Big Data und Predictive Maintenance

© OPITZ CONSULTING GmbH 2015 Seite 1Big Data und Predictive Maintenance
Jochen Wilms, Innovation Manager BI
OPITZ CONSULTING Deutschland GmbH
Oracle Special Day @ TDWI
München, 23. Juni 2015
Big Data und Predictive Maintenance

 Die Instandhaltung umfasst
gemäß DIN 31051 alle
„Maßnahmen zur
Bewahrung und
Wiederherstellung des Soll-
Zustandes sowie zur
Feststellung und
Beurteilung des Ist-
Zustandes von technischen
Mitteln eines Systems“.
Alles gleich wichtig?
Vorraus-
schauende
Wartung
Präventive
Wartung
Korrektive
Wartung
Vorraus-
schauende
Wartung
Auswirkungniedrig hoch
Eintrittswahrscheinlichkeitniedrighoch

Predictive Maintenance: 4 Schritte
Datenerfassung
Zentrale
Speicherung
Analyse und
Auswertung
Planung der
Wartungs-
schritte

Eine Frage der Herangehensweise?

Perspektive aus BI Sicht

Perspektive aus SOA Sicht
Temperatur
Sensor
USB
JSON over
HTTP
Raspberry Pi
JMS service
Server
Oracle Data Mining

Ganzheitliche Perspektive Sensordaten
(Historie)
Lern-Algorithmus
Erlernte Muster
Wartung einleiten
Störung Keine Störung
No action
Fall 1
Fall 2
Fall 3
Neue Sensordaten Zuordnung
Klassifizierung
Störungstyp
Classifier (Data Mining)
„Wie erkenne ich eine Störung?“
„Was sind die häufigsten Typen ?“
Streaming-Architektur:
Wie bekomme ich die Sensordaten
sofort in die DB und ?“
Echtzeit-Abgleich:
„Ist es eine Störung, und wenn ja,
welcher Art?“
Zuordnung zu
Wartungsgruppen
„Wie sieht die Wartung pro
Störungstyp aus ?“
(Benachrichtigung, autom. Bestellung usw.)

Agenda
1. Mit Big Data Fußballergebnisse tippen
2. Analogien zu den NSA Technologien
3. „Start Small, Think Big“ – keine Angst vorm ersten Mal

1 Mit Big Data Fußballergebnisse
tippen

TDWI Konferenz
2014, München

2 Analogien zu den NSA
Technologien

Bekannte Programme im NSA-Skandal
• Data Mining auf Metadaten -> Netzwerke
• Big Volume (97 Mrd. Datensätze pro Monat)
• HDFS, MapReduce, Apache Accumulo
Boundless Informant
• Kann verschlüsselte Daten (VPN) lesen
• Zumeist über in der Software befindliche Hintertüren (Backdoor)Bullrun
• Erstellung umfassender Bewegungs- und Beziehungsprofile (DNI, DNR) inkl. Vorhersagen
• Netezza-based architecture/Hectic Snare´, Hadoop/MapReduceCO-TRAVELER Analytics
• Auswertung von SMS (z.B. auch mTAN, Roaming, verpasste Anrufe, GPS)Dishfire
• Überwachung einzelner Zielpersonen in Echtzeit
• Basis: amerikanische IT-UnternehmenPRISM
• Überwachung britischer Glafaserkabel (z.B. TAT14)Tempora
• Stichwortliste über einzelne ZielpersonenXKeyScore
• Sammeln und Überwachen von sozialen Netzwerken in Echtzeit zur Vorhersage
• Technologie: SplunkSqueaky Dolphin
• FAIRVIEW, Genie, Mail Isolation Control and Tracking, QuantumtheoryWeitere

Wie OPITZ CONSULTING die WM
vorhergesagt hat…
http://twitterwmtipp.opitz-consulting.com

Was steckt hinter Tweety?
Darstellung der Grobarchitektur

Darstellung der Grobarchitektur

Prozess der Echtzeitdatenverarbeitung

Darstellung der Infrastruktur

Wie die NSA dies noch besser gemacht hätte
Heimatland
gefiltert
Herausforderung:
Profil/GPS-Position der
Twitter-User ist
zumeist nicht öffentlich
NSA könnte mit Bullrun
die Verschlüsselung
brechen bzw. im
Nachhinein mit PRISM
das Profil einsehen
Autoren
gewichtet
Herausforderung: Tipp-
Tweets von Kennern
sind wertvoller
Durch Social Graph
Analyse und PRISM
die Autoren auf Nähe
zu den
Nationalmannschaften
überprüft
Selbst
lernende
Tipp-
Berechnung
Herausforderung: wir
haben nur eine
Berechnung des Tipps
genutzt
Durch KI bestimmen
welche Tipp-
Berechnung
wahrscheinlich am
Erfolgreichsten ist
Prädiktion
Herausforderung:
anstatt
Schwarmintelligenz
historienbasierte
Predictive Analytics
anwenden
Mit den Algorithmen
hinter CO-TRAVELER
Analytics Vorhersagen
getroffen

