Как Navixy IoT Query расширяет возможности кастомной аналитики

Большинство команд разработчиков тратят ценные ресурсы на проблемы интеграции телематических данных, борясь с ограничениями скорости API, создавая хрупкие скрипты экспорта и сталкиваясь с требованиями соответствия нормативам. Бронзовый слой Navixy IoT Query устраняет эти узкие места. Прочитайте, чтобы изучить возможности, которые платформа телематической аналитики открывает для вашего бизнеса.

Ключевые выводы

• Получайте доступ к необработанным телематическим данным с помощью прямого SQL, устраняя узкие места API и повышая скорость корпоративной аналитики.
• Разрабатывайте и запускайте пользовательскую аналитику автопарка, адаптированную под уникальные операционные цели и показатели эффективности.
• Обеспечивайте мониторинг датчиков в реальном времени, обнаружение аномалий, предиктивное обслуживание и расширенную геопространственную аналитику.
• Превращайте телематику в масштабируемый движок для корпоративной предиктивной аналитики и более разумных решений.

Корпоративная аналитика автопарка без препятствий

Navixy IoT Query предоставляет разработчикам, работающим с корпоративными автопарками, прямой SQL-доступ к телематическим потокам в режиме реального времени, историческим данным и гибким схемам данных для создания пользовательских аналитических приложений для автопарков.

Обратитесь в отдел продаж, чтобы узнать об основных преимуществах нового подхода к аналитике автопарка, доступного с Navixy IoT Query.

Платформа Navixy IoT Query устраняет ограничения скорости API и ограничения доступа к данным, позволяя создавать всё — от оперативных дашбордов в реальном времени до сложных многомерных аналитических систем. Благодаря совместимости с PostgreSQL и встроенной поддержке интеграции с популярными BI-инструментами, ML-фреймворками и конвейерами данных, разработчики могут использовать существующие навыки и инструменты без привязки к поставщику.

Базовая архитектура Private Telematics Lakehouse (PTL) предоставляет четыре ключевых шаблона обработки данных через стандартные SQL-интерфейсы:

• потоковый ввод данных для приложений реального времени,
• анализ временных рядов для исторической отчётности,
• конвейеры разработки признаков для обучения ML-моделей,
• соединения между таблицами для контекстной бизнес-аналитики.

Данная архитектура предоставляет разработчикам гибкость для реализации пользовательской бизнес-логики непосредственно в SQL или извлечения данных для обработки в Python, R или других аналитических средах и BI-инструментах.

Сценарии аналитики флота с использованием уровня Bronze

Уровень Bronze предоставляет доступ к необработанным структурированным наборам данных, которые разработчики могут запрашивать напрямую для таких приложений, как:

• Мониторинг показаний датчиков в реальном времени

Navixy IoT Query поддерживает поступление телематических данных в реальном времени, позволяя панелям управления и операционным дашбордам отображать показания датчиков, таких как GPS, скорость, обороты двигателя, температура или уровень топлива с минимальной задержкой. Эта потоковая возможность обеспечивает диспетчерам и менеджерам немедленную видимость статуса флота, позволяя быстрее устранять неполадки, повышать операционную осведомленность и принимать обоснованные решения.

• Обнаружение аномалий

Выявляйте нарушения, такие как кража топлива, неисправности датчиков или несанкционированное использование транспортных средств через системы обнаружения в реальном времени. Navixy IoT Query позволяет применять статистические подходы, обеспечивая высокоточные предупреждения на основе отклонений от исторических норм или установленных поведенческих пороговых значений.

• Прогнозное обслуживание

Предвосхищайте отказы компонентов, анализируя закономерности в температуре, оборотах двигателя, кодах неисправностей и истории поломок. Обучая модели машинного обучения на этих данных, предприятия могут перейти от реактивного ремонта к проактивному планированию — сокращая экстренные ремонты, повышая время работы транспортных средств и оптимизируя интервалы обслуживания.

• Геопространственная аналитика

Анализируйте данные перемещений во времени и пространстве для выявления геозон, оптимизации расположения депо или складов и оценки географического охвата услуг. Позиции активов можно сравнивать с местоположениями в режиме, близком к реальному времени, в то время как телематические данные добавляют контекстную информацию для поддержки принятия более эффективных решений.

Персональные панели мониторинга автопарка в реальном времени: точность, где каждая минута на счету

Бронзовый уровень Navixy IoT Query представляет отправную точку глубокого аналитического путешествия, захватывающего необработанные, нефильтрованные данные в структурированной, запрашиваемой среде. Он незаменим для создания содержательных панелей мониторинга или приложений и решения неотложных операционных задач через мониторинг в реальном времени и историческую отчетность.

