Erfolgreiches Zeitreihen-Datenmanagement mit ThingWorx

COVID-19 beeinflusst weiterhin das normale Leben und hat zu erheblichen Veränderungen in der Politik, den Prioritäten und den Aktivitäten von Einzelpersonen, Organisationen und Regierungen geführt. Wir haben jedoch festgestellt, dass sich diese Veränderungen als Katalysator für Technologie und Innovation erweisen.

Speziell für Industrieunternehmen hat sich der Bedarf an digitaler Transformation beschleunigt (siehe hier und hier). Einer der Bereiche, in denen verstärkt investiert wird, ist die Erstellung von Digital Twins für Produkte und die Implementierung von Digital-Thread-Lösungen. Mit dem Boom bei der Anzahl der vernetzten IIoT-Geräte besteht ein ständiger Bedarf an der Verwaltung der großen Datenmengen, die durch diese Geräte anfallen. Die neuen Anwendungsfälle für intelligente Fabriken zur Steigerung der Betriebseffizienz und zur Verbesserung der Serviceprodukte haben dazu geführt, dass Zeitreihendaten in großem Umfang erzeugt werden. Infolgedessen ist es für moderne IIoT-Lösungen wichtiger denn je, große Mengen an Hochgeschwindigkeitsdaten aufnehmen und verwalten zu können.

In diesem Beitrag wird untersucht, wie verschiedene Speicherlösungen in ThingWorx Ihnen bei der Verwaltung Ihrer IIoT-Daten helfen können.

Lassen Sie uns zunächst über die Arten von IoT-Daten sprechen, die von der ThingWorx-Plattform verwaltet werden müssen:

Abbildung 1: Diagramm mit verschiedenen Arten von IoT-Daten.

1. Daten, die von den angeschlossenen Geräten und Systemen stammen, wie z. B.:

• Zeitgestempelte Hochgeschwindigkeits-Telemetriedaten, die Sensormesswerte wie Temperatur und Druck senden
• Byte-Streams für den Fernzugriff, die übertragen werden, wenn Sie eine Netzwerkverbindung mit dem angeschlossenen Gerät herstellen, um aus der Ferne auf die angeschlossenen intelligenten Geräte zuzugreifen und sie zu steuern
• Dateien oder Pakete, die für die Fernverwaltung von Softwareinhalten oder Geräten hin und her übertragen werden
• Daten, die von Vertriebssystemen, ERP, MES erstellt und von der Plattform abgerufen werden

2. Innerhalb der Plattform generierte Daten, wie z.B.:

• Anwendungs- und Konfigurationsdaten
• Daten des Digital Twin Models, Metadaten und andere

Gehen wir näher auf Zeitreihendaten ein:

Zeitreihendaten sind alle Daten, die mit einem Zeitstempel versehen sind. Es handelt sich um eine Folge von Daten, die zu aufeinanderfolgenden Zeitpunkten erfasst werden. Im Falle einer IIoT-Implementierung ist die Erfassung von Zeitreihendaten entscheidend für die Analyse historischer Daten, die Überwachung aktueller Daten und die Vorhersage des künftigen Verhaltens von Systemen und Maschinen.

Abbildung 2: Grafische Darstellung eines typischen Zeitreihen-Datensatzes.

Es gibt mehrere Beispiele für Zeitreihendaten wie:

• 100.000 intelligente, vernetzte Pumpen werden in einem geografischen Gebiet auf Leckagen und Vibrationen überwacht, wobei jede Pumpe alle fünf Minuten 20 Eigenschaftswerte an ThingWorx meldet.
• Eine intelligente Fabrik mit 250 überwachten Maschinen, von denen jede 60 Eigenschaftsaktualisierungen pro Sekunde an ThingWorx sendet, ermöglicht die Erfassung der Gesamtanlageneffektivität (OEE), der Leistung und der Fertigungsproduktivität.
• Millionen von Geräten in einer intelligenten Stadt senden stoßweise Daten über verschiedene Verkehrs- und Parkampeln in der Stadt.
• Wetterdaten, die von verschiedenen Wetteraufzeichnungssensoren aufgrund von Umweltveränderungen oder Auslösern ausgegeben werden.

Wie verwaltet ThingWorx Zeitreihendaten?

In ThingWorx werden IIoT-Daten in einem Persistenz-Provider gespeichert, der die Verbindung zu einem Datenspeicher ermöglicht und die Möglichkeit bietet, eine CRUD-Operation mit diesen Daten durchzuführen. ThingWorx enthält mehrere Persistenz-Provider-Implementierungen, die es Ihnen ermöglichen, eine Datenbankoption zu wählen, die am besten zu Ihrem Anwendungsfall passt. ThingWorx hat die Möglichkeit, mehrere Datenspeicher zu nutzen, was eine enorme Flexibilität bietet, die Ihren IT-Präferenzen und Investitionen am besten entspricht.

Abbildung 3: Architekturdiagramm mit verschiedenen unterstützten Persistenzanbietern mit ThingWorx-Plattform.

ThingWorx speichert seine Modelldaten, System- und Metadaten sowie andere relationale Daten in einem Modellanbieter wie H2, PostgreSQL, Microsoft SQL Server und Azure SQL Database und seine Telemetriedaten (als Datenanbieter bezeichnet) in einer dedizierten Zeitseriendatenbank - InfluxDB. Bitte beachten Sie, dass RDBMS-Datenbanken zwar sowohl als Modell als auch als Datenprovider verwendet werden können, PTC empfiehlt jedoch für die Verwaltung großer Mengen an Zeitseriendaten die Verwendung eines dedizierten Datenproviders. Erfahren Sie mehr darüber, wie Sie Daten mit ThingWorx speichern können und welche Kriterien für die Auswahl eines Datenspeichers gelten.

PTC hat sich mit InfluxData zusammengetan, um InfluxDB als unsere einzige speziell entwickelte Zeitseriendatenbank zu nutzen, die von ThingWorx unterstützt wird. Sie ermöglicht es, große Mengen von IoT-Zeitreihendaten mit hoher Geschwindigkeit aufzunehmen und komplexe und zeitgebundene Abfragen durchzuführen, um aussagekräftige Erkenntnisse aus den Daten zu gewinnen. Darüber hinaus bietet sie eine hohe Datenkomprimierung und ein Downsampling der Daten, um die Kosten für die Speicherung großer Mengen von Zeitreihendaten zu senken.

Das folgende Diagramm zeigt die Ergebnisse der Skalierungstests von ThingWorx mit verschiedenen Persistenzanbietern (weitere Informationen finden Sie im ThingWorx Sizing Guide).

Abbildung 4: Diagramm, das die Schreibvorgänge für Eigenschaften pro Sekunde und die HTTP-Ops-Rate für verschiedene Persistenzanbieterlösungen mit der ThingWorx-Plattform zeigt.

Gemeinsam mit InfluxData plant PTC, die Möglichkeiten der neuen Abfragesprache "Flux", die mit InfluxDB 2.X eingeführt wurde, weiter zu nutzen, um zusätzliche Zeitserienfunktionen nativ mit der ThingWorx-Plattform bereitzustellen.