Austria | Germany | France | Sweden | India | USA | China | Singapore
Daten in Erkenntnisse umwandeln
Tips & Trends | Tipps & Trends | 3 Minuten Lesezeit |

Daten in Erkenntnisse umwandeln

Eine große Herausforderung für Ingenieure ist nicht nur die Datenerfassung bei Tests, sondern auch die Speicherung und Aufbewahrung so großer Datenmengen.

Die Prüfgemeinschaft für Elektrofahrzeuge muss sich mit immer komplexeren Produkten und schnelleren Entwicklungszyklen auseinandersetzen, was bedeutet, dass die Prüflabore unter ständigem Druck stehen. Die Fähigkeit zur effizienten Analyse von Testdaten war daher noch nie so wichtig wie heute. Die Kosten müssen so niedrig wie möglich gehalten werden, während gleichzeitig immer größere Datenmengen von Sensoren verarbeitet werden. Die Ingenieure müssen Testdaten in Echtzeit überwachen und analysieren, unabhängig davon, wie viele Daten es zu sichten gibt. Es ist daher nicht verwunderlich, dass sie nach neuen Wegen suchen, um die Testeffizienz zu verbessern und das Risiko von Daten geringer Qualität zu verringern.

Während der Erfassung werden elektrische und mechanische Signale mit Abtastraten im Kilohertz-Bereich gemessen und müssen hochsynchronisiert werden. Vor allem diese Tests erzeugen eine überwältigende Menge an Daten. Die eigentliche Herausforderung ist die Speicherung und Aufbewahrung dieser Daten. Der Umgang mit solch großen Mengen an strukturierten und unstrukturierten Daten erfordert ein anpassungsfähiges und skalierbares Daten-Backend. Um den sich ständig ändernden Anforderungen, Setup-Konfigurationen, Parametererweiterungen und Abtastraten gerecht zu werden, ist eine Trennung zwischen heißen und kalten Daten hilfreich.

Kalte Daten”, auf die seltener zugegriffen wird und die nur für Prüfungen oder Nachbearbeitungen benötigt werden, werden in einer verteilten Streaming-Plattform gespeichert, die je nach Bedarf skaliert werden kann. Die “heißen Daten”, auf die für die Analyse in Echtzeit zugegriffen wird, werden in einer NoSQL-Zeitseriendatenbank bereitgestellt. Diese Datenbank speichert die Messwerte sicher in redundanten, fehlertoleranten Clustern. Die flexible Datenaggregation gewährleistet, dass jederzeit die richtige Granularität zur Verfügung steht. Die Daten können dann wiedergegeben und auf verschiedene Weise aggregiert werden, um eine detaillierte Analyse der Testereignisse zu ermöglichen. Dieser Ansatz minimiert die IT-Betriebskosten und die Speicherinfrastruktur innerhalb des Testlabors.

Die Prüfung des Antriebsstrangs von Elektrofahrzeugen ist ein typischer Anwendungsfall, bei dem ein skalierbares Daten-Backend erhebliche Vorteile bietet. Vor allem bei der Echtzeitbewertung von Leistung und Elektromotoren wird eine riesige Menge an Daten erzeugt. Die Datenraten können von 10 Samples/Sekunde bis zu 4.000.000 Samples/Sekunde reichen. Die Herausforderung besteht darin, all diese Daten zu speichern und sie gleichzeitig rund um die Uhr für die schnelle Analyse kontinuierlicher und ausgelöster Datenströme verfügbar zu halten.

