IPN Visualytics

Das reine Sammeln von Daten, ohne die Möglichkeit der visuellen, explorativen Analyse stellt keinen Mehrwert dar. In der Praxis sehen wir sehr häufig, dass in Unternehmen eine Unmenge von Daten angehäuft werden, ohne die Möglichkeit, diese sinnvoll weiterzuverarbeiten. Es fehlt in den meisten Fällen an den notwendigen Ressourcen und Werkzeugen, um mit diesen Daten wertschöpfende Leistungen zu erbringen. Die Daten liegen brach und die darin enthalten Schätze an Information werden nicht gehoben.

Um unsere Kunden vor diesem Dilemma zu bewahren, hat IPN verschiedene Vorgehensmodelle zur Datengewinnung, Aufbereitung und Modellierung getestet. Dabei hat sich der „CRoss Industry Standard Process for Data Mining“ (CRISP-DM) als das erfolgreichste Vorgehensmodell erwiesen.

Im CRISP Modell ist das „Datenverständnis“ (Data Understanding) die zweite Phase im Gesamtprozess, unmittelbar nach dem „Geschäftsverständnis“ (Business Understanding). Die Phase des Datenverständnisses beginnt mit der ersten Datensammlung und führt zu Aktivitäten, die es unseren Kunden ermöglichen sollen, sich mit den Daten vertraut zu machen, Qualitätsprobleme zu erkennen, erste Einblicke in die Daten zu bekommen und / oder interessante Teilmengen zu erkennen. Diese Schritte erlauben es dem Kunden, erste Hypothesen bezüglich der in den Daten enthaltenen Informationen zu bilden.

Um den Unternehmen auch die notwendigen Werkzeuge dafür in die Hand zu geben, hat IPN „Visualytics“ entwickelt. Visualytics ist unser Werkzeug für die explorative Datenanalyse. Es ermöglicht eine intuitive Visualisierung der Daten, eine intelligente Vorselektion vermuteter relevanter Einflussgrößen/Features für interessante Ereignisse, sowie ein automatisiertes Reporting. Ein Feature, welche die Definition und Anwendung einfacher Regelwerke zur Bewertung der Daten und oder der überwachten Maschine erlaubt, ermöglicht es dem Anwender seine Erkenntnisse direkt umzusetzen, zu testen und anzuwenden.

Visualytics kann mit einer Vielzahl von Datenformaten umgehen. So können Dateien im CSV, Rds und Rdata Format importiert werden um schnell Datenausschnitte, auch mit bisher unbekannter Struktur, zu visualisieren. Sobald Visualytics für die Analyse großer Datenmengen mit sehr hoher Auflösung verwendet wird, bedient es sich der, in den Modulen IPN inPOLL und IPN inPREP generierten und aufbereiteten Daten, welche in MongoDB hinterlegt werden. Ebenso unterstütz Visualytics die Visualisierung aller durch die IPN IoT Plattform generierten Daten wie zum Beispiel Restlaufzeiten, Eintrittswahrscheinlichkeiten und die prognostizierte Produktqualität.

Bei all dieser Funktionalität ist Visualytics weiterhin flexibel auf die Bedürfnisse der Nutzer anpassbar. So können sowohl User unterstütz werden die

  • detaillierte Analysen der überwachten Anlagen, wie z.B. Analysen von Parameterkombinationen vor Eintritt einer Störung, tatsächliche Nutzung von Anlagen im Feld durchführen wollen
  • managementgerechte Darstellungen der Daten, wie z.B. Häufigkeit von Störungen, Energieverbrauch im Berichtszeitraum, etc. benötigen.

 

ANFRAGE-SMALL

Top