„Das ist eine nette Idee (…)
Es wird auch dabei
herauskommen, dass beide
gleich gut tippen. Am Ende
nähert es sich ja an, je mehr
Leute man befragt.“
Janning Vygen,
Geschäftsführer Kicktipp
GmbH auf die Frage ob man die
Twitter-Auswertung nicht mit den
kicktipp.de Daten vergleichen
könne.
 Die Mathematik zerlegt die
Wahrscheinlichkeit von
Sieg, Niederlage und
Unentschieden in 1/3, 1/3
und 1/3.
 Wettanbieter haben
Rechenmodelle, die >70%
richtig liegen
 OC-Tipp-Monitor lag bei
61%.
Qualität der Schwarmintelligenz

Einige Erkenntnisse aus der Twitter-Analyse
0,0
0,5
1,0
1,5
2,0
2,5
alg
arg
aus
bel
bih
bra
chi
civ
cmr
col
crc
cro
ecu
eng
esp
fra
ger
gha
gre
hon
irn
ita
jpn
kor
mex
ned
nga
por
rus
sui
uru
usa
Wie viele Tore schießt welche Mannschaft?
So haben die Deutschen Twitter-User getippt:

Einige Erkenntnisse aus der Twitter-Analyse
-1,0
-0,5
0,0
0,5
1,0
1,5
alg
arg
aus
bel
bih
bra
chi
civ
cmr
col
crc
cro
ecu
eng
esp
fra
ger
gha
gre
hon
irn
ita
jpn
kor
mex
ned
nga
por
rus
sui
uru
usa
Mittlere Tordifferenz: Ergebnis vs. Tipp
Überschätzungen
Unterschätzungen

4 „Start Small, Think Big“ – keine
Angst vorm ersten Mal

Start small… … think big
Big Data: nachhaltig Wettbewerbsvorteile nutzen
 Fachbereich und IT
gemeinsam
 Einzelner Anwendungsfall
 Erste Erfahrungen
 Datenschutz/-sicherheit
 Dauerhafte
Berücksichtigung in der IT
Architektur
 Weitere Anwendungsfälle
 Komplette neue
Geschäftsprozesse/-
modelle
Big Data ist ein Megatrend, der auf der kostengünstigen
Möglichkeit, viele Prozess- und Kundendaten zu speichern,
basiert. Es ist aber einer der nachhaltiges IT-Trends, der
massiv die Zukunft der Unternehmen mitbestimmen wird.

10 Golden Rules – Best Practice für den Einstieg
1 Start small, think big!
2 Beginne mit einem kleinen,
aber deutlich sichtbaren Use
Case
3 Suche deinen ersten Use Case
zunächst beim Vertrieb oder
Produktion
4 Prüfe, ob die Herausforderung
nicht mit Deiner bestehenden IT
lösbar ist.
5 Keine komplizierten
Anforderungen, die Technik ist
komplex genug.
6 Keine Spielereien – die Hälfte
der Big Data Technologien
brauchst du nicht.
7 Frag den Fachbereich, welche
Lösung er sich bisher bei der IT
nicht getraut hat, anzufragen.
8 Berücksichtige die Sicherheits-
thematik und binde den
Datenschutzbeauftragten ein!
9 Big Data ≠ Big Company
10 Lerne durch die ersten Projekte

Jochen Wilms,
Business Development & Innovation
OPITZ CONSULTING Deutschland GmbH
Phone +49 2261 6001-1734
Mobile +49 173 7279026
jochen.wilms@opitz-consulting.com
„Bei einem Fußballspiel verkompliziert
sich allerdings alles durch die
Anwesenheit der gegnerischen
Mannschaft.“
Jean-Paul Sartre

Big Data und Predictive Maintenance

Recomendados

Recomendados

Mais conteúdo relacionado

Mais de OPITZ CONSULTING Deutschland

Mais de OPITZ CONSULTING Deutschland (20)

Big Data und Predictive Maintenance