Der Kunde hat weltweit Produktionsanlagen, welche ihre Daten in verschiedenen Systemen und Datenbanken ablegen (je nach Versionsstand der Anlagen). Im Zuge der Modernisierung der Anlagen, werden die Anlagen nach und nach auf neue Systeme umgestellt. Um den hohen Qualitätsansprüchen der eigenen Kunden gewährleisten zu können, ist es notwendig die Produktionsdaten der verschiedenen Systeme innerhalb eines Data Lakes zu vereinen und zu verarbeiten, um darauf weitere Analysen durchführen zu können.
Nutzen für den Kunden
Es soll eine Cloud Reporting Lösung geschaffen werden, die es ermöglicht, Daten von beim Kunden aus dem Agrarumfeld lokal installierten Anlagen anzunehmen, diese zu verarbeiten, zu visualisieren und die erstellten Berichte wieder in die lokale Web Anwendung einzubinden. Die Maschinen authentifizieren sich bei einem REST Endpoint und sind ? nach erfolgreicher ? Authentifizierung in der Lage ihre Daten in die Cloud zu übermitteln. In der Cloud werden diese Daten weiterverarbeitet und anschließend in einen tabularen Cube geladen, welcher als Ausgangspunkt für die Dashboards und Reports dient. Die Kunden des Auftraggebers sind anschließend in der Lage die für sie erstellten Berichte abzurufen, um somit wertvolle Einblicke in das eigene Geschäftsfeld zu erhalten.
Im Rahmen der täglichen Datenbewirtschaftung müssen Kassendaten aller Kassensysteme zeitnah verarbeitet werden. Die Herausforderung lag vor allem in der Verarbeitung dieser Massendaten (8 Millionen Dateien pro Tag), welche mit regulären ETL Tools nicht mehr zu bewerkstelligen war. Basierend darauf wurden Aggregate gebildet, welche in ein Azure SQL Data Warehouse überführt worden sind. Auf dem Azure SQL Data Warehouse wurde mit Power BI Berichte und Dashboards erstellt.
Im Rahmen einer digitalen Roadmap wurden vom Kunden verschiedene Projekte und Initiativen initialisiert, welche die Transformation zur Industrie 4.0 ebnen sollen. Die Verarbeitung von großen Datenmengen (?Big Data?) wurde als Schlüsseltechnologie der digitalen Transformation vom Kunden identifiziert. Ziel war es den Kunden auf dem Weg zur digitalen Transformation zu begleiten mit dem Aufbau einer modernen Data Analytics Plattform. Dabei wurden die neusten Technologien aus dem Microsoft Portfolio eingesetzt. Dadurch war es erstmals möglich die komplexen Zusammenhänge der mechanischen Eigenschaften der Anlagen mit den neuesten Machine Learning Methoden zu verbinden.
Nutzen für den Kunden
Der Kunde ist ein weltweit führendes Unternehmen für Medizintechnologie, das für eine Reihe von Anwendungszwecken für das gesamte Gesundheitswesen Medizintechnik, Geräte und Laborausstattung herstellt. Ziel war die Entwicklung eine WebApp, welche sämtliche Funktionen für unterschiedliche Benutzergruppen zur Verwaltung, Steuerung und Analyse der weltweit installierten Systeme komfortabel zur Verfügung stellt. Zentrales Element ist der IoT-Hub, über den die Maschinen an das Backend angeschlossen werden. Die Daten werden anschließend aus dem Backend zu einem Datenmodell verarbeitet und in eine Web Applikation eingebunden und den Benutzern bereitgestellt.
