Jak wycisnąć więcej z Cognite Data Fusion
Aleksander Jess, Były copywriter | | 4 min czytania
W skrócie
Cognite Data Fusion jest prosty w obsłudze, dobrze udokumentowany i ma elastyczne ekstraktory danych oraz REST API z SDK dla Pythona i .NET. Główna wada to długie wdrożenie początkowe, które wymaga płatnego wsparcia. Opisujemy, jak używamy CDF do danych z magazynów energii Kyoto i jak można rozbudować narzędzia dla operatorów oraz wyszukiwanie.
Specjalne podziękowania dla Patryka Kota, który pomógł przy pisaniu tego artykułu.
Wprowadzenie
Cognite Data Fusion to rozbudowana platforma do zarządzania danymi przemysłowymi i ich kontekstualizacji. Korzystamy z Cognite Data Fusion (CDF) od jakiegoś czasu i możemy szczerze powiedzieć, że to świetny system. Usługa ma swoje wady, ale naszym zdaniem tylko jedna jest poważna, a resztę da się naprawić odpowiednimi rozszerzeniami.
Zalety Cognite Data Fusion
Łatwość obsługi
Łatwość obsługi zawsze się docenia, i tu nie jest inaczej.
Twórcy profesjonalnych narzędzi i systemów często spychają doświadczenie użytkownika na dalszy plan i skupiają się tylko na funkcjach. Wtedy funkcja wygrywa z formą, choć obie powinny być równie ważne.
W Order Group przykładamy dużą wagę do dobrego doświadczenia użytkownika i lubimy dopracowywać interfejsy. Iza Mrozowska, wtedy nasza Head of Design, dbała o to, żeby wszystko wyglądało jak należy.
Z Cognite Data Fusion korzysta się natomiast całkiem łatwo, a dokumentacja techniczna pomaga wejść w świat CDF.
Obszerna dokumentacja i szkolenia
Obszerna dokumentacja techniczna przydaje się zarówno na początku, jak i wtedy, gdy pojawi się problem. Dokumentacja CDF zawiera informacje o tym:
- Jak wyszukiwać dane
- Jak analizować dane
- Canvas w CDF
- Charts w CDF
- Integracje z Grafaną, Excelem i Power BI
To nie wszystko. Jest też cała sekcja poświęcona inżynierii danych oraz CDF Admin. Artykuły są na tyle szczegółowe, że użytkownicy znajdą odpowiedzi na wszystkie najczęstsze pytania.
Jest też link do dokumentacji Python Industrial Data Science Library od Cognite.
Elastyczne wdrażanie ekstraktorów danych
Ekstraktory danych przesyłają dane w oryginalnym formacie do Cognite Data Fusion. To drugi etap potoku danych: po źródłach danych, a przed obszarem przejściowym (staging area).
Jest kilka gotowych ekstraktorów, które wdraża się bardzo łatwo. Często są dostępne jako kontener Docker, a nawet jako plik .exe dla Windows. Gotowe ekstraktory to między innymi:
- Cognite DB extractor
- Cognite PI extractor
- Cognite PI AF extractor
- Cognite SAP Extractor
- i inne
Dzięki publikowaniu kontenerów Docker wdrożenie ekstraktora nie wymaga wysiłku. Możesz go po prostu wdrożyć w Azure, AWS lub Google Cloud w kilka minut. Równie łatwo wdrożysz go na własnej infrastrukturze, jeśli zajdzie taka potrzeba.
Jeśli gotowe ekstraktory nie wystarczą, łatwo zbudujesz własne. Cognite utrzymuje dwa SDK: jedno dla Pythona, drugie dla .NET. Więcej informacji znajdziesz tutaj.
Rozbudowane API
Poza SDK CDF udostępnia dane przez REST API, więc można na nim budować własne ekstraktory, dashboardy i integracje.
Wady Cognite Data Fusion
Pierwsza konfiguracja wymaga zaawansowanego wsparcia technicznego
Wad jest stosunkowo niewiele, choć jednym z największych problemów CDF jest czas potrzebny na start. Jak pokazał przypadek jednego z naszych partnerów, może to zająć nawet 3 miesiące.
