TICK Stack, Grafana® & InfluxDB – Wie IoT Dienstleister Sensor- und Maschinendaten visualisieren
Eine der wichtigsten Schnittstellen eines IoT Projektes sind die Benutzeroberflächen. Systemzustände können zu jedem Zeitpunkt der Integration mittels Dashboards effizient und übersichtlich dargestellt werden. InfluxData und Grafana® bieten hierfür Open-Source Lösungen, die beide auf Grundlage der Datenbank InfluxDB Visualisierungen für IoT Daten ermöglichen. Wir zeigen Ihnen Ihren direkten Einstieg in die Datenvisualisierung!
Update: Der Begriff TICK Stack ist veraltet
Der Begriff TICK Stack bezog sich, wie im Beitrag beschrieben, auf eine Reihe von Open-Source-Tools zur Datensammlung und Monitoring. Die Lösung zur Visualisierung von Dashboards für IoT Unternehmen bestand in der vorangegangenen Iteration aus Telegraf, InfluxDB, Chronograf und Kapacitor. Die Weiterentwicklung der Komponenten hat zur Folge, dass nun Chronograf und Kapacitor in InfluxDB v2 integriert sind. Zusätzlich hat sich die Query-Sprache beim Update vom InfluxDBv1 zu InfluxDBv2 von InfluxQL zu Flux geändert. Somit ist Telegraf die einzige separat verbleibende Komponente im Stack.
InfluxDB als technologische Grundlage – TICK und TIG Stack
Der Technologiestack basierend auf InfluxDB, der sogenannte TICK Stack steht für die Zusammenarbeit von Telegraf, InfluxDB, Chronograf und Kapacitor. Die logische Grundlage ist eine Datenbank (InfluxDB), hier werden alle Mess- und Sensordaten gespeichert und geordnet. Um InfluxDB mit sinnvollen Daten aus verschiedensten Quellen, wie Kamera- oder Wärmesensoren zu füllen, benötigt es einen Übersetzer (Telegraf). Dieser versteht die Rohdaten der Sensoren und bereitet sie für InfluxDB vor. Die Visualisierung der Daten zu einem Dashboard (Chronograf) ermöglicht dem Dienstleister und Kunden eine effiziente Überwachung. Der, vereinfacht dargestellte, Wecker des Systems (Kapacitor) kann Veränderungen nach gewünschten Parameter erkennen und zur Visualisierung freigeben. Er stellt die Schnittstelle zwischen der InfluxDB Datenbank und dem Dashboard dar.
Alternative zum TICK Stack steht der TIG Stack, bestehend aus Telegraf, InfluxDB und Grafana®. Ähnlich zu TICK ist auch die Variante mit Grafana® eine Open-Source Plattform. Der Vorteil der sich beim Nutzen von Grafana® eröffnet ist, dass mehrere Datenquellen gleichzeitig effizient genutzt werden können und der Betreiber nicht nur auf InfluxDB als Datenbank beschränkt ist. Weiterhin bietet Grafana® optimierte Möglichkeiten Daten einfach zu teilen und effizient Benachrichtigungen über Veränderungen und Status zu erstellen. Die Option Grafana® vereinfacht das Gesamtpaket von InfluxData. Das obligatorische Actions/Trigger System muss, falls nicht notwendig oder ungewünscht, nicht aufgesetzt werden. Somit bietet Grafana® die Möglichkeit einer schmaleren Installation, ohne auf Funktionalität der InfluxDB zu verzichten. Weiterhin bietet die Basis InfluxDB auch die Möglichkeit im späteren Verlauf des IoT Projekts ohne „Neustart“ von TIG auf TICK zu wechseln.
Monitoring – Vorteile für Dienstleister eines IoT Projekts
Das Monitoring von Maschinen- und Sensordaten ist eine grundlegende Anforderung an Dienstleistern von IoT Projekten. Ein wertvoller Vorteil eines Dashboards basierend auf Grafana® oder InfluxDB besteht schon bei der Integration künstlich intelligenter Sensorsysteme. Denn bereits mit Beginn der Integration kann sowohl der Dienstleister als auch der Betreiber effizient den Status aller Sensoren überwachen.
Ein weiterer großer Vorteil ist es, sofort Abweichungen und Optimierungsmöglichkeiten bei der Ausrichtung von Sensoren zu erkennen und Optimierungen vornehmen zu können. Durch dieses Echtzeit Monitoring können Dienstleister und Mitarbeiter des Betreibers bei Notwendigkeit direkt handeln. Die angepasste Benutzerumgebung präsentiert die Daten in einem geeigneten Kontext, woraus eine erhöhte Produktivität resultieren kann. Mitarbeiter können so effizienter und bedarfsbasiert arbeiten.
Als weitere Iteration dieses Prozess können KI-Assistenten und KI-basierte Funktionen aus Echtzeit Daten Trends erkennen und prognostizieren. Diese Monitoring Prognosen können wiederum für frühzeitige Anpassungen und Optimierungen genutzt werden. Beispielsweise in der Qualitätssicherung können so frühzeitig Erfolge erzielt werden, während zeitgleich Fehlproduktionen vermieden bzw. reduziert werden können.
