• 5 min read

Évolution des fonctionnalités de l'IoT industriel dans Azure Time Series Insights

En fin d'année dernière, nous avons annoncé la préversion de différentes fonctionnalités de base destinées à notre plateforme d'analyse IoT pour le secteur industriel avec un stockage évolutif de séries chronologiques pour des décennies de données, une prise en charge du modèle sémantique pour décrire les métadonnées spécifiques à un domaine, ainsi que des API et une expérience utilisateur améliorées.

En fin d'année dernière, nous avons annoncé la préversion de différentes fonctionnalités de base destinées à notre plateforme d'analyse IoT pour le secteur industriel avec un stockage évolutif de séries chronologiques pour des décennies de données, une prise en charge du modèle sémantique pour décrire les métadonnées spécifiques à un domaine, ainsi que des API et une expérience utilisateur améliorées. Nous nous appuyons sur la puissance de cette plateforme d'analyse avec de nouvelles fonctionnalités qui apporteront richesse et flexibilité et permettront de nouveaux scénarios pour nos clients d'entreprise IoT. Aujourd'hui, nous annonçons les nouvelles fonctionnalités suivantes :

  • Prise en charge des analyses chaudes et froides qui s’appuient sur notre préversion existante et permettent un routage des données basé sur la rétention entre les magasins chauds et froids. Les clients peuvent désormais effectuer des analyses interactives sur des données chaudes et obtenir une intelligence opérationnelle sur des décennies de données historiques stockées dans une instance Azure Data Lake appartenant au client.
  • Plateforme d'analyse flexible offrant la possibilité de connecter l'instance Azure Data Lake appartenant au client à Azure Time Series Insights pour archiver les données et permettre ainsi aux clients de posséder leurs données IoT. Les clients peuvent se connecter et interagir avec divers scénarios d'analyse avancés, tels que la maintenance prédictive et le Machine Learning, à l'aide de technologies familières parmi lesquelles Apache Spark™, Databricks, Jupyter, etc.
  • API de requête et expérience utilisateur enrichies prenant en charge l'interpolation, de nouvelles fonctions scalaires et d'agrégation, des variables catégorielles, des nuages de points et le décalage temporel des signaux de séries chronologiques à des fins d'analyse approfondie.
  • Améliorations significatives en termes d’échelle et de niveau de performance à tous les niveaux de la solution, notamment l’ingestion, le stockage, les requêtes et les métadonnées/modèles pour répondre aux besoins des clients en matière de solutions IoT.
  • Connecteur Power BI Azure Time Series Insights permettant aux clients de traiter les requêtes qu'ils effectuent dans Azure Time Series Insights directement dans Power BI afin d'obtenir une vue unifiée de leurs analyses BI et chronologiques dans un seul et même volet.

Azure Time Series Insights continue de fournir un modèle tarifaire évolutif basé sur le paiement à l'utilisation permettant aux clients d'adapter leur utilisation à la demande de leur entreprise et de laisser à la plateforme d'analyse Azure Time Series Insights le soin de mettre à l'échelle l'infrastructure en fonction de ses besoins croissants.

Plateforme d'analyse complète pour l'IoT industriel

En décembre dernier, nous avons publié une préversion de notre première vague de fonctionnalités. Largement adoptées par les clients, ces derniers ont formulé des commentaires qui nous ont amenés à actualiser la préversion aujourd'hui.

Nos clients sont répartis sur tous les grands segments de l'IoT industriel, y compris l'industrie, l'automobile, le pétrole et le gaz, l'électricité et les services publics, les bâtiments intelligents et le conseil. Ces clients soulignent le fait que l'analyse de séries chronologiques IoT va au-delà de la simple possibilité d'atteindre une excellence opérationnelle. Les données de séries chronologiques IoT associées à une contextualisation enrichie ouvrent la voie à une transformation dynamique, ce qui permet aux entreprises d'être plus agiles et plus axées sur les données que par le passé.

Pour optimiser la valeur des données chronologiques et piloter cette révolution numérique, nous mettons à jour l'offre Azure Time Series Insights. Ce dernier prend désormais en charge des analyses complètes et enrichies via un stockage multicouche, un format de fichier ouvert et la flexibilité nécessaire pour se connecter à d'autres services de données dans le cadre de scénarios de données connectés, des performances et une mise à l'échelle de niveau entreprise, une expérience utilisateur améliorée, une prise en charge des kits de développement logiciel (SDK), ainsi que des connecteurs prêts à l'emploi pour des services de données tels que Power BI afin de permettre des scénarios d'analyse de bout en bout.

