Analytics

Systemische Sammlung, Analyse, Aufbereitung und Darstellung Ihrer Daten für optimale operative und strategische Entscheidungen.

Advanced Analytics
Mit Hilfe von Advanced Analytics Lösungen gelingt es, entscheidende Verbesserungen in...
Mehr lesen
Predictive Analytics & Maintenance
Predictive Analytics ermöglicht es, mit Hilfe unternehmenseigener Daten zukünftige Trends...
Mehr lesen
Selfservice BI, Adhoc Analysen
Die Anwender der einzelnen Fachabteilungen können jederzeit eigenständig und unabhängig...
Mehr lesen
Machine Learning
Ein System lernt aufgrund eines aus Algorithmen aufgebauten Modells aus bereits erfolgten...
Mehr lesen
Digitalisierung, IoT & Industrie 4.0
Daten werden in sämtlichen Unternehmensprozessen generiert, gesammelt und analysiert....
Mehr lesen
Data Science
Data Science bietet Ihnen die Chance - nicht auf den ersten Blick ersichtliches Wissen -...
Mehr lesen

Development

Umfassende Situationsanalyse, fundierte Beratung, professionelle Umsetzung individueller Softwarelösungen sowie kompetente Unterstützung.

Development
Wir entwickeln für Sie individuelle Lösungen mit projektspezifischen Funktionen.
Mehr lesen
Business Process Management
​​​​​​​Wir führen durch das Business Process Management eine kontinuierliche Verbesserung...
Mehr lesen
SharePoint Entwicklung
Unsere SharePoint EntwicklerInnen, entwickeln und erstellen Konzepte und Lösungen für die...
Mehr lesen
Internet of Things
Das Internet der Dinge (Internet of Things; IOT) beschreibt die zunehmende Vernetzung...
Mehr lesen
Zur Übersicht
Zur Startseite
Schliessen

Aktuelles

Neuigkeiten rund um cubido.
Zur Übersicht

Der Internet of Things (IoT) Zug

Um das Thema Internet der Dinge (engl. Internet of Things, IoT) mit einem Beispielszenario „begreifbar“ zu machen, waren wir auf der Suche nach einer geeigneten Testumgebung. Mit dem „cubido IoT-Train“ schicken wir einen Lego Zug auf die Daten-Reise. Das Video des Zugs finden Sie hier: https://youtu.be/ooWjy_BhPPU

Mit den Stichwörtern Things, Data, Connectivity und Analytics können die Stationen der Datenermittlung, -verarbeitung und -visualisierung beschrieben werden.

Data

Mit dem IoT-Train zeigen wir den Weg der auf dem Zug generierten Sensorwerte bis zur Visualisierung in einem Power BI Dashboard. Natürlich in Real-Time! Aber mehr dazu später. Für die Verarbeitung haben wir drei unterschiedliche Sensoren bzw. Daten ausgewählt:
1) die Geschwindigkeit mit der sich der Zug bewegt;
2) sind der Zug und die Lok gekoppelt (Ja/Nein Wert) und
3) einen Sensor, der den Zustand einer Waggontür ermittelt (geschlossen oder geöffnet).

Für den Datentransfer werden die ermittelten Werte mit einem Zeitstempel versehen (damit die zeitliche Abfolge gewährleistet ist) und im JSON-Format aufbereitet.
 

Things

Die „Things“ im Internet der Dinge können sich in den unterschiedlichsten Ausprägungen darstellen: vom einfachen Sensor zur Ermittlung von Messwerten bis zum intelligenten Kühlschrank, dem connected car bis hin zu komplexen Industrieanlagen mit integrierten Sensornetzwerken.

Für das Internet der Dinge ist es noch notwendig, eine Vernetzung dieser Things untereinander oder für den Zweck der Datenauswertung mit einem zentralen Verarbeitungssystem herzustellen.

Im IoT-Train ist ein Mini-Computer im Einsatz, der kontinuierlich die Sensordaten von den Sensoren einliest, vorverarbeitet und danach versendet.
 

Connectivity

Die von den Sensoren ermittelten Sensorwerte werden wie bereits erwähnt zusammengeführt und für den Versand vorbereitet. Für die Übermittlung der Daten wird beim IoT-Train mit einem mobilen Hotspot eine Verbindung in das Internet hergestellt.

Die Datenpakete werden an den Azure IoT Hub (https://azure.microsoft.com/de-de/services/iot-hub/) geschickt. Durch die Möglichkeit der Skalierung können mit dem IoT Hub die Daten von einer Vielzahl von Geräten verarbeitet werden. Die Möglichkeit der Rückkommunikation vom IoT Hub zurück zu den verbundenen Devices (Cloud2Device) wird im IoT-Train Szenario nicht genutzt.
 

Analytics

Im nächsten Verarbeitungsschritt werden die Daten mittels Azure Stream Analytics (https://azure.microsoft.com/de-de/services/stream-analytics/) weiter verarbeitet. Das zentrale Konzept bei Stream Analytics ist die Verarbeitung von Datenströmen. Ein (Sensor-)Datenstrom kann mittels des Konzepts von Zeitfensteranalyse (unter Zuhilfenahme von Window-Functions) ausgewertet werden. Bei diesem Konzept können vom Entwickler Zeitfenster definiert werden. Diese dienen als Basis für z.B. eine Ermittlung der Durchschnittsgeschwindigkeit innerhalb einer Zeitspanne.

Abfragen in Azure Stream Analytics werden mittels der Stream Analytics Query Language definiert, welche für einen mit SQL vertrauten Anwender einfach zu erlernen ist.

Stream Analytics Abfragen können mehrere Ausgabekanäle definieren – so können Fehlerwerte z.B. bei Erreichung eines Schwellwertes in einen Fehleroutput, die Durchschnittsgeschwindigkeit in den Real-time Analytics Output und die Rohdaten in den Archiv-Output geschrieben werden.

Im Rahmen der Real-Time Auswertungen spricht man auch von „Hot Data“, bei den Archivdaten hingegen von „Cold Data“ Pfaden. Im Azure IoT Umfeld kann für das Ziel von Cold Data z.B. Azure Blob Storage, Azure Data Lake Storage oder Azure SQL Database verwendet werden. Beim IoT-Train wird für den „Hot Data“ Pfad Power BI als Datenziel verwendet.

Power BI stellt mit dem Konzept von Streaming Datasets (=d.h. Datenquellen und Tabellen) eine sehr komfortable Möglichkeit zur Verarbeitung und Analyse von Real-Time zur Verfügung. Power BI Reports können für die Analyse von historischen Streaming Werten verwendet werden, wohingegen Dashboards den Real-Time Aspekt unterstützen. Sensorwerte werden (fast) in Echtzeit visualisiert und Änderungen in den Sensorwerten dargestellt.

Um den IoT-Train in Action zu sehen, haben wir ein kleines Video vorbereitet. In diesem Sinne – „Zurücktreten, der IoT-Train fährt ab!“

Blog | Internet of Things
03. Mai 2018 von Wolfgang Straßer
Werbeagentur Moremedia, Linz