[Big Data, Машинное обучение] Как извлекать ценность из данных с помощью аналитической платформы от Factory5

Ответить на тему

Автор

Сообщение

news_bot ^®

Стаж: 6 лет 9 месяцев
Сообщений: 27286

news_bot ^® написал(а)
30-Сен-2020 23:33

Цитировать

F5 Platform — ключевой продукт Factory5 и основа для всех остальных решений компании. Она представляет самостоятельную ценность для интеграторов и делает разработку бизнес-приложений намного легче. Рассказываем подробно о функциональных особенностях Платформы и ее преимуществах для пользователя.

Опрос руководителей промышленных предприятий ещё в 2016 году показал, что для обеспечения успеха в конкурентной борьбе 67% из них ставят на первый план инвестиции в технологии анализа данных даже за счет урезания расходов в других областях. Сегодня, когда вопрос сбора данных уже не стоит, их хранение и анализ становятся все актуальнее. При этом есть ряд проблем, которые встают на пути у всех, кто решил извлечь пользу из собранных данных:

Ожидания быстрых результатов аналитического проекта. Чаще всего это завышенные требования к CDO по разработке решения под конкретные задачи клиента. Это усложняется еще и тем, что ответственные за цифровую трансформацию подрядчики меняются.
Большое количество данных в многообразии информационных систем. Все они могут стать хорошей основой для принятия решений, но возникают сложности с извлечением знаний из них.
Недоступность контроля качества данных. Плохие или недостаточные данные негативно сказываются на весь дальнейший процесс, в том числе и на решение, принимаемое на основе них.
«Лоскутная» автоматизация и отсутствие единой системы работы с данными. Хотя в организации автоматизированы уже многие процессы, сложность возникает когда необходимо объединить результаты работы этих разрозненных систем.

Чтобы преодолеть эти барьеры, Factory5 создали платформу, в основе которой лежат технологии и программные компоненты для эффективного сбора, обработки и хранения данных. По сути, это преднастроенный набор инструментов, позволяющий обрабатывать большие данные и сокращать трудозатраты на разработку и внедрение бизнес-приложений. Что делает решение эффективным для анализа данных?
1. Коннекторы к основным источникам
F5 Platform предназначена для сбора и обработки промышленных масштабов данных, поэтому принимает данные со основных известных источников: традиционные БД, нереляционные БД и хранилища, облачные хранилища, подключенные устройства и Historian и файловые источники. Данные поступают в платформу тремя способами:

Автоматически с датчиков в режиме реального времени.
Если оборудование оснащено датчиками, передающими телеметрию в режиме реального времени, то через коннекторы она поступает на платформу в режиме реального времени. Также данные могут приходить на сервер ОPC, который является стандартом для обмена данными между промышленным оборудованием и информационными системами.
Вручную из файлов.
Данные копятся на оборудовании, а когда оборудование готово для передачи этих данных, файлы вручную с помощью флешек переносятся в платформу.
Из внешних систем без ручного участия.
Платформа интегрируется с внешними системами типа 1С, «Галактики EPR». Поэтому данные поступают из внешних систем с использованием REST API запросов или выгружаются, предоставляя REST API для внешних систем.

Это позволяет использовать весь массив данных, циркулирующих в компании. А встроенные в Платформу коннекторы позволяют не тратить время на их разработку и ускоряют процесс работы над данными.
2. Сервис разметки данных
Для того, чтобы иметь возможность анализировать поступающие данные, их необходимо разметить. На деле это означает построение модели реального объекта — оборудования или процесса — и ее привязка к поступающим данным. На выходе получается цифровой двойник. Платформа предоставляет функционал по созданию такого двойника: удобный интерфейс, который позволяет в визуальном режиме видеть все датчики и их параметры и позволяет привязать их к оборудованию.
Например, приходят данные о температуре с датчика на двигателе. Благодаря созданному двойнику их можно записать в базу данных как «датчик №123 передает параметр Х». Для того чтобы можно было писать правила, остается объяснить системе что датчик №123 — это датчик на двигателе, а параметр Х — это температура. После этого можно будет писать правила вида «если температура больше 50 то...».
Без функционала разметки данных, эти параметры попали бы в ячейку базы данных №456. А правило по ним выглядело бы как «если значение ячейки №456 больше 50 то...». Это потребовало бы специально обученного персонала, тогда как с сервисом разметки данных экспертные правила могут писать инженеры по оборудованию.
3. Сервис создания и библиотека экспертных правил
Для анализа данных используются экспертные правила. F5 Platform дает возможность написания собственных правил на простом языке, понятном инженерам — Domain Specific Language. Для этого не нужно знать язык программирования.
Кроме этого, в Платформе есть библиотека экспертных правил для промышленного оборудования, которая содержит около 2 000 заранее написанных правил.
4. МХ-редактор и библиотека математических моделей
Также, данные обрабатываются с помощью математических моделей. Они исследуют поток получаемых данных на отклонения и таким образом ищут аномалии, еще не известные инженеру и не описанные в экспертных правилах. В платформе содержится около 100 заранее построенных математических моделей для работы с разным количеством и качеством данных.
5. Микросервисная архитектура
Каждый функциональный модуль F5 Platform выделен в самостоятельный сервис, который расположен в своем «контейнере», никак не связанном с другими. В контейнерах содержится все, что нужно для работы приложения. Каждый контейнер изолирован и является безопасной основой для сервисов Платформы.
Экспертные правила и математические модели как раз являются такими сервисами. Кроме них есть сервис построения кубов, отчетов, pipeline-менеджер и сервис управления правами пользователей. Микросервисная архитектура F5 Platform позволяет обновлять сервисы в случае их доработки, не трогая остальные. Это упрощает управление Платформой.
6. Масштабирование вычислительных мощностей
На базе архитектуры Платформы есть возможность увеличивать вычислительную мощность под фактические потребности. Это свойства горизонтального масштабирования: идет равномерная загрузка серверов приложений, есть возможность подключать дополнительные сервера, а также распределить данные по разным серверам. Это обеспечивает высокую производительность системы и не приводит к снижению отказоустойчивости.
7. Преднастроенный набор инструментов для создания бизнес-приложений
В F5 Platform собраны и заранее настроены все инструменты для сбора и анализа данных, а также визуализации отчетов:

коннекторы к различным СУБД: PostgreSQL, ClickHouse;
коннекторы к промышленным протоколам: OPC-UA, REST API;
Pipeline Manager для настройки и выполнения произвольных сценариев обработки/анализа данных;
сервис экспертных правил;
сервис математических моделей;
различные виджеты для представления информации;
конструктор и дизайнер отчетов.

F5 Platform создана для того, упростить процесс работы с данными, а также ускорить процесс создания бизнес-приложений. Внедрение платформы уменьшает трудозатраты и позволяет компаниям с маленьким опытом выходить на рынок аналитических решений.
===========
Источник:
habr.com
===========
Похожие новости:

Теги для поиска: #_big_data, #_mashinnoe_obuchenie (Машинное обучение), #_f5_platform, #_product, #_big_data, #_mashinnoe_obuchenie (
Машинное обучение
)

Профиль ЛС

Ответить на тему

Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы

Текущее время: 22-Ноя 13:46
Часовой пояс: UTC + 5