Détails des nouvelles fonctionnalités disponibles dans l'actualisation de la préversion

Analyses détaillées et enrichies avec stockage multicouche

La plupart des clients IoT industriels utilisent des données IoT pour divers scénarios d'accès aux données. Pour satisfaire ces besoins, Azure Time Series Insights fournit un stockage de séries chronologiques multicouche et évolutif à des fins d'analyse des données chaudes et froides. Lorsqu'un client approvisionne Azure Time Series Insights, après avoir sélectionné l'option tarifaire de paiement à l'utilisation, il peut configurer Stockage Azure en tant que magasin froid, de même qu'en tant que magasin chaud. En outre, un client peut choisir la période de rétention (configurable à tout moment) pour le magasin chaud.  Azure Time Series Insights achemine automatiquement les données ingérées en fonction de la période de rétention configurée dans le magasin chaud. Par exemple si la période de rétention a été configurée sur 30 jours, en cas de diffusion en continu des données, les données de 30 jours sont stockées dans le magasin chaud. Par défaut, toutes les données sont acheminées vers l'instance Azure Data Lake appartenant au client à des fins d'archivage et d'analyse. Les requêtes effectuées au cours de la période de rétention configurée sont systématiquement traitées à partir du magasin chaud, sans intervention de l'utilisateur. En dehors de la période de rétention, les requêtes sont toujours traitées à partir du magasin froid. Ainsi, les clients peuvent effectuer des analyses volumineuses, interactives et basées sur des ressources à chaud pour la surveillance, les tableaux de bord et les scénarios de résolution des problèmes. Les clients peuvent continuer d'effectuer des analyses basées sur des ressources portant sur des décennies de données froides stockées dans Azure Data Lake à des fins d'intelligence opérationnelle, de résolution des problèmes, d'analyse par lots, analyse prédictive notamment.

Configuration simple et facile à utiliser pour les magasins chauds et froids dans l’expérience d’approvisionnement Azure Time Series Insights.

Plateforme d'analyse flexible pour intégrer des services de données internes et tiers

Fonctionnalité aussi importante que puissante, notre magasin froid peut se connecter à d'autres solutions de données afin de couvrir des scénarios de bout en bout. Comme indiqué précédemment, le magasin froid correspond à une instance Azure Data Lake appartenant au client et constitue la source de confiance de toutes ses données et métadonnées IoT. Les données sont stockées au format open source Apache Parquet pour une compression des données, un espace, une efficacité des requêtes de qualité et une portabilité.

Azure Time Series Insights proposera des connecteurs prêts à l'emploi pour les services de données couramment utilisés par nos clients, comme Apache Spark ™ ou Databricks pour le Machine Learning et l'analyse prédictive. Cette fonctionnalité est en cours de développement et sera prochainement mise à la disposition de nos clients.

Dans le cadre de cette actualisation de la préversion, nous publions le connecteur Power BI Azure Time Series Insights. Cette fonctionnalité est disponible dans l'expérience utilisateur Explorateur Azure Time Series Insights via l'option « Exporter », qui permet aux clients d'exporter les requêtes de séries chronologiques créées dans notre expérience utilisateur directement dans le bureau Power BI, et d'afficher leurs graphiques avec d'autres analyses BI. Cela ouvre la voie à une nouvelle catégorie de scénarios pour les entreprises IoT de l'industrie qui ont investi dans Power BI. Ils disposent ainsi d'un volet unique pour les analyses issues de diverses sources de données, y compris des séries chronologiques IoT, ce qui renforce l'intelligence opérationnelle et commerciale.

Amélioration de l'API basée sur des ressources et de l'expérience utilisateur

Depuis le lancement de notre préversion, en décembre dernier, nous avons collaboré avec un certain nombre de clients clés de l’IoT afin de hiérarchiser l’ensemble des exigences relatives aux requêtes et à l’expérience utilisateur. De cette collaboration sont nées les nouvelles fonctionnalités annoncées ce jour dans le cadre de l'actualisation de la préversion :

  • Interpolation pour reconstruire les signaux de séries chronologiques à partir de données existantes
  • Traitement des signaux discrets avec variables catégorielles
  • Fonctions trigonométriques
  • Nuages de points
  • Décalage temporel des signaux de séries chronologiques pour comprendre les modèles de données
  • Amélioration de l'API de modèle pour le balayage hiérarchique, la recherche de séries chronologiques, la saisie semi-automatique, les chemins d'accès et les facettes
  • Amélioration en termes d'efficacité de la recherche et de la navigation et jeton de continuation pour prenant en charge les requêtes à grande échelle
  • Amélioration des fonctionnalités de création de graphiques, notamment prise en charge de l'interpolation par étape, des ombres minimales ou maximales, etc.
  • Mise à jour de l'expérience de création et d'édition de modèle
  • Augmentation de la simultanéité des requêtes avec prise en charge d'un maximum de 30 requêtes simultanées

Au cours des prochains mois, un certain nombre de nouvelles fonctionnalités seront disponibles, notamment la prise en charge de moyennes pondérées dans le temps, de fonctions scalaires et d'agrégation supplémentaires, de tableaux de bord, etc.

Amélioration de l’expérience d’analyse en termes de données chaudes et froides avec prise en charge des requêtes pour les séries chronologiques continues et discrètes.

Azure Time Series Insights s'engage à contribuer au succès de ses clients

Nous comptons bien continuer à simplifier l'IoT et donner ainsi à nos clients les moyens d'accomplir davantage avec leurs données et solutions IoT. Pour plus d'informations, consultez la page produit et la documentation d'Azure Time Series Insights. Reportez-vous également au guide de démarrage rapide pour commencer à utiliser Azure Time Series Insights dès aujourd'hui.

Merci de formuler vos commentaires et suggestions sur la manière dont nous pouvons améliorer le produit et la documentation en accédant au bas de chaque page de la documentation, où vous trouverez un bouton « Commentaires sur le produit », ou connectez-vous à votre compte GitHub et entrez vos commentaires. Vos contributions nous sont très précieuses. N'hésitez donc pas à nous faire part de vos commentaires.