Recomendados
Recomendados
Mais conteúdo relacionado
Destaque
Destaque (20)
Semelhante a Centric
Semelhante a Centric (20)
Mais de BigDataExpo
Mais de BigDataExpo (20)
Último
Último (20)
Centric
- 1. HOW BIG DATA KEEPS US ROLLING 22 september 2016 Marc Lelijveld
- 2. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Even voorstellen… Marc Lelijveld BI-Consultant Focus op Microsoft BI & Analytics +316 11 73 66 69 Marc.Lelijveld@Centric.eu Linkedin.com/in/MarcLelijveld Twitter.com/MarcLelijveld
- 3. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 4. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Big Data…? Veracity Data Uncertainty Managing the reliability and predictability of data. Variety Data in many forms Structured, unstructured, text, multimedia. Volume Data at Scale Terabytes to petabytes of data. Velocity Data in Motion Analysis of streaming data to enable quick decisions.
- 5. HOW BIG DATA KEEPS US ROLLING September 23, 2016 The Internet of Things
- 6. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Smart Homes
- 7. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Smart Cities
- 8. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Maar ook… Open dataSocial Media
- 9. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Maar hoeveel dan…? Dagelijks 5.7 GB Per huishouden Hoeveelheid data op de wereld VERDUBBELT iedere twee jaar In 2020 wereldwijd 44 zettabyte data IoT devices 200 miljard In 2020 40% data in de cloud
- 10. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 11. HOW BIG DATA KEEPS US ROLLING September 23, 2016 En nu in de praktijk… International Infra en rail Internationale projecten voor infrastructuur en railsystemen. Civiel Infrastructuur Zowel weg- als waterbouw. Worksphere Werkomgevingen Zowel installatietechnisch als bouwkundig. Rail Spoor en trein Onderhoud, nieuwbouw, infrastructuur, hardware en software.
- 12. HOW BIG DATA KEEPS US ROLLING September 23, 2016 En nu in de praktijk…
- 13. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Remote Monitoring Box
- 14. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 15. HOW BIG DATA KEEPS US ROLLING September 23, 2016 79 x groter!
- 16. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 17. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Indian Railway
- 18. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Cortana Intelligence Suite
- 19. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Procesflow
- 20. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Procesflow
- 21. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 22. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 23. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 24. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 25. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 26. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 27. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 28. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 29. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 30. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 31. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 32. HOW BIG DATA KEEPS US ROLLING September 23, 2016
- 33. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Conclusie Februari 2016 Juni 2016 ???
- 34. HOW BIG DATA KEEPS US ROLLING September 23, 2016 Lessons Learned Cortana Intelligence Suite Event Producers Azure IoT SuiteEvent Producers
- 35. QUESTIONS? Marc Lelijveld +31 6 11 73 66 69 Marc.Lelijveld@Centric.eu Bezoek ons op: Stand 84 Linkedin.com/in/MarcLelijveld Twitter.com/MarcLelijveld
Notas do Editor
- Voorstellen
- Big Data, het is tegenwoordig overal om ons heen. Alles wat wij om ons heen zien, bevat en verzameld data. Maar wat is het? En wat kunnen we er mee?
- Voor Big data wordt vaak over de V’s gesproken. Er zijn er meerdere, maar deze vier komen het meeste voor. Volume Variety Velocity Veracity Toch zijn dit abstracte begrippen. Wat wat is groot? Vaak wordt terabytes of petabytes aangegeven. Dat betekend dat Big Data in Nederland niet bestaat.
- The Internet of Things, ook wel IoT, is iets wat we dagelijks terugzien. We hebben er allemaal bewust of onbewust mee te maken. We koppelen alles aan elkaar. Telefoons, tablets, smartwatches. Maar misschien wel het meest actuele voorbeeld: de radio reclame waarin de man aangeeft dat de vaatwasser lekt.
- Ook in huis is er spraken van grote hoeveelheden data. Denk bijvoorbeeld aan: De verlichting aan/uit zetten met je telefoon Digitale thermostaat zoals Toon en Nest Camera’s
- Maar ook in steden wordt overal data verzameld. Denk aan: Het ophalen van het huisvuil, waarbij de container wordt gewogen. Het OV, waar je dagelijks in- en uitcheckt. Free Wi-Fi Parkeergarages Camera bewaking
- Maar er is nog veel meer dan de apparaten om ons heen. Social media is zelfs een van de grootste Big Data bronnen. Maar ook open data is een goed voorbeeld. Het CBS, Rijkswaterstaat, RDW en nog veel meer.
