In meinen ersten drei Blogs (1/2/3)habe ich Ihnen eine Bauanleitung vorgestellt, mit der Sie Edge Analytics in einen Modell-Truck im Maßstab 1:14 montieren können. Das schien wie eine Spielerei, hat aber sehr reale Anwendungsszenarien. Heute, in Teil 4, möchte ich Sie zu einer eleganten Rolle rückwärts einladen! Will sagen: Die montierte Edge-Analytics-Komponente auf dem Truck (Intel basiertes Gateway) bauen wir jetzt wieder aus. Warum? Um zu demonstrieren, dass SAS Event Stream Processing (SAS ESP) auch auf echten Minirechnern wie Platinenrechnern funktioniert.
Für alle, die nicht mitgebaut haben, hier noch mal, was wir bisher gemacht haben. Wir haben den Modelltruck mit LKW-Einheit gebaut, diverse Infrarotsensoren installiert und alle Edge-Analytics-Komponenten drauf gesetzt. Diesen ganzen Ballast (Intel-basiertes Gateway, CAN-Bus-Simulator, USB-Komponenten) bauen wir jetzt wieder ab und nutzen nur das, was Sie hier in Bild 1 im roten Kasten sehen, nämlich ein ARM-Prozessor-basiertes System (Raspberry Pi 3 Model B). Also eine echte Edge-Analytics-Komponente.
Unser Einplatinenrechner (ARM 64 Bit) ist unsere einzige Hardware, auf der Event Stream Processing von SAS jetzt läuft – mehr nicht. Die ganze Elektronik aus Teil 3 wird nicht mehr benötigt. Die Platine nimmt von allen Trucksensoren die Daten auf und wendet sofort ein analytisches Modell im Stream an oder sendet sie per Wi-Fi weiter an einen Server, wo ebenfalls Streaming Analytics mit SAS möglich ist.
In 1 Tag: Fabrikhalle
ist IoT-ready
Das, was wir jetzt haben, ist ein System, das sehr flexibel, klein und sehr günstig ist. SAS ESP skaliert von ARM-Prozessor basierten Systemen über Grid-Umgebungen bis hin zu komplexen Cloud-Anwendungen. Damit könnte ein Fabrikant seine Hallen innerhalb eines Tages IoT-fähig machen. Dieses Konzept lässt sich übrigens auf alle Branchen übertragen, bei denen Streaming-Daten anfallen.
Bei Streaming Analytics on Edge läuft die Analytik nicht zwingend zentral auf einem Server. Sie läuft in Teilen an der Maschine selbst. Dazu wird ein Minidevice mit SAS bestückt und an die jeweilige Maschine angeschlossen. Die im Edge Device ermittelten Score-Werte oder Forecasting-Informationen können an eine zentrale Event-Stream-Processing-Instanz übertragen werden, wo Daten unter anderen Aspekten nochmals global ausgewertet werden.
Viele Daten erfordern verteilte Analytics mit SAS Edge Analytics
Je mehr Daten in einer Maschine anfallen, desto mehr Datenmanagement muss betrieben werden. Das reduziert meist die analytische Qualität der Ergebnisse. Daher verlagert SAS die Analytik näher zur Maschine. So wird zunächst nur die Maschine individuell auf Betriebsmuster oder zukünftige Wartungsanforderungen überprüft. Das lässt sich leicht auf gleichartige Maschinen erweitern. Um die Übersicht über eine komplette Produktionsstätte zu erhalten, werden nur ausgewählte Parameter an die zentrale SAS Plattform übertragen. Somit erhalten Sie eine Übersicht über die Betriebsdaten einzelner Maschinen, aber auch die betriebstechnische Transparenz über die gesamte Produktionslinie unter den Aspekten Predictive Maintanance und Product Quality.
Sehr flexible Analytics
Ein weiterer Vorteil von Edge Analytics von SAS ist, dass bei mobilen Devices die Daten so lange gepuffert werden, bis eine Datenverbindung hergestellt werden kann. Dann erfolgt der Datenaustausch sowohl der analytischen Ergebnisse als auch der möglichen Updates der Streaming-Modelle oder analytischen Modelle in der SAS Software für Edge Devices.
In unserem Showroom können Sie ab Februar 2018 unsere Modellfabrik mit Hochregallager mit Lieferstraße, eine Simulation für Bewegungsenergien in Flüssigkeiten (Pumpe/Schiffsschraube/etc.) und auch unseren Truck besichtigen und die Edge Analytics in verschiedenen Skalierungsstufen live verfolgen. Wir bauen den IoT-Showroom gerade in Heidelberg auf. Mehr Informationen beschreibe ich im Januar.
