Anzeige
Anzeige
Beitrag drucken

Azure Data Explorer und Digital Twins

Schweizer Taschenmesser für IoT-Lösungen

Mit digitalen Zwillingen lassen sich Verbindungen zwischen Objekten und ihre Eigenschaften anschaulich beschreiben. In IoT-Lösungen spielen zudem die aktuellen und historischen Zustände dieser Zwillinge oft eine wichtige Rolle. Microsoft bietet Software und Konzepte, um diese Daten zu verarbeiten und für Analysen bereitzustellen.

 (Bild: AIT - Applied Information)

(Bild: AIT GmbH & Co. KG)

Um digitale Zwillinge zu modellieren und ihre Beziehungen abzubilden, stellt Microsoft den Dienst Azure Digital Twins bereit. Für die Modellierung dieser Ontologien wurde der Standard Digital Twin Definition Language (DTDL) ins Leben gerufen. Auf Basis der Modelle können dann Instanzen und Relationen erzeugt werden. Deren Nutzen lässt sich beispielhaft leicht verdeutlichen.

Das Szenario

Ein Museumsbetreiber möchte herausfinden, wie viele Menschen sich zum aktuellen Zeitpunkt in einem seiner Museen aufhalten. Für diesen Zweck darf der Museumsbetreiber bei einem Telekommunikationsanbieter aktuelle GPS-Daten abfragen. Darüber hinaus will der Anbieter grundsätzlich auswerten, zu welchen Zeiten das Museum besonders gut besucht ist.

Modellierung von realen Objekten als digitale Zwillinge

Um dieses Szenario in Digital Twins darzustellen, braucht es u.a. die Definition des Museums. Dieses wird mit der DTDL definiert und kann beispielsweise folgende Eigenschaften haben: Adresse, Geo-Standort, Baujahr, Größe des Gebäudes, Maximale Besucherzahl, Epoche und Ausstellungsstücke. Weitere Modelle für Stadtbezirke, Straßen und Gebäude können folgen. Im Kern der Ontologie, also der Begriffe, Regeln und ihrer Beziehungen untereinander, steht das Museum, das sich in einem Stadtbezirk befinden kann. Für einige Szenarien, wie etwa Smart Cities, stellt Microsoft eine grundlegende Ontologie auf GitHub bereit, in der Definitionen für Museen, Bezirke und mehr bereit enthalten sind.

Historisierung

Digital Twins fokussiert sich auf das Abbilden des aktuellen Zustands digitaler Zwillinge. Um auch historische Werte zu speichern, wurde kürzlich die Funktion Data History vorgestellt. Damit schreibt Digital Twins alle Änderungen der Zwillinge und der Relationen automatisch in einen Data Explorer. Dieser Service wurde speziell für Big Data-Szenarien gebaut und kann problemlos mehrere hundert Terabyte an semistrukturierten Daten pro Tag aufnehmen. Abfragen können in einer SQL-ähnlichen Abfragesprache namens Kusto Query Language (KQL) geschrieben werden und die Daten werden in einer relationalen Struktur in Datenbanken, Tabellen und Spalten gespeichert. Des Weiteren können die Daten des Digital Twins auch über sogenannte Event Routes an andere Dienste ausgeleitet werden.

Telemetriedaten

Zusätzlich zu den Eigenschaften digitaler Zwillinge gibt es vor allem in IoT-Szenarien Momentaufnahmen aktueller Zustände: Beispielsweise eine aktuelle Temperaturmessung. Mit der DTDL können die einzelnen Eigenschaften oder Felder eines Modells auch als Telemetrie markiert und dadurch besonders behandelt werden. Diese Werte ändern sich mit hoher Frequenz und der aktuelle Wert hat eher weniger Bedeutung. Leider gibt es aktuell noch keine native Verknüpfung von Geräten im IoT Hub und Digital Twins im Digital Twin Service. Aushilfsweise erfolgt dies über eine Azure Function, die Telemetriedaten von Geräten vom IoT-Hub entgegennimmt und an den Digital Twins Service weitergibt. Die relevanten Schnittstellen des Digital Twins Service sind aktuell auf 1000 Aufrufe pro Sekunde beschränkt, lassen sich aber mittels Support Ticket auf Anfrage erhöhen. Bei größeren Datenmengen sollten Nutzer den Data Explorer verwenden und die Daten über Event Hub einspeisen. Der Data Explorer kann ein Mapping der Events auf die Spalten einer Tabelle definieren und es ist somit kein zusätzlicher Code notwendig.

Abfragen am Digital Twin durch den Data Explorer

Für dieses Szenario wurde ein digitaler Zwilling für das Museum erstellt, dieser mit Eigenschaften und Geo-Daten befüllt und die Daten von GPS-Geräten über einen Event Hub in den Data Explorer geleitet. Die ursprüngliche Frage war, wieviel Kunden sich derzeit im Museum aufhalten. Hierfür bietet Data Explorer die Möglichkeit, innerhalb einer Query auf die Daten im Azure Digital Twin Service zuzugreifen. Dazu definieren die Entwickeler zuerst Variablen für den zu betrachtenden Zeitraum und den Digital-Twin-Endpunkt.

