Modelos de datos
En esta sección, se presentan las características del modelado de datos de Cognite Data Fusion (CDF) que puede utilizar para construir modelos de datos expresivos y escalables, ingerir datos para completar los modelos y consultar los modelos para obtener los datos que contienen.
Un modelo de datos es una representación abstracta de entidades del mundo real. Organiza elementos de datos y sus propiedades y estandariza la forma en que se relacionan. Puede construir un gráfico de conocimiento completo y contextualizado de sus datos industriales con unos pocos bloques de construcción simples: nodos, bordes y propiedades.
Modelos de datos de Cognite
Cognite proporciona modelos de datos listos para usar para que comience rápidamente:
-
El modelo de datos central ofrece bloques de construcción estandarizados, que forman la base para modelos más especializados.
-
Los modelos de datos industriales amplían el modelo central para satisfacer requisitos de industrias específicas, por ejemplo, para la industria de procesamiento.
-
Los modelos de datos personalizados ofrecen una perspectiva de datos adaptada explícitamente a un caso de uso, una solución o una aplicación.
Almacenamiento y análisis de datos
Los contenedores son el almacenamiento físico de propiedades que son por lógica inseparables, como sensor readings de la temperatura y la presión y la equipment information, como el modelo, la antigüedad y el historial de mantenimiento. Para lograr eficiencia, ciertos tipos de datos industriales—por ejemplo, archivos y puntos de datos de series cronológicas— se guardan en almacenes de datos especializados.
Las vistas son una capa virtual para consultar y seleccionar datos en los contenedores para análisis, como machine performance y predictive maintenance. El uso de los mismos puntos de datos le permite crear vistas personalizadas para satisfacer diversas necesidades y, al mismo tiempo, mantener la coherencia y la confiabilidad.
Supongamos que necesita analizar datos de una línea de montaje de una fábrica. Su modelo de datos es el plan de acción para el análisis, en tanto que las vistas y los contenedores definen cómo almacenar y acceder a los datos de manera eficiente y confiable. El modelo de datos podría tener estas vistas y contenedores:
-
La vista Machine performance recupera los datos del mes pasado de los contenedores Sensor readings y Production data para analizar el rendimiento del equipo.
-
La vista Predictive maintenance extrae datos del contenedor Sensor readings, y se centra en las lecturas que podrían indicar el desgaste de los equipos. Además, recupera datos del contenedor Equipment information, como maintenance history y machine age, para identificar posibles fallas del equipo.