Warum ändern sich die Werte berechneter Tags, wenn Sie in kurzen Zeiträumen navigieren?
Möglicherweise stellen Sie fest, dass berechnete Tags (insbesondere solche, die Variablen mit kleinen Zeitverschiebungen enthalten) leicht unterschiedliche Ergebnisse zeigen können, wenn Sie den angezeigten Zeitraum vergrößern oder ändern. Warum passiert das?
Kurze Antwort
Je nach Zeitraum, den Sie visualisieren, verwendet TrendMiner eine andere Quelle, aus der die Daten abgerufen werden. Auf einem System mit einer Indexauflösung von 1 Minute plottet TrendMiner anhand von Indexdaten für Zeiträume von mehr als 5 Stunden. Bei der Visualisierung von Zeiträumen unter 5 Stunden werden die Daten direkt aus der Datenquelle abgerufen. Auch bei berechneten Tags werden Daten aus der Datenquelle abgerufen und Berechnungen werden „on-the-fly“ durchgeführt
TrendMiner fordert von Ihrer Datenquelle plotoptimierte Daten in verschiedenen Zeitfenstern an, je nachdem, was Sie gerade anzeigen. Die Datenquelle wählt Rohdatenpunkte mit Zeitstempeln aus, die die einzelnen Perioden für das Plotten am besten wiedergeben. TrendMiner interpoliert dann nach Bedarf zwischen diesen Punkten. Wenn Berechnungen Zeitverschiebungen beinhalten (z. B. wenn ein Tag vor 3 Sekunden mit sich selbst verglichen wird), kann jedes neue Fenster (verursacht durch eine kleine Navigationsänderung) andere Rohdatenpunkte aus dem Verlauf zurückgeben, was zu Abweichungen in den Ergebnissen führen kann.
Wenn Sie Zeitreihendaten anzeigen, fordert TrendMiner eine feste Anzahl von Datenpunkten (normalerweise 300) von Ihrer Datenquelle an, die gleichmäßig über Ihr Anzeigefenster verteilt sind. Die Datenquelle gibt nicht jeden einzelnen gespeicherten Rohdatenpunkt zurück, sondern verwendet Algorithmen wie den „Best Fit“ von PI, um auszuwählen, welche tatsächlichen Rohdatenpunkte das Zeitfenster für die Darstellung am besten repräsentieren.
Das bedeutet, dass die Rohdatenpunkte, die vom Historian bei der Visualisierung eines Zeitraums von 10 Minuten oder 1 Stunde zurückgegeben werden, unterschiedlich sein können.
TrendMiner interpoliert dann zwischen diesen vom Historian ausgewählten Rohdatenpunkten, wenn für Berechnungen exakte Zeitstempel benötigt werden.
Das zentrale Problem: Unterschiedliche Betrachtungsfenster veranlassen den Historian dazu, unterschiedliche Rohdatenpunkte auszuwählen, was dann zu unterschiedlichen interpolierten Werten und somit zu unterschiedlichen berechneten Werten führt.
Warum verschobene Berechnungen betroffen sind
Wenn Sie eine Berechnung erstellen, die eine Zeitverschiebung beinhaltet (wie abs(TagA - TagA verschoben um 3 Sekunden)), passiert Folgendes:
Für das Original-Tag: TrendMiner fordert plotoptimierte Daten für Ihr Anzeigefenster an (z.B. 10:00 Uhr - 11:00 Uhr Uhr), und der Historian wählt Rohdatenpunkte für dieses Zeitfenster aus
Für das verschobene Tag: TrendMiner fordert plotoptimierte Daten für das verschobene Zeitfenster an (z. B. 9:59:57 Uhr - 10:59:57 Uhr), und der Historian wählt Rohdatenpunkte für das andere Zeitfenster aus
Da es sich um unterschiedliche Zeitfenster handelt, wählt der Historian für jede Anfrage unterschiedliche Rohdatenpunkte aus. TrendMiner interpoliert dann zwischen diesen verschiedenen Punktesätzen, was zu deutlich unterschiedlichen berechneten Werten führen kann.
