OCTO TIME-SERIES PROCESSING
OCTO MESH Time-Series Processing Service sorgt für die Vorbereitung und Transformation von Daten, die in zeitlicher Reihenfolge aufgezeichnet werden: Zeitreihen, Alarme, Ereignisse, etc. Das ermöglicht Ihnen beispielsweise Trends zu erkennen, saisonale Muster zu erfassen und Ihre Zukunft zu planen, indem Sie mit Hilfe von historischen Daten zukünftige Werte prognostizieren.
Der OCTO TIME-SERIES Service garantiert lückenlose Aufzeichnung dank rollierender System- und Datenbank-Updates. Inkludierte Redundanz-Konzepte und automatisierte Backups auf Basis der CrateCB-Basistechnologie. Hohe Skalierbarkeit und Performance durch Cluster-Möglichkeit der Datenbank-Infrastruktur.
Hochperformante Datenverarbeitung dank Integration von CrateDB, die eine massive Schreibleistung ermöglicht (z. B. mehr als 40.000 Einfügungen pro Sekunde pro Knoten auf handelsüblicher Hardware). Außerdem kann die Datenbank schnellste Abfrageleistung in Millisekunden liefern, auch wenn Schreibvorgänge im Gange sind. Ohne dabei auf Standards verzichten zu müssen: Die Abfrage bzw. Verarbeitung erfolgt über Standard SQL-Syntax, die von vielen Anwendungen out-of-the-Box unterstützt wird.
Typische Anwendungen für Zeitreihen-Daten sind beispielsweise:
- Industrial IoT: Integrieren Sie industrielle Systeme und Geräte mit dem Internet der Dinge (IoT) um Daten zu sammeln, zu übertragen und zu nutzen. Mit Zeitreihendatenverarbeitung verarbeiten, speichern und analysieren Sie große Mengen an Echtzeitdaten aus verschiedenen Quellen. Verbessern Sie dadurch die Leistung, die Effizienz und die Sicherheit Ihrer industriellen Prozesse.
- Prozesssteuerung und -überwachung: Steuern und optimieren Sie Ihre industriellen Prozesse mit Hilfe von Regelungs- und Feedback-Mechanismen. Nutzen Sie Zeitreihendatenverarbeitung um Prozessvariablen wie Temperatur, Druck, Durchfluss usw. zu messen, zu überwachen und anzupassen. Steigern Sie so die Produktqualität und senken gleichzeitig z. B. Energieverbrauch und Betriebskosten.
- Anomalieerkennung: Dies ist die Identifizierung von ungewöhnlichen oder abweichenden Mustern oder Ereignissen in den Daten. Zeitreihendatenverarbeitung wird hier verwendet, um Anomalien wie Ausreißer, Trends, Zyklen oder Saisonalitäten zu erkennen und zu erklären. Dies kann helfen, Fehler, Störungen oder Angriffe in den industriellen Systemen frühzeitig zu erkennen und zu beheben.