Вы можете извлекать и визуализировать необработанные данные как есть или применять логику для создания новых метрик, KPI и персональных статусов. Давайте рассмотрим практические примеры.

Пример использования: мониторинг датчиков в реальном времени

На производственном предприятии операторы создали дашборд в Grafana для мониторинга данных датчиков в реальном времени — с фильтрацией по активам, типам датчиков или отдельным датчикам. Это помогло выявлять аномалии на ранней стадии, предотвращать простои и улучшать реагирование на техническое обслуживание.

Дашборд использовал SQL-запросы к необработанным данным, такие как следующий:

select
	o.object_label,
	lcs.sensor_type,
	lcs.device_time,
   lcs.value as last_measurement_value
FROM business_data.latest_calibrated_sensors lcs
LEFT JOIN raw_business_data.objects o ON o.device_id = lcs.device_id
WHERE 1=1
and lcs.sensor_id is not null
ORDER BY lcs.device_time DESC

Сложная настройка не потребовалась — только прямой доступ к данным и инструмент визуализации, подключенный к IoT Query.

Пример использования: панель статуса автопарка с пользовательской логикой

В логистике менеджерам автопарков требовались панели мониторинга, выходящие за рамки стандартных категорий событий. Используя уровень Bronze, они создали панель «статуса движения» на основе пользовательской логики — такой как минимальные пороги скорости и время простоя. Вот упрощенная версия используемого запроса:

WITH tracking_data_core AS (
  SELECT * FROM raw_telematics_data.tracking_data_core tdc
  WHERE tdc.device_time >= NOW() - INTERVAL '15 minutes'
    AND tdc.event_id IN 
(2, 802, 803, 804, 811)
  ORDER BY tdc.device_time, tdc.device_id DESC
)
SELECT DISTINCT ON (tdc.device_id)
  tdc.device_id,
  tdc.event_id,  tdc.platform_time,
  tdc.speed / 100 AS speed,
  tdc.latitude / 1e7 AS latitude,
  tdc.longitude / 1e7 AS longitude,
  tdc.altitude / 1e7 AS altitude,
  tdc.device_time,
  CASE 
    WHEN tdc.speed / 100 > 2 
      AND EXTRACT(EPOCH FROM (NOW() - tdc.device_time)) / 60 < 3 
      THEN 'moving'
    WHEN EXTRACT(EPOCH FROM (NOW() - tdc.device_time)) / 60 < 3 
      THEN 'stopped'
    ELSE 'parked'
  END AS moving_status,
  CASE 
    WHEN EXTRACT(EPOCH FROM (NOW() - tdc.device_time)) / 60 <= 1 THEN 'active'
    WHEN EXTRACT(EPOCH FROM (NOW() - tdc.device_time)) / 60 <= 3 THEN 'idle'
    ELSE 'offline'
  END AS connection_status,
  to_char(tdc.device_time, 'YYYY-MM-DD HH24:MI:SS') as last_connect_formatted
FROM tracking_data_core AS tdc
ORDER BY tdc.device_id, tdc.device_time DESC

Сила этой модели заключается в её адаптивности. Например, помимо стандартных статусов, пользователи могут определить собственные пользовательские статусы, такие как статус «стоянка» — активирующийся только когда транспортное средство находится в пределах геозоны склада и его датчик двери активен. Логика полностью настраивается с помощью SQL, предоставляя операционным командам прямой контроль над мониторингом и отчётностью своего автопарка. Или вы можете использовать Python для создания приложения с собственной панелью управления или отчётом, как показано на экране ниже.

Такой подход даёт менеджерам возможность контроля в реальном времени и свободу развития логики без вмешательства поставщика или зависимости от предопределённых шаблонов.

Используйте IoT Query как шлюз к продвинутой аналитике автопарка

Уровень IoT Query Bronze представляет собой надежную отправную точку для получения истинного понимания ваших операций. После создания этой основы предприятия могут выйти за рамки обнаружения на основе правил и разработать более совершенные модели.

На этом уровне вы можете:

• Применять машинное обучение для выявления подозрительных поездок.
• Создавать системы прогнозной оценки для предугадывания рискованного поведения водителей.
• Интегрировать данные об экологичном вождении с данными технического обслуживания и соответствия требованиям для максимизации эффективности автопарка.

Предоставляя контроль над данными и логикой непосредственно лицам, принимающим решения, Navixy IoT Query превращает телематику из статических панелей управления в мощный двигатель интеллекта и автоматизации.

Свяжитесь с отделом продаж, чтобы узнать, как использование уровня Navixy IoT Query Bronze может поддержать ваши потребности в аналитике и отчетности.