Skip to main content

IoT Analytics

Real-time Berechnungen für das Internet of Things (IoT)

Prognosen gehen davon aus, dass bis zum Jahr 2020 zwischen 24-30 Milliarden elektronische Geräte mit dem Internet verbunden sein werden. Eingesetzt in diesem IoT Szenario ermöglicht IoT Analytics Analyseabfragen in Echtzeit für Datenströme, die von Smartphones, Konsumerelektronik, Sensoren, Websites, Social Media, Infrastruktursystemen oder connected cars erzeugt werden.

Bei IoT Analytics basieren die Entscheidungen nicht mehr auf menschlichen Interpretationen und Einschätzungen, sondern auf in Echtzeit automatisierten Berechnungen. Darüber hinaus werden wesentlich mehr Informationen und damit mehr verfügbares Wissen berücksichtigt, da Daten aus allen verfügbaren in- und externen Quellen (sog. Datensilos) zusammengeführt und kombiniert werden (korrelationsbasierte Big Data-Analysen).

Wo wird IoT Analytics eingesetzt?

  • Ausführung von real-time Analysen für Internet of Things (IoT) Lösungen
  • Einsatz für unternehmenskritische Vorhersageergebnisse (predictable) mit hoher Zuverlässigkeit und Geschwindigkeit (Stream von Millionen Events pro Sekunde)
  • Generieren von real-time Dashboards und Warnmeldungen mit Daten die von Devices und Anwendungen erzeugt werden
  • Mittels Maschine Learning Muster erkennen, die Menschen nie gefunden hätten

Um in hart umkämpften Märkten Erfolg zu haben, benötigen Unternehmen eine flexible, zuverlässige und kostengünstige Möglichkeit solche Ereignis-gesteuerten real-time-streaming-data-Analysen selbst durchzuführen.

Sprechen Sie mit uns über Ihre individuellen Internet of Things Use Case!

Anfrage Senden

IoT Use Case für Industrie 4.0

In dem 45-minütigen Webinarvideo demonstrieren wir anhand eines anschaulichen Use Case für ein webbasiertes Flottenmanagement, wie Sensordaten mit kontextuellen Daten angereichert werden.

Mehr erfahren über Predictive Analytics & Maintenance

Expertenempfehlung

Real-Time versus Streaming Analytics

Es ist wichtig zwischen “real time analytics” und “streaming analytics” zu unterscheiden.

Normalerweise bezieht man sich bei “real-time business analytics” auf ein System, bei dem Antworten innerhalb eines bestimmten eng definierten Zeitrahmens gewährleistet sind. Börsensysteme sind ein klassisches Beispiel für diese Art von Systemen. Das Ergebnis wird in einer garantierten Antwortzeit oder als Ergebnis einer festgelegten Deadline geliefert.

Streaming Analytics dagegen ist anders. Die Stream-Verarbeitung bezieht sich auf die laufende Berechnung von Daten die kontinuierlich durch ein System fließen. Im Gegensatz zu "Realtime -Analysen" gibt es keine spezifischen Fristen oder Toleranzen in der Verarbeitung des Streams. Der Output eines Stream-Verarbeitungssystem ist nicht auf eine feste Frist festgelegt.

Analytics für das IoT Zeitalter

Bei IoT Analytics spielt Echtzeit-Streaming Analytics eine zentrale Rolle im Gesamtprozess. IoT Analytics erfordert Maßnahmen die Ereignisse in Echtzeit aufnehmen, unterschiedliche Datenstreams korrelieren oder Streams mit historischen Werten und Modellen vergleichen. Sie erkennt Anomalien, tranformiert eingehende Daten, löst einen Alarm aus wenn ein bestimmter Fehler oder Zustand im Stream auftaucht und zeigt diese real-time Daten in einem Dashboard an. 

Szenario 1: Analyse der Prozeßdaten von IoT Geräten

Marktreife Industrie 4.0-Anwendungen wie Predictive Maintenance haben den Fokus der Fertigungsindustrie stark auf die Produktions-IT gelenkt: Maschinen und Produktionsmittel, die eigenständig Informationen austauschen, sich gegenseitig steuern und selbstständig warten, machen Fabriken immer smarter. Ein Unternehmen aus der industriellen Automation hat seinen Herstellungsprozess komplett automatisiert. Die Maschinen besitzen Sensoren, die Datenströme in Echzeit aufzeichnen. In diesem Szenario benötigt ein Produktionsleiter Real-time Ansichten der Sensordaten um nach Mustern zu suchen und entsprechend zu reagieren. Als Lösung kommt Pentaho zum Einsatz um interessante Muster im eingehenden Datenstrom herauszufinden.

