Datamodeller
Dette avsnittet gir en innføring i Cognite Data Fusion-funksjonene (CDF-funksjonene) for modellering av data du kan bruke for å utvikle uttrykksfulle og skalerbare datamodeller, hente inn data for å fylle ut modellene og spørre modellene etter data de inneholder.
En datamodell er en abstrakt representasjon av enheter i den virkelige verden. Den organiserer dataelementer og attributtene deres og standardiserer hvordan de henger sammen. Du kan lage en omfattende, kontekstualisert kunnskapsgraf av de industrielle dataene dine med noen få, enkle byggeklosser—noder, kanter og egenskaper.
Cognite-datamodeller
Cognite tilbyr standard datamodeller for at du skal komme i gang raskt:
-
Kjernedatamodellen tilbyr standardiserte byggeklosser, og disse danner grunnlaget for mer spesialiserte modeller.
-
Industridatamodellene utvider kjernemodellen for å oppfylle spesifikke industrikrav, for eksempel for prosesseringsindustrien.
-
Egendefinerte datamodeller tilbyr et dataperspektiv som er skreddersydd eksplisitt for et brukstilfelle, en løsning eller en app.
Datalagring og analyse
Beholdere er den fysiske lagringsplassen for egenskaper som logisk hører sammen, for eksempel sensor readings av temperatur og trykk og equipment information som modell, alder og vedlikeholdshistorikk. Av hensyn til effektivitet blir enkelte typer industrielle data – for eksempel filer og tidsseriedatapunkter – lagret i spesialiserte datalagre.
Visninger er et virtuelt lag for spørring og utvelgelse av data i beholderne for analyse, for eksempel machine performance og predictive maintenance. Ved å bruke de samme datapunktene kan du opprette egendefinerte visninger for å oppfylle ulike behov samtidig som du opprettholder konsekvens og pålitelighet.
Forestill deg at du trenger å analysere data fra et samlebånd på en fabrikk. Datamodellen er blåkopien for analysen, med visninger og beholdere som definerer hvordan du lagrer og åpner data effektivt og pålitelig. Datamodellen kan ha disse visningene og beholderne:
-
Visningen Machine performance henter inn data fra siste måned fra beholderne Sensor readings og Production data for å analysere hvordan ytelsen til utstyret er.
-
Visningen Predictive maintenance henter ut data fra beholderen Sensor readings og fokuserer på avlesninger som kan tyde på slitasje. Den henter også data fra beholderen Equipment information, for eksempel maintenance history og machine age, for å identifisere potensielle utstyrsfeil.