Transcript
Page 1: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

Big Data meets Big Data

Wie die Integration von Big-Data-Lösungen über

Unternehmensgrenzen gelingt

Dr. Simon Becker, DSA GmbH ([email protected])

Dr. Dirk Ortloff, camLine GmbH ([email protected])

Torsten Lenhart, Fraunhofer IESE ([email protected])

1

Page 2: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

Projektvision

2

Werkstätten

(Logisch) integrierte Daten (keine zentrale Datenspeicherung)

Analyse und Verbesserung der Produktqualität

Spezifische Analysen und Reports für verschiedene Anwendungsfälle

Produktion / Engineering

Predictive- und Preventive- Maintenance

Analyse und Verbesserung des Diagnosesystems

3rd Party

Lieferkette

Connected Vehicle

Page 3: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

Motivation

Rückrufaktionen in Deutschland

laut Jahresbericht KBA 2015

Zahl der Rückrufe in den USA

seit 1990 [Millionen Pkws]

3

Rückrufe sind nur die Spitze des Eisbergs

Stille Kampagnen

Wie können die Kosten reduziert werden?

Page 4: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

Reduktion der Kosten

4

Traceability

Schnellere Erkennung potentieller Probleme

Schnellere Erkennung der Ursache

Verringerung der Anzahl betroffener Fahrzeuge

Feldbeobachtung

Problemanalyse

Page 5: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

Problemanalyse entlang der Lieferkette: Zielkonflikt

5

Door+te

ster

Garantieforderung Garantieforderung Garantieforderung

Modul-Lieferant OEM Quality/

Engineering OEM After-Sales

Mehr Informationsaustausch in dieser Richtung erhöht evtl. die Rückerstattung

Mehr Informationsaustausch in dieser Richtung verringert evtl. die Rückerstattung

Beide Richtungen offenbaren evtl. IP

Widerspruch zu kurzfristigen Zielen aber langfristig im gemeinsamen Interesse

Neue Geschäftsmodelle

Plattform mit Datennutzungskontrolle

Komponenten-

Lieferant

Page 6: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

Traceability: Einordnung in die Unternehmensprozesse

6

SCM

Supply Chain

Management

ERP

Enterprise Resource

Planing

PLM

Product Lifecycle

Management

SCADA

Supervisory Control

And Data Acquisition

MES

• Produktionsfolge

• Produktionsauftrag

• Masterdaten

• Etc …

• Produktionsausbeute

• Qualitätsdaten

• WIP Status

• Etc …

• Kontrollparameter

• High-level Geschäftslogik

• Arbeitsanweisungen

• Etc …

• Prozess / Testergebnisse

• Maschinenstatus

• Materialverbrauch

• Etc ...

Prozess Sicht

Page 7: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

Wie Traceability funktioniert

7

Work in

Progress (WIP)

10 20 30

Material Nachverfolgung & Überwachung

Chargen- und Seriennummern-Verfolgung

Monitoring des Durchsatzes, der Ausbeute und der Fehlerklassifikation

Validierung benutzter Materialien

Datenaustausch mit dem externen ERP System

Page 8: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

Der Blick in die andere Richtung

8

Werk 2 Werk 1

Page 9: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

PRO-OPT Big Data Landscape

9

Page 10: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

Die PRO-OPT Plattform

10

Unternehmen n Unternehmen 1

Unternehmensübergreifende PRO-OPT Plattform

PRO-OPT Connector Catalog

PRO-OPT Frontend

Cluster

PRO-OPT API

PEPs PDP

Unternehmen k

PRO-OPT Connector Catalog

Cluster

PEPs

PRO-OPT Connector

PDP Catalog

Cluster

PEPs PDP

PRO-OPT Bridge

Page 11: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

Beispielhaftes PRO-OPT Programm

11

PR

O-O

PT

Sup

plier

OEM

P

RO

-OP

T

Read warranty_claims_oem.csv → ProOptDataSet<String> input

Map input → ProOptDataSet<WarrantyClaim> claims

Extract List<String> vins from claims Extract List<String> itemIds from claims

Filter ordersDF by vins → ordersDF

Collect ordersDF → Row[] orders

Join orders, items, claims → ProOptDataSet<WarrantyClaim,Order,Item> result

Filter itemsDF by itemIds → itemsDF

Collect itemsDF → Row[] items

Anonymize column dealer → ordersDF

Limit orders → orders

Read source with id 126 → DataFrame ordersDF Read source with id 89 → DataFrame itemsDF Read source from b → DataFrame itemsDF Read source from path → DataFrame ordersDF

Analyze result → ECU for petrol engines used for

Diesel engine

Creates or invokes PRO-OPT Program

CSV

Bulb icon: http://iconleak.com

Page 12: Big Data meets Big Data

Bitkom Big Data Summit, 25.02.2016

The PRO-OPT Mission and Research Group

Evaluation Partner and Data Supplier for Automotive Diagnostics

Technology and Evaluation Partner for Production Systems

Research Partner for Data Mining and Integration of System Components

Project Lead, Technology and Evaluation Partner for Automotive Diagnostics

Technical Project Lead, Research Partner for Access Restriction, SW Architecture, Simulation, Data Generation

Multiplicator

Data Supplier and Evaluation Partner

PRO-OPT aims at identifying valuable data and making it available for

creating additional benefit for all members of a Smart Ecosystem.

Associated Partners

Project start 1.1.2015,

3 years of funding


Top Related