Was sind Streaming Analytics?
            

Streaming Analytics meint die Verarbeitung und Analyse von Live-Daten mit großem Volumen aus einer Vielzahl von Quellen (einschließlich IoT-Geräten), um automatisierte Echtzeit-Aktionen oder Warnungen auszulösen. Die Technologie ist unverzichtbar für Unternehmen, die sofort Erkenntnisse aus sich schnell verändernden und ständig wachsenden Datenmengen gewinnen wollen. Da die Anzahl der Datenströme zunimmt, ermöglicht Streaming Analytics Unternehmen die Analyse und Integration von Informationen in Echtzeit aus Sensoren des Internet of Things (IoT), Märkten, mobilen Geräten, internen Transaktionssystemen, Clickstream-Analysen und vielen anderen Quellen.

Was sollten Sie Streaming Analytics nutzen?

Mit Streaming Analytics in Echtzeit können Sie sowohl historische Daten als auch aktuelle Produktivdaten in Hochgeschwindigkeit von IoT-Geräten abrufen und analysieren sowie auf Anlagenprobleme reagieren und diese künftig vermeiden.

In einer Anlagenumgebung möchten Sie Probleme proaktiv erkennen bevor sie auftreten. Sie müssen Anzeichen für einen möglichen Geräteausfall, wie eine zu hohe Temperatur oder einen zu niedrigen Druck, rechtzeitig erkennen. Anschließend analysieren Sie diese Informationen, um fundiert über das weitere Handeln zu entscheiden. Hier kommt Streaming Analytics ins Spiel. Mit Streaming Analytics in Echtzeit können Sie verhindern, dass bestimmte Ereignisse überhaupt auftreten. Sie sind in der Lage, wichtige Geschäftsereignisse zu prognostizieren und sofort zu erkennen – damit minimieren Sie Risiken und maximieren Ihren Gewinn.

Anwendungsfälle
Unternehmen brauchen Echtzeitanalysen, da die Menge an Daten immer schneller steigt und das IoT, Märkte, mobile Geräte, Clickstreams und interne Transaktionssysteme immer mehr Echtzeit-Daten erzeugen.

Mit Streaming Analytics in Echtzeit können Sie:

  • Anspruchsvolle Analysen zur Überwachung beliebig vieler Ereignisse und beliebiger Ereignisdaten planen, entwickeln und bereitstellen
  • Muster aus vielen Quellen gleichzeitig erkennen und analysieren
  • Umgehend auf Ereignisse reagieren – oder sogar vor deren Eintreten bei Einsatz von Prognosemodellen
  • Reaktionen automatisieren, damit ohne menschliches Eingreifen sofort intelligente Aktionen erfolgen können
  • Signifikante Ereignismuster erkennen, wie eine Änderung des Drucks oder der Temperatur, die auf einen bevorstehenden Geräteausfall hinweisen könnten

Beispielsweise nutzt ein Unternehmen Streaming Analytics auf Basis einer aggregierten Datensicht für Diagnosen entlang eines Förderbands in einer Fabrik. Wenn ein Teil nicht vorgabenkonform ist, wird es vom Band genommen. Andernfalls bleibt es auf dem Förderband.

Wichtige Überlegungen
Wählen Sie unbedingt eine Echtzeitlösung für Streaming Analytics, damit Sie sofort auf Erkenntnisse reagieren können. Beantworten Sie folgende Fragen:

  • Wie viele Personen in Ihrem Unternehmen werden auf Streaming Analytics zugreifen?
  • Müssen Sie eine Softwarekonfiguration oder ein Firmware-Update manuell ins Edge-Computing verschieben?
  • Können Sie eine Datenerfassungspipeline verwenden, um die Latenz aussagekräftiger Erkenntnisse zu verkürzen?
  • Können Sie Drittanbieterprodukte einbinden, von denen das gesamte Unternehmen profitiert?
  • Haben Sie aus Support- und Managementsicht die vollständige Kontrolle über das Gerät?
  • Brauchen Sie ein Heer von Software-Ingenieuren, um Ihre Streaming-Analytics-Lösung zu konzipieren und zu entwickeln?

