Microsoft

Azure IoT Suite um Predictive Maintenance erweitert

| Autor / Redakteur: Michael Matzer / Nico Litzel

Demo-Schnappschuss von der Azure IoT Suite. Hier ein Beispiel mit einer Pumpe, deren Temperatur offenbar überhöht ist.
Demo-Schnappschuss von der Azure IoT Suite. Hier ein Beispiel mit einer Pumpe, deren Temperatur offenbar überhöht ist. (Bild: Microsoft)

Microsoft hat die Azure IoT Platform um Funktionen für Predictive Maintenance erweitert. Zudem ergänzt Power BI Quick Insights die Cortana Analytics Suite um Templates.

Microsofts Azure IoT Suite bekommt neue, vorkonfigurierte Lösungen für vorausschauende Wartung („Predictive Maintenance“), die auf maschinengenerierte Daten zugreifen und diese in Dashboards übertragen. Alle Erkenntnisse müssen „actionable“ sein: Anhand der Daten und Berichte können Unternehmen auf Warnsignale reagieren, bevor es zu Schäden und Ausfällen kommt, Wartungen planen sowie vorbeugende Instandhaltungsmaßnahmen durchführen. Auf der Azure IoT Suite sind bereits eine Reihe von Public-Sector- und Industrielösungen erstellt worden, die davon profitieren könnten.

Weitere Informationen finden Interessenten im IoT-Blog. Dort berichtet die Produktmanagerin Barb Edson, was es damit auf sich hat. Wichtig ist auch der wachsende Kreis der technischen Partner. Diese müssen sich von Microsoft zertifizieren lassen, um in den Kreis der Unternehmen aufgenommen zu werden, die sich „Microsoft Azure Certified for IoT“ nennen dürfen. Neu hinzugekommen sind die Gerätehersteller Adlink Systems, Arduino, e-con Systems, Embedded Systems SIA, Nexcom International, Samsung und Toradex.

ESRI und ABB gehören seit November zu den Partnern. Um als Microsoft-Partner erfolgreiche Best Practices im IoT-Feld zu erlernen, haben die Redmonder ein Azure-IoT-Practice-Building-Portal gelauncht.

Power BI und Quick Insights

Am 1. Dezember hat Microsoft das Analytics-Tool Power BI um Quick Insights erweitert. Power BI Quick Insights bieten Anwendern über vorkonfigurierte Algorithmen per Mausklick schnelle Einsichten in signifikante Muster und Trends auf Basis von Daten, die in Power BI analysiert wurden.

Das Zusammenspiel der Quick Insights mit dem „intelligenten“ Suchwerkzeug Cortana soll für viele Nutzer der neuen Cortana Analytics Suite nützlich sein, in die Power BI integriert ist. Voraussetzung für einen Client-Nutzer der Power BI Quick Insights ist allerdings eine Lizenz von Windows 10 R2, das im November 2015 verfügbar wurde, sowie ein Microsoft-Account.

Zunächst ist es hilfreich, das Feature Q&A für die sprachbasierte Datenabfrage zu installieren. Diese Funktion soll Cortana helfen, mithilfe von Algorithmen vorliegende Power-BI-Datenbestände zu durchsuchen und reichhaltige und nützliche Daten zu liefern. Diese Lieferungen können aus einfachen alphanumerischen Zeichen, aus Charts, Landkarten und sogar kompletten Berichten bestehen. Weitere Abfragen können per Sprach- oder Tasteneingabe erfolgen.

Die Quick Insights bauen auf diesen Leistungsmerkmalen auf. Dabei handelt es sich um vorgefertigte Algorithmen, also statistische Modelle für die Datenauswertung. Sie zeigen Korrelationen auf und visualisieren sie, weisen auf Ausreißer und Trends, Saisontrends und Kipppunkte in Trends hin. Die Antworten sollen binnen zehn bis zwölf Sekunden vorliegen.

Folgende Algorithmen sind in Vorlagen bereits verfügbar. Der Nutzer klickt sie einfach in seinem Power-BI-Desktop an.

  • Hauptfaktoren: Damit findet der Nutzer Fälle heraus, in denen sich der Großteil eines Gesamtwertes auf einen einzelnen Faktor zurückführen lässt, wenn man eine andere Dimension darauf anwendet.
  • Ausreißer in Kategorien (nach oben wie auch nach unten): Diese verbreitete statistische Funktion hebt hervor, wo ein oder zwei Mitglieder einer Dimension viel höhere oder geringere Werte aufweisen als die anderen Mitglieder (Stückzahlen, Ausgaben, zurückgelegte Kilometer usw.).
  • Zeitreihen-Ausreißer: Streicht in einer Zeitreihe Werte heraus, die „signifikant“ von anderen Datum/Zeit-Werten abweichen.
  • Gesamttrends in Zeitreihen: Deckt Trends in Zeitreihen auf, die nach oben oder unten weisen.
  • Saisonbedingtheit in Zeitreihen: Spürt periodisch wiederkehrende Muster in Zeitreihendaten auf, so etwa wöchentlich, monatlich, jährlich.
  • Stetige Beteiligung: Deckt Fälle auf, in denen es offenbar eine Eltern-Kind-Korrelation gibt. Dabei wird der Anteil eines Kind-Wertes am Gesamtwert des Elternteils anhand einer kontinuierlichen Variablen aufgezeigt. Kann beispielsweise für Umsatzanalysen sehr nützlich sein.
  • Korrelation: Spürt Fälle auf, in denen mehrere Messwerte eine Korrelation aufweisen, wenn man sie gegen eine bestimmte Dimension im Dataset abbildet. So lassen sich verborgene Zusammenhänge entdecken, in dem man den Blickwinkel (die „Dimension“) ändert.
  • Kipppunkte in einer Zeitreihe (angekündigt): Wenn sich „signifikante“ Änderungen in einer Zeitreihe ereignen, deckt sie diese (kommende) Funktion auf. Was „signifikant“ ist, legt der Nutzer mit Schwellenwerten fest.
  • Geringe Varianz: Entdeckt Fälle, in denen alle Werte einer Messvorgabe für eine bestimmte Kategorie sehr dicht beieinander liegen, sobald man sie unter dem Blickwinkel einer weiteren Dimension betrachtet. Kann für die Segmentierung von Gruppen sehr nützlich sein.

Ein praktisches Anwendungsbeispiel für Quick Insights ist auf www.techinvestornews.com.

Kommentar zu diesem Artikel abgeben

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Kommentar abschicken

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 43773209 / Analytics)