Warum sich die Ergebnisse beim Zoomen ändern
Wenn Sie Ihren Betrachtungszeitraum ändern (solange dieser unter 5 Stunden bleibt), fordert TrendMiner für das neue Fenster plotoptimierte Daten an. Die Datenquelle wählt völlig andere Rohdatenpunkte aus, die dieses neue Fenster am besten repräsentieren. In Kombination mit der Interpolation dieser verschiedenen Punkte durch TrendMiner erklärt dies, warum:
Vergrößert (1 Stunde): Der Historian wählt 300 Rohdatenpunkte aus dieser Stunde aus
Verkleinert (10 Minuten): Der Historian wählt 300 verschiedene Rohdatenpunkte aus diesen 10 Minuten aus
Jede Zoomstufe erhält einen anderen Satz von Rohdatenpunkten, die vom Historian ausgewählt wurden, was zu unterschiedlichen interpolierten Ergebnissen führt.
Visuelles Beispiel
Betrachten Sie das vorherige Berechnungsbeispiel: abs(TagA - TagA verschoben um 3 Sekunden) . Möglicherweise haben Sie dieses Tag erstellt, um einen starken Rückgang innerhalb einer Sekunde zu erfassen. Durch die Verschiebung dieses Tags um 3 Sekunden erwarten Sie ein neues Zeitreihen-Tag – in der Regel mit einem Wert um 0, der für einige Sekunden auf den Differenzwert ansteigt.
Die folgende Abbildung zeigt, wie die Differenz berechnet wird, wenn das visualisierte Zeitfenster weniger als 5 Stunden beträgt und die Datenquelle 300 plotoptimierte Punkte zurückgibt, wobei einige Rohdatenpunkte weggelassen werden. Die Abbildung zeigt die Rohdatenpunkte von Tag A, wie sie in der Datenquelle gespeichert sind, sowie die plotoptimierten Daten, die für Tag A und sein verschobenes Gegenstück zurückgegeben werden.
Jedes Mal, wenn Sie das visualisierte Zeitfenster aktualisieren (z. B. mithilfe der Navigationspfeile), werden möglicherweise andere plotoptimierte Punkte zurückgegeben, was zu unterschiedlichen Interpolationswerten und Berechnungsergebnissen führt. Nur wenn Sie stark hineinzoomen (in diesem Beispiel bei einer Visualisierung eines Zeitraums von 5 Minuten), gibt die Datenquelle Rohdatenpunkte zurück, sodass der berechnete Wert genau mit dem Abfall übereinstimmt.
Wann ist dies am deutlichsten zu erkennen?
Dieser Effekt ist am deutlichsten sichtbar bei:
Verwendung kleiner Zeitverschiebungen (Sekunden) im Verhältnis zu Ihrer Datenauflösung
Betrachtungszeiträumen mit schnellen Veränderungen oder starken Ausschlägen
Arbeiten nahe der Grenzen Ihrer Datenauflösung
Vergleichen von Formeln und Aggregationen (die unterschiedliche Zeitfenster verwenden)
Empfehlungen
Um konsistente und genaue Ergebnisse zu erhalten:
Verwenden Sie Verschiebungen, die Ihrer Datenauflösung entsprechen oder größer sind
Wenn Ihre Indexauflösung 1 Minute beträgt, verwenden Sie Verschiebungen von 1 Minute oder mehr
Vermeiden Sie Verschiebungen von wenigen Sekunden, wenn Sie mit Daten in Minutenauflösung arbeiten
Vergrößern Sie den Ausschnitt für genaue Berechnungen kleiner Verschiebungen
Für Verschiebungen der zweiten Ebene zoomen Sie auf Zeiträume, in denen der Historian Daten mit dieser Frequenz auswählt
Seien Sie vorsichtig beim Vergleichen von Ergebnissen
Beachten Sie, dass unterschiedliche Zoomstufen dazu führen, dass der Historian unterschiedliche Rohdatenpunkte auswählt
Beide Ergebnisse können „richtig” sein – sie basieren lediglich auf unterschiedlichen Punkten, die vom Historian ausgewählt wurden
Fazit
Diese Abweichungen treten auf, weil unterschiedliche Anzeigefenster dazu führen, dass die Datenquelle unterschiedliche Rohdatenpunkte für eine optimale Darstellung auswählt. TrendMiner interpoliert dann zwischen diesen Punkten, was in Kombination mit Zeitverschiebungen zu unterschiedlichen berechneten Werten führen kann. Die Ergebnisse sind nicht „falsch“ – sie basieren auf unterschiedlichen Rohdatenpunkten, die vom Historian für unterschiedliche Zeitfenster ausgewählt wurden. Um möglichst konsistente Ergebnisse zu erzielen, sollten Sie die Größe Ihrer Zeitverschiebung an Ihre Datenauflösung anpassen.
Weitere Informationen zur Datenauflösung und Indizierung in TrendMiner finden Sie im Abschnitt Indizierung des Benutzerhandbuchs.