Vorteile von Streaming Analytics

Cumulocity IoT Streaming Analytics der Software AG ist eine modulare, integrierte Lösung mit erstklassigen Funktionen, die für Hochgeschwindigkeitsanalysen und Machine Learning auf der Grundlage von Echtzeitdaten optimiert ist. Sie können sowohl historische Daten als auch aktuelle Produktivdaten in Hochgeschwindigkeit von IoT-Geräten abrufen, analysieren und darauf reagieren, um Anlagenprobleme zu erkennen und künftig zu vermeiden.

Cumulocity IoT Streaming Analytics basiert auf Apama, der branchenführenden Streaming-Analytics-Engine. Apama hat sich in vielen verschiedenen Umgebungen bewährt, vom Internet der Dinge bis hin zum Hochfrequenzhandel an Kapitalmärkten.

Self-Service Analytics
Mit Cumulocity IoT können Streaming-Analytics-Lösungen aus einfach zu verbindenden Bausteinen erstellt werden. Programmierung ist nicht erforderlich. Techniker, Produktionsingenieure und Analysten können selbst Analysen erstellen, um die Betriebseffizienz schneller zu verbessern.

In einer intuitiven Benutzeroberfläche entwerfen Sie Modelle, die die produktiven Maschinendaten nach passenden Mustern durchsuchen, und handeln entsprechend. Per Drag-and-Drop lassen sich Echtzeitmaßnahmen definieren, die bei Vorfällen in Ihren Produktionslinien oder in Ihrem Fertigungsbereich zu ergreifen sind.

Anhand einer Bibliothek mit Analysebausteinen können Sie:

  • Grenzwertverletzungen erkennen
  • Durchschnittswerte und Standardabweichungen berechnen
  • Gewichtete, lineare Regressionsverläufe berechnen
  • Fehlende Daten entdecken

Mit dem Analytics Block SDK können Sie sogar Ihre eigenen benutzerdefinierten Analysebausteine erstellen.

Voreingestellte intelligente Regeln
Assistentengestützte, voreingestellte intelligente Regeln unterstützen eine schnelle Regelerstellung. Diese Regeln sind auf den betrieblichen Anwender ausgerichtet, sodass zur Festlegung von Alarmen und Ereignissen keine Programmierung erforderlich ist.

Machine Learning-Modelle
Nutzen Sie Machine-Learning-Modelle, um in kritischen Prozessen manuelle Vorgänge durch automatisierte Systeme mit statistisch abgeleiteten Aktionen zu ergänzen oder zu ersetzen. Unabhängig davon, ob Ihre Anwendungen im IoT, in einer dezentralen Umgebung, in der Cloud oder auf einem Mainframe laufen, können Sie Modelle ausführen, optimieren und skalieren, ohne spezielle IT-Ressourcen zuzuweisen. Dazu gehören tiefe neuronale Netzwerkmodelle, die mit Keras, Caffe oder TensorFlow® erstellt wurden.

Edge- und/oder Cloud-Verfügbarkeit
Nutzen Sie Streaming-Analytics-Funktionen ganz nach Bedarf auf Edge-Geräten, in der Cloud oder auf On-Premise-Servern, um Daten auf lokaler Ebene zu analysieren und zu filtern, bevor sie zur weiteren Verarbeitung an das Backend übergeben werden. Da Sie für Cloud- und Edge-Analysen dieselbe Streaming-Analytics-Engine verwenden, entwickeln Sie eine Streaming-Analytics-App nur einmal und stellen sie überall bereit.

Entwicklungsumgebung für erweiterte Anwendungsfälle
Cumulocity IoT Streaming Analytics bietet Ihnen eine Entwicklungsumgebung für Ihre eigenen Apps und spezifisches Systemverhalten – damit können Sie auch äußerst komplexe und detaillierte Streaming-Analytics-Anwendungsfälle abbilden. Mit diesem umfassenden Toolset meistern Entwickler auch die anspruchsvollsten Streaming-Analytics-Projekte.

ICS JPG PDF WRD XLS