[ad_1]
L’acquisizione dei dati offre un modo migliore per prendere decisioni informate, ma solo quando un’organizzazione attinge veramente al valore di tali dati. Acquisiamo dati su e intorno a tutto, il che significa che la disponibilità delle informazioni non è il problema. Le sfide ora sono: come possiamo ottenere più valore da quei dati? Come possiamo assicurarci di ottenere le informazioni di cui abbiamo bisogno? Come possiamo accelerare il tempo per l’intuizione?
I moderni sistemi di streaming inviano enormi quantità di dati in modo coerente a velocità fulminee. I sistemi di elaborazione dei dati impiegano molto tempo per pulire e rimodellare i dati grezzi prima di inviarli agli strumenti analitici corretti. Questo processo aggiunge tempo tra l’acquisizione e il momento in cui l’analisi può iniziare, il che significa che il “tempo reale” avviene ancora in ritardo. La maggior parte delle organizzazioni basate sui dati deve impegnarsi in questo processo letargico, ma non tutte. C’è un modo per avere a disposizione una vera analisi in tempo reale e una modellazione predittiva per quelle decisioni che non possono aspettare. I database di serie temporali appositamente creati accelerano i tempi di analisi ed elaborano i dati in modo più rapido ed efficiente.
Un database di serie temporali è qualificato in modo univoco per gestire i dati in streaming e condividere approfondimenti con una precisione fino al nanosecondo. I dati delle serie temporali sono tutti i dati che un’organizzazione o un individuo utilizza per monitorare i cambiamenti nel tempo. Le categorie generali includono i dati dei sensori, le metriche del server, i dati di monitoraggio delle applicazioni e i prezzi delle azioni, ma includono anche tutti i dati indicizzati in base al tempo. I dati in streaming o gli eventi che si verificano nel tempo rientrano sicuramente in questa categoria. I database delle serie temporali dispongono di funzionalità create appositamente per lavorare con questo caso d’uso.
Dipingere l’immagine completa dei dati
Manutenzione preventiva
Un produttore di beni strumentali che offre assistenza clienti e garanzie estese sulle proprie apparecchiature ha iniziato a includere istanze di una soluzione di serie temporali con ogni macchina venduta. La soluzione hardware/software includeva un gateway hardware dedicato con software di raccolta dati open source, l’istanza del database delle serie temporali basata su cloud e dashboard in tempo reale. Ciò ha consentito sia al produttore che al cliente di visualizzare l’accesso a tutti i dati di processo della macchina come amperaggio, pressione, livelli dell’acqua, carica della batteria o livelli di pH.
Il produttore che voleva contenere i costi di una possibile sostituzione ha sfruttato le capacità analitiche del database delle serie temporali. Hanno sfruttato l’archiviazione e la compressione su più livelli insieme ai dati in tempo reale ed hanno eseguito un’analisi delle tendenze storiche. Questa analisi statistica avanzata insieme ai modelli di apprendimento automatico ha aiutato il produttore a stimare quando la macchina ha bisogno di una preziosa sostituzione del fluido. Ora informano il cliente su quando sostituire questi fluidi piuttosto che aspettare che il cliente valuti quando riempire il serbatoio.
Vedere problemi precedentemente impercettibili
I dati delle serie temporali tengono traccia dei dettagli più piccoli e creano un modello di modifiche nel tempo rispetto alla linea di base. La rotativa di una fabbrica registrava tempi di inattività di poco meno di un minuto. C’era una soglia di notifica, ma quei brevi tempi di inattività rientravano nella soglia di notifica ma erano ancora abbastanza lunghi da causare ritardi. I dati delle serie temporali hanno rivelato che il pezzo di metallo rimanente dopo il completamento del processo iniziale della macchina era più lungo appena prima del tempo di inattività. La differenza di lunghezza dello scarto era così piccola da essere impercettibile per gli operatori. Dopo che l’analisi delle serie temporali ha scoperto questa differenza, la causa è stata immediatamente individuata. Ora, non appena il rottame metallico raggiunge una certa lunghezza, un avviso in tempo reale avvisa le parti interessate e il problema viene risolto prima che si verifichi il tempo di inattività.
Gestione dell’energia
Non è un segreto che il settore energetico stia attraversando un periodo di grande sconvolgimento. Che si tratti di contatori, turbine, gasdotti/oleodotti o pannelli solari, questa apparecchiatura è dotata di sensori. Ma questo è utile solo con una soluzione in grado di gestire le enormi quantità di dati in tempo reale generati da questi dispositivi.
Una società di stoccaggio e trasporto di gas ha aggiornato il proprio modello di business per includere un mix multi-energia, poiché era chiaro che la sua infrastruttura legacy non era configurata per gestire le loro esigenze in continua evoluzione. Il server, il firewall e lo storico dei dati legacy on-prem erano difficili e costosi da configurare e gestire, creavano tempi di attesa tra l’acquisizione e l’analisi e non si integravano con altre tecnologie, il che rendeva difficile aggiungere nuovo software quando necessario. Dopo aver sostituito lo storico dei dati legacy con un database di serie temporali, l’azienda ha sperimentato i vantaggi di metriche in tempo reale, acquisizione di dati illimitata e migliore integrazione dell’ecosistema. L’azienda di stoccaggio e trasporto di gas ha trovato i vantaggi di lavorare con un database di serie temporali così efficace che ha creato una piattaforma di dati personalizzata sopra il database di serie temporali. Questa piattaforma è ora disponibile come piattaforma software-as-a-service in modo che anche altre aziende possano sperimentarne i vantaggi.
Le serie temporali sono il futuro
I dati sono ovunque e raccoglierli è abbastanza semplice al giorno d’oggi. La sfida ora è ottenere il massimo valore da quei dati per informare meglio le decisioni. Ciò include l’utilizzo di tali dati per stare al passo con la curva e avere la capacità di notare dettagli che prima erano impercettibili.
I dati delle serie temporali indicano la via da seguire affrontando tutte queste sfide. Per ottenere il massimo dai dati delle serie temporali, le aziende hanno bisogno di un database delle serie temporali a causa della natura molto specifica dei carichi di lavoro delle serie temporali. I dati delle serie temporali richiedono uno strumento appositamente creato con funzionalità specificamente progettate per estrarre le informazioni immediate e significative che tali dati rendono possibili.
[ad_2]
Source link