Partilhar via

Casos de uso do Azure Time Series Insights Gen2

  • Artigo

Nota

O serviço Time Series Insights será desativado em 7 de julho de 2024. Considere migrar os ambientes existentes para soluções alternativas o mais rápido possível. Para obter mais informações sobre a substituição e migração, visite nossa documentação.

Este artigo resume vários casos de uso comuns do Azure Time Series Insights Gen2. As recomendações neste artigo servem como ponto de partida para desenvolver seus aplicativos e soluções com o Azure Time Series Insights Gen2.

Especificamente, este artigo responde às seguintes perguntas:

Uma visão geral desses cenários de uso é descrita nas seções a seguir.

Introdução

O Azure Time Series Insights Gen2 é uma oferta completa de plataforma como serviço. Ele é usado para coletar, processar, armazenar, analisar e consultar dados em escala de IoT altamente contextualizados e otimizados para séries temporais. É ideal para exploração de dados ad hoc e análise operacional. O Azure Time Series Insights Gen2 é uma oferta de serviço personalizada e extensível exclusiva que atende às amplas necessidades de implantações industriais de IoT.

Exploração de dados e deteção visual de anomalias

Explore e analise instantaneamente milhares de milhões de eventos para detetar anomalias e descobrir tendências ocultas nos dados. O Azure Time Series Insights Gen2 oferece desempenho quase em tempo real para suas cargas de trabalho de análise de IoT e DevOps.

Explorador de dados

A maioria dos clientes concorda que o tempo mínimo necessário para obter informações é um dos recursos de destaque do Azure Time Series Insights Gen2:

  • O Azure Time Series Insights Gen2 não requer preparação inicial de dados.
  • Ele funciona rapidamente para conectá-lo a bilhões de eventos em suas instâncias do Hub IoT do Azure ou Hubs de Eventos do Azure em minutos.
  • Uma vez conectado, você pode visualizar e analisar bilhões de eventos para detetar anomalias e descobrir tendências ocultas em seus dados.

O Azure Time Series Insights Gen2 é intuitivo e simples de usar. Você pode interagir com seus dados sem escrever uma única linha de código. Também não há nenhum idioma novo que você precise aprender, embora o Azure Time Series Insights Gen2 forneça uma linguagem de consulta granular baseada em texto para usuários avançados que estão familiarizados com SQL. Ele também fornece exploração de seleção e clique para novatos.

Os clientes podem aproveitar a velocidade para diagnosticar problemas relacionados a ativos rapidamente. Eles podem executar a análise de DevOps para chegar à causa raiz de um bug em uma solução de IoT. Eles também podem identificar áreas a serem sinalizadas para investigação adicional como parte de suas iniciativas de ciência de dados.

Há três maneiras principais de interagir com dados armazenados no Azure Time Series Insights Gen2:

  • A primeira e mais fácil maneira de começar é com o Azure Time Series Insights Gen2 Explorer. Você pode usá-lo para visualizar rapidamente todos os seus dados de IoT em um só lugar. Ele fornece ferramentas como o mapa de calor para ajudá-lo a detetar anomalias em seus dados. Ele também fornece uma visão de perspetiva. Use-o para comparar até quatro modos de exibição de um ou mais ambientes do Azure Time Series Insights Gen2 em um único painel. O painel oferece uma visualização dos dados das séries cronológicas em todos os locais. Saiba mais sobre o Azure Time Series Insights Gen2 Explorer. Para planejar seu ambiente, leia Planejamento do Azure Time Series Insights Gen2.

  • A segunda maneira de começar é usar o SDK JavaScript para incorporar rapidamente gráficos poderosos em seu aplicativo Web. Com apenas algumas linhas de código, você pode criar consultas poderosas. Use-os para preencher gráficos de linhas, gráficos de pizza, gráficos de barras, mapas de calor, grades de dados e muito mais. Todos esses elementos existem prontos para uso usando o SDK. O SDK também abstrai as APIs de consulta do Azure Time Series Insights Gen2. Você pode usá-los para criar predicados semelhantes ao SQL para consultar os dados que deseja mostrar em um painel. Para soluções híbridas de camada de apresentação, o Azure Time Series Insights Gen2 oferece URLs parametrizadas. Eles fornecem pontos de conexão contínuos com o Azure Time Series Insights Gen2 Explorer para mergulhos profundos nos dados.

  • A terceira maneira de começar é usar as APIs poderosas para consultar dados armazenados no Azure Time Series Insights Gen2. O Azure Time Series Insights Gen2 tem operadores temporais como from, to, firste last. Tem agregações e transformações como average, sum, , min, max, time-weighted averagetime-weighted sum, etc. Também permite filtragem, operadores aritméticos e booleanos, funções escalares, etc. Todos esses operadores permitem que aplicativos downstream encontrem rapidamente tendências e padrões interessantes em seus dados. Use-os para preencher visualizações internas para detetar anomalias.

