iot use case für industrie 4.0 predictive analytics ... · iot use case für industrie 4.0...
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-
schauenden Erhaltung der Funktionsfähigkeit von
Objekten und Systemen.
Quelle: TDWI: IT-basierte Maintenance Konzepte, Infografik, Troisdorf 2017.
Telefon
Maschinenakte
Instandhaltungs-systeme
Vorhersage- modelle
Vorstellung & Einordnung Anwendungsfall
7
International führende OS-Technologien
InternationaleTechnologiepartnerschaften
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.
Rohwaren Equipment Temperatur/ Druck
Equipmentvibrationen
Lagermaschinenauslastung Versanddistanz Kundenverhalten
Termingenaue Lieferung
Wareneingangszeit Schlechtwetter
12
Equipment-vibrationen
Equipment-temperatur
Kunden-verhalten
Equipment-druck
Geschwin-digkeit
Equipment-auslastung
Versand-distanz
GROßE VIELFALT AN SENSORDATEN
GRO
ßED
ATEN
MEN
GEN
PRO
TA
G (
> M
IO)
IoT ist ein Big Data-Problem
13
Mit Pentaho komplexe IoT-Szenarien analysieren
ERP
CRMAsset
Management
STRUKTURIERTE DATEN
Sensor-daten
Geo-Location DatenMachinendatenBilddaten
Video- oderSprachdateien
SEMI-STRUKTURIERTE DATENUNSTRUKTURIERTE DATEN
Wie sieht die Lösung aus?Wie fügt man all diesen Daten Kontext hinzu?
14
Mit Pentaho komplexe IoT-Szenarien analysieren
STRUKTURIERTE DATENSEMISTRUKTURIERTE DATENUNSTRUKTURIERTE DATEN
SCHNELLES ANLEGEN VON DATEN-PIPELINES
Beladen Model-lieren
Ver-knüpfen
Vorbe-reiten
Handeln
MaschinellesLernen
ERP
CRM
Asset Management
Sensor-daten
GeografischeDaten
MachinendatenBilddaten
Video- oderSprachdateien
15
IoT Analytics Kernmodule
3
Erfassen Integrieren Auswerten
1 2
16
IoT Analytics KernmoduleAsset Management
1
Erfassen
1
Asset Management Sensoren registrieren
Assets modellieren
Sensordaten speichern
Sensordaten streamen
17
IoT Analytics KernmoduleData Refinery
2
Integrieren
2
Data RefineryValidieren & Bereinigen
Verarbeiten & Anreichern
Weiterverarbeitung
Rules Engine
18
IoT Analytics KernmoduleAnalytics
3
Auswerten
3
AnalyticsMachine Learning
Report & Alert
Workflow Integration
Handlungsempfehlung
19
Analysieren Sie mit Pentaho komplexe IoT-Szenarien Mithilfe von 3 IoT-Kernmodulen
1
Asset Management Sensoren registrieren
Assets modellieren
Sensordaten speichern
Sensordaten streamen
2
Data RefineryValidieren & Bereinigen
Verarbeiten & Anreichern
Weiterverarbeitung
Rules Engine
3
AnalyticsMachine Learning
Reports & Alerts
Workflow Integration
Handlungsempfehlung
Erfassen Integrieren Auswerten
IoT Platform Demo Scenario
21
Big FleetEin Unternehmen mit 222 Fahrzeugen
24
46
152
Web-basierte Flottenmangement-Plattform
22
Asset Management-Modul
23
Darstellung der unterschiedlichen Fahrzeugtypen als Avatare
24
Hierarchische Asset-Modellierung
Modell- und Sensordaten speichern
Asset ModelSensordatenNutzfahrzeug
Luftdruck
Achsen-vibration
Lichter
Ladegewicht
Bewegung
Temperatur
SensordatenFlow
StreamenVerknüpfen
Muster aufdecken
SenseAbleiten
Einspeisen & Integrieren
Speichern
25
Sensordaten mit Kontext versehen
Fahrzeugstandort
• GPS• Längen-/ Breitengrad
• Mapping• Bewegung
Fahrzeugprofil
• Hersteller• Modell• Kilometerstand
Betriebssysteme
• Wartungshistorie• Wartungsplan• Servicezentren• Teilebestellung• Teile-inventarisierung
Sensordaten Kontextdaten
Geschäfts-nutzen
• Real-Time Flottenstatus/ -zustand• Reparaturempfehlungen• Optimiertes Wartungsplanung• Automatiserte Teilebestellung
IoT Data Refinery
SensordatenFlow
StreamenVerknüpfen
Muster aufdecken
SenseAbleiten
Einspeisen & Integrieren
Speichern
26
IoT-Demo anhand eines fiktivenFlottenmanagement Use Case
1. Flottenstatus & -zustand: Standort und Zustand der gesamten Flotte auf einer Karte