Das Unternehmen ist ein diversifizierter Industriekonzern im Bereich der Stahlverarbeitung. Im Auftrag des Kunden wurde eine IoT-Demo-Applikation erstellt, welche in der Lage sein soll Smartphone-Parameter der Benutzer auszulesen, in der Cloud zu verarbeiten und anschließend zu visualisieren. Dabei wurden die Gyroskop Sensoren des Smartphones ausgelesen. Der Demo Case wurde auf einer Veranstaltung des Kunden präsentiert mit dem Ziel die Potentiale von Cloud Technologien in nachvollziehbarer Weise darzustellen
Das Unternehmen ist als Automobilzulieferer und Hersteller von Industrie-, Gebäude- und Automobiltechnik. Im Rahmen einer Industrie 4.0 Initiative hat wurde ein Pilot Projekt (Innovation Lab) umgesetzt. Dabei wurden Daten aus einem Motor Prüfstand über eine OPC DA Schnittstelle an einen Azure Event Hub angebunden und die Daten entlang einer IoT Lambda Architektur verarbeitet. Die Sensordaten des Prüfstandes werden in einem Power BI Echtzeitdashboard visualisiert und historisch in einer Azure SQL Database gespeichert, welche als Quelle für einen tabularen Cube bereitgestellt worden ist. Die Daten konnten somit einerseits in Echtzeit dargestellt werden und andererseits ermöglichte die feingranulare Datenaufzeichnung die Durchführung von Vorhersagen hinsichtlich der Ausfallwahrscheinlichkeiten der einzelnen Prüfstände.
Die existierende Cloud Data-/ IoT-Plattform nimmt die Daten von tausenden Installationen entgegen und verarbeitet diese in der Cloud. Die Daten werden in einem Data Lake abgelegt und anschließend weiterverarbeitet. Ziel des Projektes, war die Umsetzung von Prototyp Use Cases (bsp. Messung der Energieverbräuche, Laufzeit der Anlagen etc.). Gleichzeitig sollen die IT betriebsseitigen Anforderungen stabilisiert werden. Als Datenquelle dienten sowohl die Anlagedaten als auch die eigenen Oracle Datenbanken, des Kunden.
Das Ziel ist die Erstellung sowie Auswertung von Reportings und Dashboards, um bessere Einblicke in das Unternehmen und seine Umwelt zu erhalten. Dazu zählt die Erarbeitung von Key Performance-Indikatoren sowie die Weiterentwicklung der Schnittstellen zwischen Business Intelligence, Controlling und Accounting. Dabei wurden Daten aus unterschiedlichen Quellsystemen (ERP, CSV) zusammengeführt, um anschließend mit Excel/ Power BI analysiert.
Der Kunde hat weltweit Produktionsanlagen, welche ihre Daten in verschiedenen Systemen und Datenbanken ablegen (je nach Versionsstand der Anlagen). Im Zuge der Modernisierung der Anlagen, werden die Anlagen nach und nach auf neue Systeme umgestellt. Um den hohen Qualitätsansprüchen der eigenen Kunden gewährleisten zu können, ist es notwendig die Produktionsdaten der verschiedenen Systeme innerhalb eines Data Lakes zu vereinen und zu verarbeiten, um darauf weitere Analysen durchführen zu können.
Nutzen für den Kunden
Es soll eine Cloud Reporting Lösung geschaffen werden, die es ermöglicht, Daten von beim Kunden aus dem Agrarumfeld lokal installierten Anlagen anzunehmen, diese zu verarbeiten, zu visualisieren und die erstellten Berichte wieder in die lokale Web Anwendung einzubinden. Die Maschinen authentifizieren sich bei einem REST Endpoint und sind ? nach erfolgreicher ? Authentifizierung in der Lage ihre Daten in die Cloud zu übermitteln. In der Cloud werden diese Daten weiterverarbeitet und anschließend in einen tabularen Cube geladen, welcher als Ausgangspunkt für die Dashboards und Reports dient. Die Kunden des Auftraggebers sind anschließend in der Lage die für sie erstellten Berichte abzurufen, um somit wertvolle Einblicke in das eigene Geschäftsfeld zu erhalten.
Im Rahmen der täglichen Datenbewirtschaftung müssen Kassendaten aller Kassensysteme zeitnah verarbeitet werden. Die Herausforderung lag vor allem in der Verarbeitung dieser Massendaten (8 Millionen Dateien pro Tag), welche mit regulären ETL Tools nicht mehr zu bewerkstelligen war. Basierend darauf wurden Aggregate gebildet, welche in ein Azure SQL Data Warehouse überführt worden sind. Auf dem Azure SQL Data Warehouse wurde mit Power BI Berichte und Dashboards erstellt.
