• 4 min read

Bekanntgabe wichtiger industrieller IoT-Funktionen in Azure Time Series Insights

Anfang dieses Jahres kündigten wir an, dass bis zum Ende des Kalenderjahrs Azure Time Series Insights neue Features hinzugefügt werden sollten. Heute halten wir dieses Versprechen mit Stolz ein und geben die öffentliche Vorschau von Funktionen bekannt, die unseren Kunden weitere Möglichkeiten geben, ihre IoT-Daten umfangreicher auszuwerten.

Anfang dieses Jahres kündigten wir an, dass bis zum Ende des Kalenderjahrs Azure Time Series Insights neue Features hinzugefügt werden sollten. Heute halten wir dieses Versprechen mit Stolz ein und geben die öffentliche Vorschau von Funktionen bekannt, die unseren Kunden weitere Möglichkeiten geben, ihre IoT-Daten umfangreicher auszuwerten. Genau gesagt werden heute die folgenden Funktionen veröffentlicht, die weiter unten ausführlich beschrieben werden:

  • Ein skalierbarer mehrschichtiger Speicher für Zeitreihendaten, der mit Blick auf Leistung und Kosten optimiert wurde und einer cloudbasierten IoT-Lösung ermöglicht, innerhalb von wenigen Sekunden Trendinformationen für Zeitreihendaten mehrerer Jahre zu erstellen.
  • Unterstützung des Semantikmodells zur Beschreibung der Domänen- und Metadaten, die den abgeleiteten und nicht abgeleiteten Signalen von Ressourcen und Geräten zugeordnet sind.
  • Eine verbesserte Analysebenutzeroberfläche, Time Series Explorer, auf der ressourcenbasierte Datenerkenntnisse mit einer umfassenden Ad-hoc-Datenanalyse für geschäftliche und betriebsbezogene Auswertungen kombiniert werden.
  • Die nahtlose Integration in erweiterte Tools für maschinelles Lernen und Analysen wie Databricks, Apache Spark, Jupyter Notebooks und Power BI unterstützt Kunden dabei, Herausforderungen bei Zeitreihendaten auf ganz neue Art und Weise zu meistern.

Auch bei der Aktualisierung des Preismodells für Time Series Insights gingen wir große Schritte, sodass wir nun ein neues nutzungsbasiertes Preismodell vorstellen können, das Kunden einen niedrigen Startpreis und getrennte Ebenen für Datenverarbeitung, Speicher und Abfragen bietet. Damit stehen die Flexibilität und die Skalierbarkeit zur Verfügung, die im IoT-Geschäft benötigt werden.

Auf einer Reise mit den IoT-Erfahrungen unserer Kunden

Seit der allgemeinen Verfügbarkeit im letzten November haben Kunden mithilfe von Time Series Insights ihre Anforderungen an IoT-Erkenntnisse effektiv erfüllen können. Während dieser Zeit haben wir unseren Kunden zugehört und aus ihren IoT-Erfahrungen mit unserem Produkt gelernt.

Unsere Kunden stammen aus allen wichtigen industriellen IoT-Segmenten, darunter Fertigung, Automobile, Öl und Gas, Energie und Versorgung, intelligente Gebäude und Consulting. Die Szenarien sind mit Datenerkundungen für Anwendungsfälle, in denen die Form der Daten unbekannt ist, und mit betriebsbezogenen Analysen von schematisierten (explizit modellierten) Daten zur Förderung der betrieblichen Effizienz verbunden. Plattformfunktionen wie die Speicherung auf mehreren Ebenen (warm und kalt) mit der Möglichkeit, Zeitreihendaten von Jahrzehnten zu speichern, oder die explizite Modellierung und Optimierung von Abfragen für ressourcenbasierte Betriebsdaten werden immer mehr zum Schlüssel für den Erfolg von Industrieunternehmen im IoT-Bereich und die damit verbundene digitale Revolution.

Damit der Wert von Zeitreihendaten maximiert und dadurch betriebliche Informationen besser genutzt werden können, aktualisiert Microsoft das Time Series Insights-Angebot mit der Unterstützung einer breiten Palette von industriellen IoT-Datenanalyseszenarien. Aktuelle marktinterne, interaktive Ad-hoc-Analysefunktionen werden mit ressourcenbasierten betrieblichen Erkenntnissen kombiniert, sodass Kunden aus den von IoT-Ressourcen gesammelten Daten den maximalen Wert ziehen können.

Details der neuen Funktionen in der öffentlichen Vorschau

Skalierbare leistungs- und kostenoptimierte Speicherung von Zeitreihendaten

Time Series Insights erlaubt eine skalierbare Speicherung von Zeitreihendaten auf mehreren Ebenen: warm (marktaktuell) und kalt. Der kalte Speicher (Cold Storage) von Time Series Insights, der sich jetzt in der öffentlichen Vorschau befindet, basiert auf Azure Storage, einem Speicherkonto im Besitz des Kunden. Daten werden im Open-Source-Datenformat von Apache Parquet gespeichert, sodass effiziente Datenkompression, optimal genutzter Speicherplatz und effiziente Abfragen möglich sind. Dies hat den zusätzlichen Vorteil, dass eine nahtlose Verbindung mit anderen Datenlösungen wie Databricks, Azure Machine Learning, PowerBI oder anderen Diensten von Drittanbietern möglich ist, um erweiterte Analyse- und Geschäftsszenarien umzusetzen. Daten werden eindeutig anhand von Zeitreihen-ID- und Zeitstempeleigenschaften identifiziert. Kunden sind im Besitz der Daten in ihren Speicherkonten, die Datenpartitionierung wird jedoch durch die Time Series Insights-Plattform gesteuert, sodass effiziente Speicherung und Abfragen mit fortgesetzter Datenerfassung möglich sind. Daten werden über Azure IoT Hub oder Azure Event Hub erfasst, wie im Fall der Marktlösung. Im Lauf der Zeit sollen weitere Erfassungsquellen unterstützt werden.