2. Fahrzeugprofil: Hersteller, Modell, Alter, Kilometerstand und Status
3. Streaming Sensordaten: Sensoren für Bewegung, Luftdruck, Motortemparatur, Ladegewicht, Lichter, Achsenvibration
4. Alarm: real-time Alert entsprechend Fahrzeug, Sensor and Schweregrad
5. Machine Learning: Algorithmen für Predictive Maintenance
6. Operative Workflow-Integration: Identifikation des nächstem Wartungscenters und Fahrzeugleitung dorthin
7. Interaktive Flottenanalyse: historische Flottendaten analysieren
8. Data Refinery: unterschiedliche Datenquellen miteinander verknüpfen
9. Fahrzeugvorhaltung: Datenmodellierung, Serialisierung, sichereSensordatenkommunikation
10. Fahrzeugmanagement: Zugriffsverwaltung von IoT-Endpunkten, Gateways und zugehörigen Metadaten
AssetMgmt
DataRefinery
Analytics
27
Pentahos IoT Analytics WorkflowSchnelles Anlegen von Daten-Pipelines
Pentaho Daten-
integration
IOT Data Refinery
Analytics-Datenbank
Pentaho Analyzer
Sensor
TraditionelleDaten
Pentaho Daten-
integration
Pentaho Reporting
MSG QueueKafkaJMS
MQTT
MaschinellesLernen
R, Python or Weka
StreamFeedback-schleife
LOB Applika-tionen
Pentaho Daten-
integration
Embedded
28
Pentaho sorgt dafür, dass auch Datenströme auskomplexen IoT-Szenarien analysiert werden können
Industrial IoTmit Hitachi
Expertise in Machine Learning
Big Data Lösungen
für IoT
29
Die konkrete “Datenproblematik” und die gefordertenLösungen, um sich Wettbewerbsvorteile zu verschaffen
Herausforderungen
• Viele Datenquellen• Maschinendaten mit
anderen Datenverknüpfen
• Multi-Tenant Dashboards
Lösungen
• Verbindungen zuallen Datenquellen
• Verarbeitung hoherDatenmengen
• Vorhersageoperativer Events
• Schnelleres Time-to-Market
Vorteile
• Wartungskostensenken
• Pünktliches und akkurates Reporting
• IndividuelleAngebote
• Umsätze steigern• Kundenerlebnis
verbessern
30
Use Case “Predictive Maintenance”
Herausforderungen
• 3,6 Millionen Datenpunkte pro Sekunde
• Korrelationverschiedenster Datenpunkte
• Visualisierung inMulti-TenantDashboards
Lösungen
• End-to-end Big Data Plattform
• Skalierbarkeit beisteigendenDatenmengen
• Vorhersageoperativer Events
Vorteile
• Wartungskostensenken
• HöhereZuverlässigkeit beigeringeren Kosten
• Bessere Service-erbringung
31
Use Case “Telematics Analytics”
Herausforderungen
• Integration von Sensordaten mitanderen Daten
• Datenintegrität• Entwicklung von
Dashboards
Lösungen
• Verbindungen zuallen Datenquellen
• Verarbeitung und Kombination allerDatenquellen
• Verarbeitung hoherDatenmengen
• Schnelleres Time-to-Market
Vorteile
• Verbesserung der Energieeffizienz
• Vermeidung von Ausfällen
• Optimierung der Wartungsaktivitäten
• Verbesserung imBetriebsablauf
32
Diese Themen könnten Sie auch interessieren…
WhitepaperDie 10 wichtigsten Big Data Technologienhttps://it-novum.com/whitepaper-success-story/10-big-data-technologien-die-sie-kennen-sollten/
WebseiteIoT Analytics: Real-time Berechnungen für das IoThttps://it-novum.com/business-intelligence-big-data/stream-analytics/
GastkommentarWael Elrifai / Pentaho: Beginn der prädiktiven Ärahttps://it-novum.com/blog/gastkommentar-beginn-der-praediktiven-aera/
it-novum GmbH GermanyHeadquarters Fulda: Edelzeller Straße 44 ● 36043 Fulda Phone: +49 (0) 661 103 333Branch office Berlin: Siemensdamm 50 ● 13629 Berlin
it-novum AustriaOffice Park 1 / Top B02, 1300 Vienna-Airport Phone: +43 (0) 1 227 87 139
Stefan MüllerDirector Business Intelligence & Big [email protected]+49 (0) 661 103-942
Andreas KuhnSales [email protected]+49 (0) 661 103-363
Ihre Ansprechpartner
Peter LippSales Manager AT [email protected] +43 (1) 22787-139