Bild: AIT – Applied Information

Bild: AIT – Applied Information

Dann wird eine Query formuliert, die durch das evaluate Schlüsselwort und dem Azure Digital Twin Plugin des Data Explorers gegen den Azure Digital Twin ausgeführt wird. Im Beispiel interessiert das GeoJSON-Polygon des Museums, das im Coordinates-Feld des Zwillings gespeichert ist. Die Koordinaten danach in einen dynamic-Typ umgewandelt.

Bild: AIT – Applied Information

Bild: AIT – Applied Information

Der letzte Teil der Query ist eine Query-Abfrage gegen die Data Explorer Datenbank PersonTrackingData. Hier filtert die Query zuerst nach allen Positionen in den letzten zehn Minuten. Danach werden alle Einträge anhand ihrer Längen- und Breitengrade, die im Polygon des Museums liegen müssen, gefiltert. Dies geschieht durch die im Data Explorer integrierte Funktion geo_point_in_polygon. Die Funktion count zählt zum Abschluss alle Zeilen der Rückgabe-Query.

Bild: AIT – Applied Information

Bild: AIT – Applied Information

Nun kann durch das Ändern der Zeitstempel in der Query auch auf jeden anderen beliebigen Zeitpunkt in der Vergangenheit gefiltert werden und es können Visualisierungen direkt durch den Data Explorer ausgegeben werden. Dadurch kann die Frage beantwortet werden: „Zu welcher Zeit ist das Museum am besten besucht?“.

Bild: AIT – Applied Information

Bild: AIT – Applied Information

Statt am Ende der Query count aufzurufen, werden die Personendaten auf ein Vier-Stunden-Fenster aggregiert und es wird eine Serie daraus erstellt. Der Client wird abschließend durch den render Operator dazu aufgefordert, die Rückgabewerte als Zeitdiagramm zu rendern.

Das Museum ist vor allem morgens gut besucht. Zudem gab es zuletzt deutlich mehr Besucher (Bild: AIT - Applied Information)

Das Museum ist vor allem morgens gut besucht. Zudem gab es zuletzt deutlich mehr Besucher (Bild: AIT – Applied Information)

Alles an einem Platz

Mit Digital Twins steht also ein Dienst bereit, der auf die Anforderungen aktueller IoT-Szenarien abgestimmt wurde. Er ist in weitere Dienste des Azure-Ökosystems integriert. Das gleiche gilt für Data Explorer: Neben Digital Twins können auch viele weitere Dienste als Datenquellen eingebunden werden und manuelle Abfragen verschiedener Systeme entfallen. Er glänzt zudem durch die mächtige Query-Language, der Geschwindigkeit und der Skalierung. Gemeinsam dürften die beiden Dienste das Herzstück vieler kommender IoT-Lösungen darstellen.


Das könnte Sie auch interessieren:

Wer Produktion und Logistik in einer Echtzeit-Visualisierung abbildet, kann niedrigschwellig in die digitale Transformation einsteigen und viel Papier aus dem Shopfloor bannen. Ergänzt um zentrale MES-Funktionen lassen sich solche Visualisierungssysteme zur Operational Excellence-Plattform ausprägen, die bei fortlaufenden Prozessoptimierungen unterstützt.‣ weiterlesen

Industrielle Trends wie IIoT und Digitalisierung setzen immense Datenströme voraus. Doch im Gegensatz zur IT-Security für Büros müssen Fabrikbetreiber auf wesentlich mehr Stolpersteine achten, damit ihre Anlagen nicht schon einfachen Angriffen zum Opfer fallen.‣ weiterlesen

Ab und zu fehlte ein Schlüssel im Kloster der Franziskanerinnen der ewigen Anbetung von Schwäbisch Gmünd. Beim letzten Mal gab das den Impuls, anstatt neue mechanische Zylinder in die rund 220 Türen des Komplexes einzubauen, die alte Technik durch das Bluesmart-System von Winkhaus zu ersetzen.‣ weiterlesen

Mit 100,5 Punkten hält sich das IAB-Arbeitsmarktbarometer im November stabil und liegt weiter im leicht über der neutralen Marke. Auf europäischer Ebene sank der Frühindikator allerdings erneut.‣ weiterlesen

In einer neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten und geben Handlungsempfehlungen für Unternehmen, Verbände, Politik und Wissenschaft.‣ weiterlesen

Im Forschungsprojekt FabOS soll eine KI-Bin-Picking-Anwendung entstehen, die ein verbessertes Erkennen, Greifen und definiertes Ablegen von Blechteilen in der Produktion ermöglicht.‣ weiterlesen

Die Digitalisierung des Qualitätsmanagements stellt Unternehmen vor Herausforderungen. Daher haben das Fraunhofer IPT und die FH Südwestfalen im Forschungsvorhaben 'Qbility - Quality 4.0 Capability Determination Model' ein datengetriebenes Reifegradmodell entwickelt, das die Anforderungen eines digitalisierten Qualitätsmanagements bei KMU adressiert.‣ weiterlesen