Szenario 2: Predictive Maintenance bei Zügen

Ein Zug mit über 3000 Sensoren je Zugabteil sowie 48.000 transferierten Datensätzen ist eine besonders komplexe Aufgabe. Durch die Einführung von Predictive Maintenance für die eingesetzten Züge werden Einsparungen in den Bereichen Wartungsmaterial, Wartungspersonal sowie durch die Reduzierung von Ausfällen erreicht. Die Komplexität aus diesem Zug-Beispiel kann auch gut für eine Fertigungs- oder Montagelinie herangezogen werden. In beiden Fällen wirken viele einzelne Produkte zusammen und müssen in ihrer besonderen Beziehung bewertet und interpretiert werden. In beiden Fällen ist es immens wichtig, daß Ausfälle oder Probleme frühzeitig vermieden werden.

Drei IoT Use-Cases: Predictive Maintenance - Predictive Quality - Dynamic Scheduling

Eine sinnvolle Ergänzung von Predictive Maintenance erfolgt durch Predictive Quality, welche die jeweilige Produktqualität erhöht und durch Dynamic Scheduling, das den Personaleinsatz innerhalb eines Unternehmens bzw. in der Produktion flexibilisiert und optimiert. Alle drei IoT Use-Cases greifen ineinander und bieten durch deren Kombination einmaliges Verbesserungs- und Einsparpotential auf dem Weg zu einer digitalen Fabrik.

Kick-Start Ihres IoT Projekts mit unserem kostenlosen IoT Analytics Beratungsworkshop

Bei Ihrer IoT Projektplanung unterstützen wir Sie außerdem gerne mit einem kostenlosen 2-tägigen IoT Analytics Beratungsworkshop.

Wir zeigen Ihnen, wie Sie unterschiedlichste Daten erfassen, integrieren und auswerten. Unsere projekterprobten Consultants erarbeiten mit Ihnen eine Implementierungsstrategie und ein individuell abgestimmtes IT-Konzept.

Mehr Informationen über dieses exklusive IoT Workshop Angebot:   PDF Downloaden

Unser Ziel ist es, die Lösungsentwicklung zu beschleunigen, die Komplexität zu reduzieren und unseren Kunden dabei zu helfen, so schnell wie möglich Nutzen und Gewinn aus IoT Analytics zu ziehen.

Ihr Vorteil

Unternehmen die auf sie einströmende Datenflut in Echtzeit reagieren können verbessern ihre Effizienz dramatisch und differenzieren sich im Markt. Unsere Lösung Hitachi Vantara mit ihren zugrunde liegende Komponenten wie z.B. Pentaho, Lumada und Hitachi Streaming Data Platform bietet eine zertifizierte und sichere Plattform, die sich schon in schwierigsten Kundenumgebungen bewährt hat.

Die Kombination von IoT Analytics in Echtzeit mit Vorhersagen (Predictive Analytic) die auf historischen Analysen beruhen, ermöglicht Unternehmen Entscheidungen zu treffen und Maßnahmen zu ergreifen die den Geschäftswert von IoT Anwendungsfällen drastisch erhöhen.

Das hohe Volumen von Echtzeitdaten bietet ein großes Potenzial für neue Einblicke in Geschäftsprozesse, die genutzt werden können, um Einnahmen zu erhöhen, Kosten und Risiken zu senken oder die Betriebseffizienz zu erhöhen.

Die Ergebnisse der exakten, automatisierten Echtzeit-Entscheidungen werden vom System selbstständig in intelligente Frontends und operative Prozesse integriert. Machine Learning auf Basis von z.B. Apache Spark ermöglicht eine kontinuierliche Optimierung von Prozessen in allen denkbaren Bereichen – wenn gewünscht, vollkommen ohne menschliches Eingreifen.

Sie haben Fragen zu IoT Analytics?

Dann wenden Sie sich jetzt an unsere Experten!

Anfrage Senden