Stefan Müller Director Business Intelligence & Big Data Referenten: Alexander Keidel Senior Consultant Business Intelligence & Big Data IoT Use Case für Industrie 4.0 Predictive Analytics & Maintenance am Beispiel eines webbasierten Flottenmanagements
34
Embed
IoT Use Case für Industrie 4.0 Predictive Analytics ... · IoT Use Case für Industrie 4.0 Predictive Analytics & Maintenance am Beispiel ... gravierende Folgen zu Reaktive fehlergetriebene
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Stefan MüllerDirector Business Intelligence & Big Data
Referenten:
Alexander KeidelSenior Consultant Business Intelligence & Big Data
IoT Use Case für Industrie 4.0Predictive Analytics & Maintenance am Beispiel eines webbasierten Flottenmanagements
Definition und Abgrenzung Predictive Analytics
Vorstellung
Referenten
Prof. Dr. Peter Gluchowski www.TDWI.eu5. Oktober 2017
Prof. Dr. Peter GluchowskiMitglied des Vorstands TDWI e.V.
Stefan MüllerDirector Business Intelligence & Big Data / it-novum
Alexander KeidelConsultant Business Intelligence & Big Data / it-novum
Vorstellung TDWI e. V.
Prof. Dr. Peter Gluchowski
Advancing all things data.
Starke Community
Anwenderforen
Roundtable
Konferenzen
BI-SPEKTRUM
Fachbücher
Online Wissensportal
Seminare
www.TDWI.eu
Neutral und unabhängig.
5. Oktober 2017
Predictive Analytics
Definition und Abgrenzung
REPORTING
Was ist
passiert?
ANALYSE
Warum ist es
passiert?
MONITORING
Was passiert
gerade?
VORHERSAGE
Was könnte
passieren?
Geschäftlicher Nutzen
Kom
plex
ität
niedrig hoch
hoch
Predictive AnalyticsDashboards, ScorecardsOLAP und VisualisierungAbfrage- und Berichtswerkzeuge
Prof. Dr. Peter Gluchowski www.TDWI.eu5. Oktober 2017
Predictive Maintenance Historische Entwicklung
Prof. Dr. Peter Gluchowski www.TDWI.eu 5. Oktober 2017
Ge
sc
hä
ftlic
her
Nu
tze
n
niedrig
hoch
Emergency Maintenance
Zeit
Corrective Maintenance
Preventive Maintenance
Predictive Maintenance
Reaktive notfallgetrie-bene Instandhaltungs-aktivitäten, die sofort
unternommen werden, um weitere
gravierende Folgen zu vermeiden.
Reaktive fehlergetriebene Instandhaltungsaktivitäten, die durchgeführt werden, um die Funktionsfähigkeit
von Objekten wiederherzustellen.
Proaktive zeitgetriebene Instandhaltungsaktivitäten zu regelmäßigen Zeitab-ständen, um die Ausfall-wahrscheinlichkeit oder
den Leistungsabfall einer Betriebsanlage zu
verringern.
Proaktive zustandsgetrie-bene Instandhaltungs-aktivitäten zur voraus-
Langjähriger akkreditierter Partner von führenden OS-Softwareher-stellern aus den USA und Europa
Bestätigte Qualitätssicherung durch ISO Zertifizierung
Unternehmen
Kunden und Projekte Produkt-entwicklungen
Gegründet in 2001 als eigenständige Konzerntochter der börsennotierten KAP-AG
IT-Beratungshaus mit technischer Spezialisierung im Business Open Source-Bereich
75 Mitarbeiter
Hauptsitz in Fulda, Niederlassungen in Berlin, Dortmund und Wien
Etablierte Produktentwicklungen
ITSM Analytics Platform
Alfresco Caching & Hosting
Monitoring Software
Kunden und Projekte
15+ Jahre Business Open Source-Erfahrung
Über 750 umgesetzte Projekte in großen mittelständischen Unternehmen und Konzernen
Wer wir sind
openLIGHTHOUSE
8
Business Intelligence & Big Data
Business Analytics Advanced AnalyticsBig Data Analytics
9
PentahoEnabler für das Data-Driven-Business
Moderne Datenintegrations- und Businessanalyse-Plattform
─ Volles Spektrum von fortgeschrittenen Analysen für verschiedene Rollen
─ Big Data Blending für Analysen in Echtzeitumgebungen
─ Big Data Integration – auch nativ
Innovation durch Open Source
− Offen, erweiterbar und auf zukünftige Anforderungen abgestimmt
− Durch technische Innovationen schon von Anfang an in der Führungsrolle im Bereich Big Data
Marktpräsenz
─ Über 1.500 kommerzielle Kunden
─ Über 10.000 produktive Installationen
10
Von Daten zu Analysen in einer integrierten Plattform
Data PrepData Engineering Analytics
Ingestion Processing Blending Data Delivery Data Discovery/ Analysis
Analysis& Dashboards
Administration Security LifecycleManagement
Data Provenance
Dynamic DataPipeline Monitoring Automation
11
IoT AnalyticsUnterschiedliche Datenquellen von Sensoren mit Kontext versehen, sinnvoll miteinander verknüpfen und auswerten. Muster aufdecken und visualisieren.