Promover a eficiência dos processos e análise operacional

Use o Azure Time Series Insights Gen2 para monitorar a integridade, o uso e o desempenho do equipamento em escala e medir a eficiência operacional. O Azure Time Series Insights Gen2 ajuda a gerenciar cargas de trabalho de IoT diversas e imprevisíveis sem sacrificar a ingestão ou o desempenho da consulta.

A captura de tela mostra dispositivos I o T/dados de aplicativos, processamento de fluxo, eficiência operacional, inteligência/insights e análises avançadas no Azure Time Series Insights Gen2.

O streaming e o processamento contínuo de dados provenientes de processos operacionais podem transformar com sucesso qualquer negócio se forem combinados com a tecnologia ou solução certa. Muitas vezes, estas soluções são uma combinação de vários sistemas. Eles permitem a exploração e análise de dados que mudam constantemente, especialmente no domínio da IoT, e compartilham um padrão comum.

Esses padrões geralmente começam com plataformas habilitadas para IoT que ingerem bilhões de eventos de dispositivos e sensores que abrangem várias localidades. Esses sistemas processam e analisam dados de streaming para obter insights e ações em tempo real. Os dados são normalmente arquivados em armazenamento quente e frio para análise quase em tempo real e em lote.

Os dados coletados passam por uma série de processamentos para limpá-los e contextualizá-los para cenários de consulta e análise downstream. O Azure oferece serviços avançados que podem ser aplicados a cenários de IoT, como manutenção e fabricação de ativos. Esses serviços incluem Azure Time Series Insights Gen2, Hub IoT, Hubs de Eventos, Azure Stream Analytics, Azure Functions, Azure Logic Apps, Azure Databricks, Azure Machine Learning e Power BI.

A arquitetura da solução pode ser alcançada da seguinte maneira:

  • Ingerir dados por meio do Hub IoT ou Hubs de Eventos para obter a melhor segurança, taxa de transferência e latência da categoria.
  • Realizar processamento de dados e cálculos. O funil ingeriu dados por meio de serviços como Stream Analytics, Aplicativos Lógicos e Azure Functions. O serviço que utiliza depende das necessidades específicas de processamento de dados.
  • Os sinais computados do pipeline de processamento são enviados por push para o Azure Time Series Insights Gen2 para armazenamento e análise.

O Azure Time Series Insights Gen2 oferece exploração de dados quase em tempo real e insights baseados em ativos sobre dados históricos. Dependendo das suas necessidades comerciais, os trabalhos do MapReduce e do Hive podem ser executados em dados armazenados no Azure Time Series Insights Gen2 conectando o Azure Time Series Insights Gen2 ao Azure HDInsight. Os dados armazenados no Azure Time Series Insights Gen2 estão disponíveis para o Power BI e outros aplicativos do cliente por meio das APIs de consulta de superfície pública do Azure Time Series Insights Gen2. Esses dados podem ser usados para cenários profundos de inteligência operacional e de negócios.

Análise avançada

Integre com serviços de análise avançados, como Machine Learning e Azure Databricks. O Azure Time Series Insights Gen2 insere dados brutos de milhões de dispositivos. Ele adiciona dados contextuais que podem ser consumidos perfeitamente por um conjunto de serviços de análise do Azure.

Análise

Análises avançadas e aprendizado de máquina consomem e processam grandes volumes de dados. Esses dados são usados para tomar decisões baseadas em dados e realizar análises preditivas. Em casos de uso de IoT, algoritmos de análise avançada aprendem com os dados coletados de milhões de dispositivos. Estes dispositivos transmitem dados várias vezes a cada segundo. Os dados coletados de dispositivos IoT são brutos. Faltam informações contextuais, como a localização do dispositivo e a unidade de leitura do sensor. Como resultado, os dados brutos são difíceis de consumir diretamente para análises avançadas.

O Azure Time Series Insights Gen2 preenche a lacuna entre os dados da IoT e a análise avançada de duas maneiras simples e econômicas:

  • Primeiro, o Azure Time Series Insights Gen2 coleta dados brutos de telemetria de milhões de dispositivos usando o Hub IoT. Ele enriquece os dados com informações contextuais e transforma os dados em um formato de parquet. Este formato pode integrar-se facilmente com outros serviços de análise avançada, como Machine Learning, Azure Databricks e aplicações de terceiros.

    O Azure Time Series Insights Gen2 pode servir como a fonte da verdade para todos os dados em uma organização. Ele cria um repositório central para cargas de trabalho de análise downstream consumirem. Como o Azure Time Series Insights Gen2 é um serviço de armazenamento quase em tempo real, os modelos de análise avançada podem aprender continuamente com os dados de telemetria IoT recebidos. Como resultado, os modelos podem fazer previsões mais precisas.

  • Em segundo lugar, a saída de modelos de previsão e aprendizado de máquina pode ser alimentada no Azure Time Series Insights Gen2 para visualizar e armazenar seus resultados. Este procedimento ajuda as organizações a otimizar e ajustar os seus modelos. O Azure Time Series Insights Gen2 simplifica a visualização de dados de telemetria de streaming no mesmo plano das saídas do modelo treinado. Desta forma, ajuda as equipas de ciência de dados a detetar anomalias e a identificar padrões.

Próximos passos