Von Big Data zu Smart Information Empolis Information Management Workshop "Datenmanagement in der Zukunft"

Transkript

1 Von Big Data zu Smart Information Empolis Information Management Workshop "Datenmanagement in der Zukunft" Bamberg Andreas Nierlich Seite 1

2 Von 2009 bis 2020 soll das digitale Informationsvolumen um das 67-fache ansteigen Seite 2

3 Die Information hat am Information Overload genau so viel Schuld wie das Schwein am Übergewicht Seite 3

4 Grad der Komplexität An der Schwelle zu Industrie INDUSTRIELLE REVOLUTION Information & Wissen 3. INDUSTRIELLE REVOLUTION 2. INDUSTRIELLE REVOLUTION Automatisierung 1. INDUSTRIELLE REVOLUTION Arbeitskraft & Prozesse Energie & Rohstoffe Ende 18. Jhdt Beginn 20. Jhdt Beginn 1970er Jahre heute Zeit In Anlehnung an: Die vier Stufen der industriellen Revolution, DFKI Seite 4

5 Herausforderung: Intelligente Produkte Seite 5

6 BMW BMW erzeugt mit dem Empolis Content Lifecycle System automatisiert modellspezifische Benutzerhandbücher für alle Modelle seit 2010 und die Inhalte für die im Fahrzeug integrierte elektronische Betriebsanleitung. Die Informationen werden in über 25 Sprachen gepflegt. Die Informationsbasis enthält derzeit ca Module. Koppelung des Fahrzeugdiagnosesystems mit der integrierten elektronischen Betriebsanleitung, damit entsprechende Handlungsempfehlungen situativ-, kontextund fahrzeugabhängig auf dem idrive Display dargestellt werden. Seite 6

7 Einsteigen und losfahren? Seite 7

8 Der herkömmliche Weg Seite 8

9 oder doch lieber einfach und direkt? Seite 9

10 Ereignisgesteuerte Hilfe (Dokumentation) Seite 10

11 Formalisierung von Wissen Selection after search + + Solution Seite 11

12 62% 38% 59% 39% 31% 41% 23% 7% Seite 12

13 Herausforderung: Komplexität Seite 13

14 Spielzeug? 9 Drehzahlsensoren 3 Farbsensoren 3 IR Sensoren 1 Tastsensor max Werte pro Sekunde je Sensor Datenpunkte pro Minute Seite 14

15 Case Based Reasoning (CBR) - das Prinzip: Ein Problem tritt auf Seite 15

16 Case Based Reasoning (CBR) das Prinzip: trat ein ähnliches Problem schon einmal auf? Seite 16

17 Case Based Reasoning (CBR) das Prinzip: Lösung gefunden, Erfahrung gewonnen! Seite 17

18 Druck Temperatur Energieverbrauch Schwingungen Viskosität Geschwindigkeit Case-Based Reasoning Matching von Sensorwerte Status Maschinenzustand Vergleichszustände Seite 18

19 Case-Based Reasoning Match der Sensorwerte Best Match der Sensorwerte Seite 19

20 Predictive Analytics Seite 20

21 Merkmal: Vielfalt 80% der Daten in Unternehmen sind unstrukturiert 90% aller weltweit verfügbaren Daten sind in den letzten zwei Jahren entstanden Diagnose- Prozeduren Service Reports Historische Daten Referenz- Fälle Datenblätter, Dokumente,... WWW, Foren, etc. Seite 21

22 Semantik? Kundenaussage Ich habe störende Geräusche im Bereich des Handschuhfaches, wenn ich auf einer holprigen Straße fahre. Technische Beurteilung Klappergeräusche auf Schlechtwegestrecke aus dem Bereich des Handschuhkastens. Seite 22

23 Informationsextraktion 14L serial number SMB board component Axis computer A42-X4 - component Control panel XS2 component physical damage observation LED status green steady observation Mechanical noise - symptom defect sub location Observed mechanical noise from the axis. fault symptom Seite 23

24 Zusammenhänge in der Datenbasis entdecken! Und das sowohl unstrukturiert (textuell) oder strukturiert (Datenbank). Textanalyse von Werkstattberichten Seite 24

25 BI auf Texten: HeatMap Seite 25

26 Analyse von Internet-Foren (Motor-Talk) Seite 26

27 Unsere Vision Die richtige Information zur richtigen Zeit zur richtigen Person auf einem beliebigen Endgerät Seite 27

28 Robert Bosch GmbH Für die Robert Bosch GmbH entwickelte Empolis das Redaktionssystem IMSIS+ zur Erstellung und Verwaltung von Prüf- und Instandsetzungsanleitungen sowie der dazu gehörenden Diagnose-Programme. Weltweit nutzen nahezu Werkstätten und ca Nutzer in 24 Sprachen das System. Das System ermöglicht dem Monteur in der Werkstatt, Fehler an einem defekten Fahrzeug schnell zu finden und die Reparatur rasch und kostengünstig durchzuführen. Dabei sind ca dynamisch geführte Fehlersuchbäume (GFS) abgebildet. Die Einführung hat sich alleine durch die Einsparungen von Übersetzungskosten in sehr kurzer Zeit amortisiert. Seite 28

29 Empolis ist Big Data Leader Empolis wurde vom Analystenhaus Experton als Big Data Leader ausgezeichnet Einen alternativen und besonderen, nämlich semantischen Ansatz der Datenanalyse verfolgt unter anderem Empolis. Die semantische Analyse nimmt im Bereich der Big Data Analytics eine Vorreiterrolle ein. Aufgrund dessen wurde davon abgesehen, Empolis auch in den Quadranten der klassischen Analyse mit aufzunehmen. Seite 29

30 Weitere Referenzen Industrie 4.0 / Big Data Seite 30

31 Kontakt Andreas Nierlich Europaallee Kaiserslautern Telefon Fax Mobil facebook.com/empolissoftware youtube.com/empolissoftware empolis.com/newsletter twitter.com/empolissoftware empolis.com/google+ Seite 31