Um Daten zu erfassen, zu analysieren und zu speichern und ihre Verfügbarkeit für Anwendungen zu gewährleisten, entschied sich Gantner für Apache Kafka, eine Daten-Streaming-Plattform, um kalte Daten zu verwalten, und die verteilte Datenbank CrateDB, um heiße Daten zu verarbeiten. Die Arbeit mit diesem skalierbaren Daten-Backend-Konzept zeigt, wie leistungsfähig die Kombination von Edge Computing, Big Data-Verarbeitung und maschinellem Lernen ist.

infoChart-e-Antrieb-Antriebsstrang

Prüflabore verwenden spezialisierte Steuerungs-, Überwachungs- und Datenerfassungssysteme, denen es jedoch oft an der notwendigen Integration zwischen diesen Systemen mangelt, was zu einer späten Fehlererkennung in den zu prüfenden Systemen führen kann. Die Philosophie von Gantner ist es, den Kunden offene Schnittstellen zur Verfügung zu stellen, um Daten zu speichern und an die gewünschte Stelle zu senden, so dass eine nahtlose Integration mit jedem Überwachungs-, Analyse- und Berichtstool möglich ist.

Für Prüflabore, die mit automatisierten Prüfsystemen ausgestattet sind, bietet das Application Programming Interface (API) des Unternehmens eine einfache Möglichkeit, die Lösung in ihre bestehenden Umgebungen zu integrieren. Da sich die Analyse- und Fehlererkennungsmethoden je nach Anwendung unterscheiden, sind standardisierte Schnittstellen für die Integration in bestehende Architekturen, Visualisierungsmethoden und Berichtsroutinen unerlässlich, z. B. für die genaue Berechnung von Leistungsfaktor, Scheinleistung und Blindleistung aus Rohmessdaten.

Mit einer anpassungsfähigen und skalierbaren Daten-Backend-Lösung bietet Gantner Instruments Testlabors die Plattform, die sie benötigen, um physikalische Daten in Echtzeit zu erfassen, zu überwachen, zu analysieren und darauf zu reagieren, unabhängig vom Datenvolumen – und so Daten direkt in Erkenntnisse zu verwandeln.

Erleben Sie die neue Plattform für moderne und robuste Messaufbauten

Die GI.bench vereint schnellere Versuchsaufbauten, Projektkonfiguration und -abwicklung sowie die Visualisierung von Datenströmen in einer digitalen Werkbank. Sie ermöglicht es Ihnen, Ihre Mess- und Prüfaufgaben im laufenden Betrieb zu konfigurieren, auszuführen und zu analysieren. Greifen Sie überall auf Live- und historische Messdaten zu.

GI.bench - besser überwachen und schneller testen

Weitere Artikel

News & Events

The Battery Show Europe 2024

Neugierig auf die neuesten Innovationen von Gantner Instruments? Tauchen Sie ein in unseren Batterietest-Blog und entdecken Sie, was wir für die Battery Show Europe 2024 auf Lager haben!

Weiter...
News & Events

IPERMON – Innovatives Leistungsüberwachungssystem zur Verbesserung der Zuverlässigkeit und Optimierung der Stromgestehungskosten

Strombeschäftigen sich zahlreiche Forschungsinstitute und Organisationen mit der Verbesserung des Betriebs, der Zuverlässigkeit und folglich auch der Leistung von PV-Anlagen. Ein wichtiger Aspekt, der noch zu klären ist, ist der verfahrenstechnische und standardisierte Ansatz zur genauen Berechnung der Faktoren, die hinter den verschiedenen Mechanismen des Leistungsabfalls stehen, sowie zur Erkennung und Diagnose potenzieller Fehler in frühen Stadien oder vor ihrem Auftreten. Die Identifizierung von Degradations- und Fehlermodi in den Vorstufen ist wichtig, da diese Mechanismen die Leistung, Lebensdauer und Zuverlässigkeit der PV-Technologie direkt beeinflussen.

Weiter...
News & Events

Wünderla ko

“Wünderla ko" am 16. September von 10:00 - 16:00 Uhr entlang der Montafonerstrasse 4-21 in Schruns.

Weiter...
Tips & Trends

Hochwertige E/A erzeugen hochqualitative Vibrationsmessung: So einfach ist es wirklich

Ob es um Zustandsüberwachung, vorausschauende Instandhaltung, Structural Health Monitoring (SHM) oder effiziente Datenspeicherung und -analyse in verschiedenen Testanwendungen geht - ein komfortabler und einfach zu bedienender Schwingungsmessaufbau ist entscheidend.

Weiter...