Nie jest to najgorsze, bo można dokupić dodatkowe wsparcie, choć to słaba pociecha. Płacisz za produkt, gdy jeszcze jest konfigurowany, a do tego (musisz) płacić za zaawansowane wsparcie.
Jak Order Group korzysta z Cognite Data Fusion
Korzystamy z Cognite Data Fusion, żeby zbierać, przetwarzać i kontekstualizować dane z systemów magazynowania energii firmy Kyoto. Te dane obejmują:
- Temperaturę
- Ciśnienie
- Stan naładowania
- Moc wyjściową
Na podstawie tych danych monitorujemy wydajność systemów magazynowania energii KYOTO i wychwytujemy potencjalne problemy. Dzięki kontekstualizacji danych (oprócz analizy czy innych operacji) możemy nie tylko wyciągać wnioski, ale też wyświetlać je bezpośrednio na konkretnych elementach instalacji.
Jak ulepszyć Cognite Data Fusion
Cognite Data Fusion świetnie radzi sobie ze zbieraniem i kontekstualizacją danych, a Order Group widzi szanse, by dać użytkownikom jeszcze więcej możliwości, zwłaszcza tym na stanowiskach operacyjnych i zarządczych.
Oto jak rozbudować Cognite Data Fusion, żeby wykorzystać pełnię jego możliwości. Podstawowa funkcjonalność CDF wystarczy, ale do bardziej wyspecjalizowanych zastosowań na pewno nie.
Lepsze narzędzia dla operatorów do podejmowania decyzji w czasie rzeczywistym:
Operatorzy potrzebują przejrzystych, konfigurowalnych dashboardów, które pokazują najważniejsze dane w przystępnej formie. Wykrywanie anomalii w czasie rzeczywistym i alerty wskazujące, co zrobić, pozwalają operatorom wychwycić i rozwiązać potencjalne problemy, zanim narosną, mimo ciągłego szumu informacyjnego.
Lepsze wyszukiwanie, żeby szybciej docierać do informacji:
Obecne wyszukiwanie można ulepszyć tak, żeby rozumiało kontekst zapytań. Chodzi o rozpoznawanie nie tylko słów kluczowych, ale też powiązań między różnymi danymi. Wyobraź sobie, że wpisujesz "ciśnienie baterii" i dostajesz wyniki, które obejmują też powiązane dane, na przykład odczyty temperatury i ostatnie logi serwisowe.
Można to osiągnąć, integrując przetwarzanie języka naturalnego (NLP). Wyszukiwanie w języku naturalnym znacznie przyspiesza docieranie do informacji. Operatorzy powinni móc zadać pytanie w rodzaju "Jaka była średnia temperatura baterii w zeszłym tygodniu?" i szybko dostać trafne wyniki.
Mniejsze obciążenie poznawcze pozwoli Twoim pracownikom pracować wydajniej niż dotąd. Każdego dnia mają ograniczony zapas energii i muszą go wykorzystać jak najrozsądniej.
Spójne doświadczenie dla BMS i EMS
Ostatecznie razem z KYOTO chcemy zbudować oprogramowanie, które obsługuje wszystkie etapy zarządzania bateriami: od złożenia zamówienia, przez sprawną dostawę i instalację, po monitorowanie pracy baterii.
Chcemy, żeby ten proces płynnie wpisywał się w szerszą ścieżkę klienta i był dla niego bezproblemowy od początku do końca. Naszym celem jest usprawnienie całego procesu zarządzania bateriami, usunięcie wszelkich przeszkód i komplikacji po drodze oraz zapewnienie klientom niezawodnego i wydajnego systemu, który spełnia ich wymagania.
Podsumowanie
Cognite Data Fusion to rozbudowana platforma do zarządzania danymi przemysłowymi i ich kontekstualizacji. Order Group od dłuższego czasu korzysta z Cognite Data Fusion do zarządzania wydajnością systemów magazynowania energii firmy Kyoto.
Uważamy, że Cognite Data Fusion może być jeszcze potężniejszym narzędziem, jeśli rozbuduje się je o dodatkowe funkcje. Jeśli chcesz porozmawiać o dodaniu nowych funkcji, skontaktuj się z nami.
Rozbudujmy Cognite Data Fusion
Budujmy razem