NetEye als Plattform für IoT-Projekte
NetEye als Monitoring-System wird hauptsächlich zur Überwachung von heterogenen und komplexen IT-Infrastrukturen eingesetzt. Überall dort, wo die Verfügbarkeit und Sicherheit der IT eine geschäftskritische Bedeutung hat, ist NetEye eine Lösungsvariante und wird als bewährtes System bereits bei ca. 300 Kunden weltweit eingesetzt. Als Basis enthält NetEye verschiedene Produktplattformen. Influx DB als Time Series Datenbank gehört neben anderen Plattformprodukten dazu, um Anforderungen hinsichtlich Performancemanagement umzusetzen.
Hintergrund: Um ein effektives Performancemanagement aufzusetzen, benötigt man ein Abfrageintervall im Sekundenbereich! Nur so lassen sich bestimmte Lastspitzen festzustellen z. B. I/O-Auslastungen, CPU-Auslastungen usw. Übliche Standard-Monitoring-Systeme fragen per SNMP die Parameter im Minutenbereich ab. Das ist oft nicht ausreichend um Lastspitzen die nur ein paar Sekunden andauern, zu erfassen.
Zurück zum Thema OT!
Die Influx-Datenbank in Kombination mit anderen Modulen in NetEye können als Lösungsplattform auch im OT-Umfeld eingesetzt werden. Durch eine kundenindividuelle Konfiguration des Systems können Lösungen für unterschiedliche Anwendungen in verschiedenen Branchen realisiert werden.
Die ersten Projekte wurden bereits erfolgreich umgesetzt und wir sehen im OT-Bereich zukünftig ein sehr großes Potential!
Nach neuesten Prognosen sollen 2025 weltweit ca. 60 Milliarden IoT Systeme im Einsatz sein. Diese Systeme werden mit überwiegender Mehrheit mit sog. IoT-Plattformen kommunizieren. Dabei werden ca. 80 ZB Daten generiert. Eine technische Möglichkeit diese Daten zu speichern und zu verarbeiten bieten Zeitreihendatenbanken. Somit kann man mit NetEye neben den klassischen Monitoringaufgaben im IT-Umfeld auch Echtzeit-Einblicke und Analysen zu IoT-Geräten umsetzen (OT-Umfeld).
Alle Prozess- und Ereignisdaten, die von Sensoren oder sonstigen IOT-Geräten erfasst werden, enthalten einen Wert und einen Zeitstempel. Es werden Trends pro Sensor oder über eine Anzahl von Sensoren und IoT-Geräten angezeigt. Auf der linken Seite (OT-Bereich) werden die (Sensor)-Daten erfasst und in einer Influx-Datenbank abgespeichert.
Anwendungsbeispiele für Sensordaten sind:
- Gerätewerte (Durchfluss, Ventilposition, Temperatur)
- Leistungsüberwachung (Einheiten pro Zeiteinheit, Maschinenauslastung vs. Kapazität, geplante vs. ungeplante Ausfälle)
- Umweltwerte (Wetter, atmosphärische Bedingungen, Grundwasserkontamination)
- Produktionsstatus (Maschine an/aus, Ausfallzeit-Ursachenverfolgung)
- …
Entsprechend den jeweiligen Kundenanforderungen können diese Daten mit verschiedenen Anomalie-Detection und Machine-Learning Algorithmen bearbeitet werden.
Auf der rechten Seite ist der Eventhandler Tornado zu sehen (Entwicklung von Würth Phoenix). Tornado kann Millionen von Events pro Sekunde nach vordefinierten Regeln verarbeiten.
Durch Kombination dieser beiden technischen Plattformen lassen sich verschiedene kundenindividuelle Lösungen realisieren. Die Einsatzszenarien sind sehr vielfältig und erstrecken sich auf unterschiedlichste Branchen und Anforderungen, wie
- Industrielle Fertigung
- Logistikprozesse
- Gebäudeautomatisierung
- Intelligente Stromnetze
- Smart City
- Energieerzeugung- und Verteilung
- …
Dabei werden IoT-Projekte sehr oft nach folgenden 3 Phasen realisiert:
Phase 1: Überwachung und Nachverfolgung
Die Überwachung von unterschiedlichsten Parametern, wie z. B. Batterieleistungen, Umdrehungen von Turbinen in Kraftwerken oder der Lieferstatus von Paketen sind wichtige Informationen von Unternehmen unterschiedlichster Branchen. Die visuelle Überwachung von Sensordaten ist oft der erste Schritt in einem IoT-Projekt.
Phase 2: Analyse
In vielen Branchen können Wettbewerbsvorteile durch die Analyse historischer Sensor-Daten realisiert werden. Die Erkenntnisse durch die Analyse können auf die aktuelle Situation angewandt werden, wie z. B. für einem vorausschauenden Service von Maschinen, für Optimierungen im Straßenverkehr oder für Wassereinsparungen bei der Plantagenbewässerung usw.
Phase 3: Aktion und Kontrolle
Bei bestimmten Ereignissen sollen Reaktionen ohne menschliche Interaktionen erfolgen. Und das in Echtzeit! Beispielsweise das automatische Abschalten einer Pumpe sobald ein Leck erkannt wird, oder die automatische Richtungsänderung der Rotorblätter einer Windkraftanlage basierend auf der Änderung der Windgeschwindigkeit oder Windrichtung.
Bezüglich der anfallenden Daten ist folgendes zu beachten:
Obwohl alle sensorische Daten Zeitreihendaten sind, sind nicht alle Zeitreihendaten identisch. Wenn man IT-Daten mit IoT-Daten vergleicht, kann man bestimmte Unterschiede feststellen:
In beiden Anwendungsfällen kann das notwendige Speichervolumen der Zeitreihendaten sehr groß werden. Deshalb benötigt man eine skalierbare Lösung mit eine Basistechnologie, wie z. B. Influx um die unterschiedlichsten Anforderungen umsetzen zu können.
Mit der „Distributed NetEye-Architecture“ lassen sich Hierarchien und Cluster aufbauen um mögliche Projektanforderungen hinsichtlich Ausfallsicherheit und Skalierung zu erfüllen!
NetEye steht in verschiedenen Varianten (appliance-basiert oder als virtuelle Maschine) als auch in Abhängigkeit der Anforderungen in unterschiedlichen funktionalen Ausbaustufen zur Verfügung:
