IoT-аналитика

Сбор, сохранение и визуализация первичных данных - это только начало любого крупного IoT-проекта. Экономический эффект достигается управленческими решениями, направленными на оптимизацию существующих процессов и вывод на рынок новых продуктов и сервисов для конечных заказчиков.

Технически вышеупомянутое достигается путём агрегации, обработки и глубокого анализа данных, полученных с устройств. Однако для каждого крупного решения эти операции будут уникальны - оптимизация хранения собранных сельскохозяйственных культур в корне отличается от оркестровки транзакционных данных в «умных» электросетях или управления парком вилочных погрузчиков.

Аналитические возможности AggreGate варьируются от простых оповещений о внештатных ситуациях до продвинутой обработки данных модулями машинного обучения, позволяющими находить аномалии и предсказывать события, например, выход турбины из строя. Годы присутствия на рынке и тысячи реализованных нашими партнёрами проектов на всех вертикальных рынках позволили нам убедиться, что платформа имеет необходимый набор инструментов для каждого случая.

Подготовка машиночитаемых данных

Подготовка машиночитаемых данных

AggreGate получает, структурирует, сортирует, фильтрует, преобразует, агрегирует, группирует, анализирует и транслирует данные, полученные от «вещей» - больших и маленьких - независимо от того, поступают ли они от фитнес-браслета или же оборудования для мониторинга SDH-сетей. В зависимости от типа этих данных они могут как перенаправляться в приложения, для которых имеют наибольшую ценность, так и напрямую обрабатываться операторами платформы и вертикальных решений, построенных на её основе.

Нормализация данных

Нормализация данных

Мы привыкли разрабатывать наши аналитические модули без какого-либо представления о физическом смысле данных, которые они будут обрабатывать. Драйверы устройств абстрагируют полученные значения, исходя из особенностей коммуникационных протоколов. Затем эта информация поступает в единую модель данных, где масштабируется и преобразуется для обеспечения единообразия. После этого данные могут свободно перемещаться между любыми модулями платформы.

Большие данные

Большие данные

Потоки информации в IoT бывают действительно ошеломляющими. Сотни тысяч транзакций в секунду могут быть пиковой нагрузкой для крупного финансового учреждения, тогда как для нефтеперерабатывающего завода обработка подобного количества метрик является типичной рабочей ситуацией. Мы потратили многие годы на оптимизацию нашего фреймворка, чтобы добиться обработки подобных объёмов данных на одиночном сервере, и куда большей производительности при использовании кластера серверов, объединённых через распределённую инфраструктуру AggreGate.

Проблемно-ориентированные языки

Проблемно-ориентированные языки

В AggreGate реализованы языки запросов, выражений, процессов (а также некоторые другие), разработанные специально для «естественного» понимания нормализованных данных, циркулирующих в системе. Встроенные среда разработки и отладчик существенно упрощают обработку данных, без которой в настоящее время представить систему мониторинга и управления корпоративного уровня крайне сложно.

Машинное обучение

Машинное обучение

Обнаружение взаимосвязей в структурированных и слабоструктурированных данных - одна из ключевых особенностей платформы. Более 20 алгоритмов и сотни параметров удовлетворят любые ожидания аналитиков данных. Визуальный редактор процессов позволяет настраивать, обучать, оценивать и управлять моделями согласно заданной логике, а инкрементальное обучение и возможность потоковой обработки данных завершают картину.

Аналитика временных рядов

Аналитика временных рядов

AggreGate особенно хорош в анализе временных рядов, которые являются наиболее распространённым типом данных в IoT. Это позволяет обнаруживать аномалии, предсказывать поведение графиков и классифицировать временные ряды независимо от физического смысла информации и количества метрик в массиве данных. Поддержка работы с потоками обеспечивает беспроблемную обработку больших объёмов информации, которые никогда не поместятся в памяти.

Управление событиями

Управление событиями

Возможности модуля мониторинга и обработки событий включают в себя фильтрацию, сортировку, агрегацию, дедупликацию, маскирование, корреляцию, подтверждение, обогащение и поиск первопричин. Большая часть аналитических модулей поддерживает активацию по событию и может быть инициирована с помощью событий, полученных из внешних источников или от созданных пользователем моделей объектов и процессов.

Инструментальные панели для аналитики данных

Инструментальные панели для аналитики данных

От визуальной части IoT платформы, как правило, не ожидается чего-то большего помимо счётчиков, карт, таблиц и графиков. AggreGate может посоперничать с лучшими представителями систем бизнес-аналитики в создании статистических, аналитических и датамайн-интерфейсов. Вы можете детально изучать накопленные данные, обнаруживая новые взаимосвязи и находя пути экономии потребления электроэнергии или простоя оборудования.

Фокус на результат

Фокус на результат

Несмотря на то, что платформа сама по себе не привносит ничего в ваш бизнес, она позволяет сосредоточиться на получении прибыли вместо решения инфраструктурных задач. Разработка и развёртывание решения на базе AggreGate в инфраструктуре заказчика, как правило, занимает всего несколько месяцев, при этом реальный экономический эффект виден уже в первые недели внедрения.

Цифровые двойники

Цифровые двойники

Механизм моделирования объектов и процессов позволяет создавать цифровые двойники физических активов и сервисов. Модели используют бизнес-правила для автоматического принятия решений при возникновении важных событий. Каждая модель может быть прикреплена к устройствам, источникам данных или другим моделям, находящимся ниже в иерархии цифрового предприятия.