Zeitreihenmodell zum Kontextualisieren von Telemetrierohdaten und Gewinnen von ressourcenbasierten Erkenntnissen

IoT-Daten sind hochgradig unstrukturiert, und nur ein vernachlässigbarer Anteil dieser Daten wird zu betrieblichen und geschäftlichen Zwecken genutzt, um konsistente, umfassende, aktuelle und korrekte Informationen für geschäftliche Berichte und Analysen bereitzustellen. Zum Umwandeln von IoT-Daten in handlungsorientierte Einblicke ist u.a. eine Struktur erforderlich, über die die Daten durchlaufen und verstanden werden können. In dieser öffentlichen Vorschau bietet Time Series Insights Unterstützung für Zeitreihenmodelle, die dazu beitragen, Telemetrierohdaten zu kontextualisieren, und die das Durchsuchen, Kuratieren, Verwalten und Erweitern von Zeitreihendaten zu einem einfachen Vorgang machen. Semantisch vielfältige Daten sind einfach zu durchsuchende, zu kuratierende, zu verwaltende und zu erweiternde Zeitreihendaten. Semantisch vielfältige Daten sind einfach abzufragen und zu durchlaufen, sodass Berechnungen und Analysen über ressourcenzentrische Daten einfach und für betriebliche Analysen noch wertvoller sind.

Mit Zeitreihenmodellen können Kunden Typen (z.B. Temperatursensoren), Hierarchien (z.B. Eigenschaftsnamen oder Beziehungen) und Instanzen (z.B. Zeitreihen wie deviceID oder assetID) modellieren. Durch das Modellieren von Zeitreihen haben Kunden folgende Möglichkeiten:

  • Erstellen und Verwalten von Berechnungen, Transformieren von Daten mit Skalarfunktionen und Aggregieren des Betriebs
  • Definieren von Beziehungen zwischen über- und untergeordneten Elementen zum Ermöglichen von Navigation und Referenz als Kontext für Zeitreihentelemetrie
  • Definieren von Eigenschaften im Zusammenhang mit den Instanzen und Erstellen von Hierarchien mit diesen

Umfangreiche Analyseoberfläche (Time Series Insights Explorer) für ressourcenbasierte Datenerkenntnisse und Ad-hoc-Datenanalysen

Time Series Insights Explorer wurde deutlich verbessert und unterstützt jetzt das Erstellen und Verwalten von Zeitreihenmodellen sowie das Durchführen von umfangreichen ressourcenbasierten Abfragen in hochgradig kontextualisierten Daten. Die Benutzeroberfläche schließt auch die marktaktuelle, interaktive Ad-hoc-Erkundung von Rohdaten mit ein. Im Zeitrahmen der öffentlichen Vorschau werden die Erkenntnisse durch Datenerkundung und Ressourcen über zwei separate Zeitreihenumgebungen erreicht. Diese werden in einem demnächst veröffentlichten Update der öffentlichen Vorschau in einer einzigen einheitlichen Umgebung zusammengeführt. Kunden, die das Marktangebot nutzen, werden ihre Ad-hoc-Analysen demnächst in der erweiterten Oberfläche vorfinden und können gleichzeitig die Funktionen der öffentlichen Vorschau für ressourcenbasierte Erkenntnisse nutzen.

Erstellung der Time Series Insight-Umgebung

Die verbesserte Benutzeroberfläche schließt moderne Analyseverbesserungen ein, z.B. Navigation für die schnelle Suche und Abfrage von Zeitreihendaten, Diagrammerstellungs-Steuerelemente für einfache, interaktive Visualisierung und einige umfassende Funktionen wie Marker zum Durchführen von zeitbasierten Korrelationen und Analysen.

Datenerkundungsbeispiel in Time Series Insights

Azure Time Series Insights ist auf den Erfolg unserer Kunden ausgerichtet.

Wir freuen uns darauf, unser Ziel der Vereinfachung von IoT für unsere Kunden weiter voranzutreiben und ihnen die Möglichkeit zu geben, mit ihren IoT-Daten und -Lösungen mehr zu erreichen. Weitere Informationen finden Sie auf der Produktseite und in der Dokumentation zu Time Series Insights. Sehen Sie sich außerdem den Schnellstart an, um noch heute mit der Verwendung von Time Series Insights zu beginnen.

Wir bitten Sie außerdem darum, uns Feedback und Vorschläge zu Verbesserungen des Produkts und der Dokumentation mitzuteilen. Dazu können Sie zum unteren Ende jeder Dokumentationsseite scrollen, wo Sie die Schaltfläche „Produktfeedback“ finden, oder Sie melden sich bei Ihrem GitHub-Konto an und geben dort Feedback zur Dokumentation ab. Wir schätzen Ihre Hinweise und würden uns freuen, von Ihnen zu hören.