Datenmodelle
In diesem Abschnitt werden die Cognite Data Fusion (CDF) Datenmodellierungsfunktionen vorgestellt, mit denen Sie ausdrucksstarke und skalierbare Datenmodelle erstellen, Daten in die Modelle aufnehmen und enthaltene Daten aus den Modellen abfragen können.
Ein Datenmodell ist eine abstrakte Darstellung realer Objekte. Es organisiert Datenelemente und ihre Eigenschaften und standardisiert ihre Beziehungen zueinander. Sie können ein umfassendes, kontextbezogenes Wissensdiagramm Ihrer industriellen Daten mit ein paar einfachen Bausteinen (Knoten, Ränder und Eigenschaften) erstellen.
Cognite-Datenmodelle
Cognite bietet vorkonfigurierte Datenmodelle für einen schnellen Start:
-
Das Kerndatenmodell bietet standardisierte Bausteine, die die Grundlage für speziellere Modelle bilden.
-
Die branchenspezifischen Datenmodelle erweitern das Kernmodell, um Anforderungen spezieller Branchen, wie z. B. der verarbeitenden Industrie, zu erfüllen.
-
Kundendatenmodelle bieten eine Datenperspektive, die speziell auf einen Anwendungsfall, eine Lösung oder eine Anwendung zu geschnitten ist.
Datenspeicherung und Analyse
Container sind ein physischer Speicher für Eigenschaften, die logisch zusammengehören, wie z. B. sensor readings Temperatur und Druck oder auch equipment information Modell, Alter und Wartungshistorie. Aus Effizienzgründen werden bestimmte Arten von industriellen Daten (z. B. Dateien und Zeitreihendatenpunkte) in speziellen Datenspeichern aufbewahrt.
Ansichten sind eine virtuelle Schicht für die Abfrage und die Auswahl von Daten in den Containern für Analysen, wie z. B. machine performance und predictive maintenance. Die Nutzung derselben Datenpunkte ermöglicht Ihnen die Erstellung benutzerdefinierter Ansichten, um verschiedene Bedürfnisse zu erfüllen und dabei Konsistenz und Zuverlässigkeit zu gewährleisten.
Stellen Sie sich vor, Sie müssten Daten aus einer Montagelinie analysieren. Ihr Datenmodell ist die Blaupause für die Analyse mit Ansichten und Containern, in denen das effiziente und zuverlässige Speichern und Abrufen von Daten definiert wird. Das Datenmodell würde über diese Ansichten und Container verfügen:
-
Die Ansicht Machine performance ruft Daten des letzten Monats aus den Containern Sensor readings und Production data ab, um die Leistung des Geräts zu analysieren.
-
In der Ansicht Predictive maintenance werden Daten aus dem Container Sensor readings gezogen, die sich auf Messwerte konzentrieren, die auf Abnutzung und Verschleiß hindeuten könnten. Außerdem werden Daten aus dem Container Equipment information wie maintenance history und machine age abgerufen, um potenzielle Geräteausfälle zu identifizieren.