- IoT zorgt voor een grote toename in de hoeveelheid data die we hebben. Maar hoeveel dan? 1 ZB = 10007bytes = 1021bytes = 1.000.000.000.000.000.000.000 bytes = 1000 exa bytes = 1 million petabytes = 1 billion terabytes = 1 trillion gigabytes. http://www.smartbiz.be/article/154922/wereldwijd-beschikbare-opslagcapaciteit-kan-datagroei-niet-bijbenen/
- Maar hoe komen we van Big Data naar waardevolle inzichten? En hoe kunnen we deze inzichten intepretabel maken?
- Bij Centric, een opdracht uitgevoerd voor Strukton. Strukton bestaat uit vier grote onderdelen: Worksphere Civiel Rail International
- De uitgevoerde opdracht was Strukton Rolling Stock, onderdeel van Strukton Rail. Rolling Stock maakt aandrijvingen, besturingen, omvormers en alle denkbare onderdelen voor treinen.
- Zo heeft Strukton een Remote Monitoring Box ontwikkeld. Verbonden met alle onderdelen in een trein. Verzameld continu data. Zoals: Inkomende stroom Verbruikte stroom Overspanning Bediening van de machinist
- De data die we gebruikt hebben tijdens de PoC, is afkomstig van Indian Railway, een van de grotere klanten van Strukton Rolling Stock. Ter vergelijking, de oppervlakte van India en Nederland. Hiermee kun je direct zien wat de afstanden zijn die door de treinen afgelegd moeten worden.
- De data die we gebruikt hebben tijdens de PoC, is afkomstig van Indian Railway, een van de grotere klanten van Strukton Rolling Stock. Ter vergelijking, de oppervlakte van India en Nederland. Hiermee kun je direct zien wat de afstanden zijn die door de treinen afgelegd moeten worden.
- Op dit moment zijn er 6 locaties waar een trein voor onderhoud en service naar toe kan. Ook is een tweebaans spoorweg in India eerder luxe dan gewoonte. Hierdoor is een stilstaande trein een groot probleem en zorgt voor veel vertraging en financiële gevolgen. Dit toont direct het belang aan van remote monitoring. Op afstand en vroegtijdig de status van het voertuig kunnen monitoren, kan uitval en problemen voorkomen.
- De treinen die zijn voorzien van de Remote Monitoring Box, gaan als eerst rondrijden in het Central Railway gebied rondom Mumbai. De Remote Monitoring Box verzamelt op dit moment nog geen live data uit de treinen. Er wordt aan gewerkt om dit zo spoedig mogelijk in gang te zetten. http://www.indianrailways.gov.in/# http://irfca.org/faq/map/Mumbai_suburban_rail_map_large.png https://upload.wikimedia.org/wikipedia/commons/3/38/Railway_network_map.png https://en.wikipedia.org/wiki/Central_Railway_zone#Divisions_of_Central_Railway
- Project aangepakt als een Proof-Of-Concept Toetsen van de mogelijkheden van de Cortana Intelligence Suite. Suite aan producten/diensten van Microsoft in de cloud. Alles op het Azure platform
- Op basis van de huidige data doen we aannamens. Om dit te kunnen toetsen is het toevoegen van locatie gegevens en meteorologische gegevens is de volgende stap. In de zomermaanden zien we een verhoging van het aantal fouten, de oorzaak hiervoor kan het regenseizoen zijn. Maar dit willen we toetsen.
- We zijn op de goede weg, maar we zijn er nog lang niet!
- De ontwikkeling van een IoT oplossing met Big Data is niet iets wat je even in een paar maanden neerzet. Ondertussen zijn we 7 maanden onderweg. En continu blijven we uitdagingen tegen komen waar tijd in gaat zitten, maar uiteindelijk leid tot het gewenste resultaat.
- Gedurende het onderzoek is er gebruik gemaakt van elementen uit de Cortana Intelligence Suite. Achteraf terug kijkend, hadden we beter voor de Azure IoT Suite kunnen kiezen die meer mogelijkheden bied. Met de Azure IoT Suite is het mogelijk om volledige automated systems te maken. Hierbij wordt er op basis van de data een beslissing gemaakt en terug gestuurd naar het IoT device. Wanneer we dit toepassen bij de casus van Strukton, speelt hierbij wel een belangrijke vraagstuk. Je kunt je voorstellen dat je niet zomaar een trein stil kunt zetten. Dus wie is er verantwoordelijk als het fout gaat? Strukton, Centric of de programmeur?