Im Rahmen einer digitalen Roadmap wurden vom Kunden verschiedene Projekte und Initiativen initialisiert, welche die Transformation zur Industrie 4.0 ebnen sollen. Die Verarbeitung von großen Datenmengen (?Big Data?) wurde als Schlüsseltechnologie der digitalen Transformation vom Kunden identifiziert. Ziel war es den Kunden auf dem Weg zur digitalen Transformation zu begleiten mit dem Aufbau einer modernen Data Analytics Plattform. Dabei wurden die neusten Technologien aus dem Microsoft Portfolio eingesetzt. Dadurch war es erstmals möglich die komplexen Zusammenhänge der mechanischen Eigenschaften der Anlagen mit den neuesten Machine Learning Methoden zu verbinden.
Nutzen für den Kunden
Der Kunde ist ein weltweit führendes Unternehmen für Medizintechnologie, das für eine Reihe von Anwendungszwecken für das gesamte Gesundheitswesen Medizintechnik, Geräte und Laborausstattung herstellt. Ziel war die Entwicklung eine WebApp, welche sämtliche Funktionen für unterschiedliche Benutzergruppen zur Verwaltung, Steuerung und Analyse der weltweit installierten Systeme komfortabel zur Verfügung stellt. Zentrales Element ist der IoT-Hub, über den die Maschinen an das Backend angeschlossen werden. Die Daten werden anschließend aus dem Backend zu einem Datenmodell verarbeitet und in eine Web Applikation eingebunden und den Benutzern bereitgestellt.
Das Unternehmen ist ein diversifizierter Industriekonzern im Bereich der Stahlverarbeitung. Im Auftrag des Kunden wurde eine IoT-Demo-Applikation erstellt, welche in der Lage sein soll Smartphone-Parameter der Benutzer auszulesen, in der Cloud zu verarbeiten und anschließend zu visualisieren. Dabei wurden die Gyroskop Sensoren des Smartphones ausgelesen. Der Demo Case wurde auf einer Veranstaltung des Kunden präsentiert mit dem Ziel die Potentiale von Cloud Technologien in nachvollziehbarer Weise darzustellen
Das Unternehmen ist als Automobilzulieferer und Hersteller von Industrie-, Gebäude- und Automobiltechnik. Im Rahmen einer Industrie 4.0 Initiative hat wurde ein Pilot Projekt (Innovation Lab) umgesetzt. Dabei wurden Daten aus einem Motor Prüfstand über eine OPC DA Schnittstelle an einen Azure Event Hub angebunden und die Daten entlang einer IoT Lambda Architektur verarbeitet. Die Sensordaten des Prüfstandes werden in einem Power BI Echtzeitdashboard visualisiert und historisch in einer Azure SQL Database gespeichert, welche als Quelle für einen tabularen Cube bereitgestellt worden ist. Die Daten konnten somit einerseits in Echtzeit dargestellt werden und andererseits ermöglichte die feingranulare Datenaufzeichnung die Durchführung von Vorhersagen hinsichtlich der Ausfallwahrscheinlichkeiten der einzelnen Prüfstände.
Die existierende Cloud Data-/ IoT-Plattform nimmt die Daten von tausenden Installationen entgegen und verarbeitet diese in der Cloud. Die Daten werden in einem Data Lake abgelegt und anschließend weiterverarbeitet. Ziel des Projektes, war die Umsetzung von Prototyp Use Cases (bsp. Messung der Energieverbräuche, Laufzeit der Anlagen etc.). Gleichzeitig sollen die IT betriebsseitigen Anforderungen stabilisiert werden. Als Datenquelle dienten sowohl die Anlagedaten als auch die eigenen Oracle Datenbanken, des Kunden.
Das Ziel ist die Erstellung sowie Auswertung von Reportings und Dashboards, um bessere Einblicke in das Unternehmen und seine Umwelt zu erhalten. Dazu zählt die Erarbeitung von Key Performance-Indikatoren sowie die Weiterentwicklung der Schnittstellen zwischen Business Intelligence, Controlling und Accounting. Dabei wurden Daten aus unterschiedlichen Quellsystemen (ERP, CSV) zusammengeführt, um anschließend mit Excel/ Power BI analysiert.