集与调度中的落地实践”展开，包括：
- 制造业数据采集与调度的常见挑战
- Apache DolphinScheduler 在工业领域的优势与适配性
- 真实制造行业的数据采集实践案例分享
- 跨工厂、跨系统的数据流转与调度方案
- 现场 QA 互动与抽奖
直播内容全面覆盖理论、实践与案例，适合技术人员、制造业 IT 团队、数字化负责人等观众。
如果你正面临 工业数据链路复杂、跨系统协同困难、调度不可视化、数据采集不稳定 等问题，那么这场直播将为你提供清晰可落地的解决思路。
欢迎锁定直播，与专家一起解锁 Apache DolphinScheduler × 智能制造 的最佳实践！
- GitHub: https://github.com/apache/dolphinscheduler
- 官网：https://dolphinscheduler.apache.org/en-us
- 订阅开发者邮件：dev@dolphinscheduler@apache.org（向邮箱发送任意内容，收到邮件后回复同意订阅即可）
- YouTube：https://www.youtube.com/@apachedolphinscheduler
- Slack：https://join.slack.com/t/asf-dolphinscheduler/shared_invite/zt-1cmrxsio1-nJHxRJa44jfkrNL_Nsy9Qg
同样地，参与Apache DolphinScheduler 有非常多的参与贡献的方式，主要分为代码方式和非代码方式两种。
非代码方式包括：
完善文档、翻译文档；翻译技术性、实践性文章；投稿实践性、原理性文章；成为布道师；社区管理、答疑；会议分享；测试反馈；用户反馈等。
代码方式包括：
查找Bug；编写修复代码；开发新功能；提交代码贡献；参与代码审查等。
贡献第一个PR(文档、代码) 我们也希望是简单的，第一个PR用于熟悉提交的流程和社区协作以及感受社区的友好度。
社区汇总了以下适合新手的问题列表：https://github.com/apache/dolphinscheduler/pulls?q=is%3Apr+is%3Aopen+label%3A%22first+time+contributor%22优先级问题列表：https://github.com/apache/dolphinscheduler/pulls?q=is%3Apr+is%3Aopen+label%3Apriority%3Ahigh如何参与贡献链接：https://dolphinscheduler.apache.org/zh-cn/docs/3.2.2/%E8%B4%A1%E7%8C%AE%E6%8C%87%E5%8D%97_menu/%E5%A6%82%E4%BD%95%E5%8F%82%E4%B8%8E_menuhttps://github.com/apache/dolphinscheduler
