Ziel dieser Arbeit ist es, die Notwendigkeit von Big Data Analytics in der Produktion aufzuzeigen.
Nach einer allgemeinen Einordnung des Begriffs Big Data Analytics, erfolgt die Klassifizierung von möglichen Analysezwecken. Eine mögliche Unterscheidungsart ist aus dem Bereich der Business Intelligence hinreichend bekannt und hält die Begrifflichkeiten über die „Unterscheidung nach der Art der adressierten Fragestellung“ auseinander. Auf dieser Basis werden die Rechercheergebnisse existierenden Anwendungsbeispielen (national und international) zugeordnet. Im letzten Kapitel wird schließlich das Potenzial prädiktiver Analysen für die Anwendungen im Bereich von Produktionssysteme bewertet.
Inhaltsverzeichnis
- 1 EINLEITUNG
- 2 BIG DATA GRUNDLAGEN
- 3 KLASSIFIKATION MÖGLICHER ANALYSEZWECKE
- 3.1 DESKRIPTIVE ANALYTIK
- 3.2 DIAGNOSTISCHE ANALYTIK
- 3.3 PRÄDIKTIVE ANALYTIK
- 3.4 PRÄSKRIPTIVE ANALYTIK
- 4 ZUORDNUNG DER RECHERCHEERGEBNISSE
- 4.1 BUSINESS INTELLIGENCE & ANALYTICS
- 4.2 PREDICTIVE MAINTENANCE
- 4.3 INTERNET OF THINGS
- 5 BEWERTUNG DES POTENZIALS VON PRÄDIKTIVEN ANALYSEN
Zielsetzung und Themenschwerpunkte
Dieses Assignment zielt darauf ab, die Relevanz von Big Data Analytics in der Produktion zu demonstrieren. Es beginnt mit einer allgemeinen Definition von Big Data Analytics und geht dann zur Klassifizierung möglicher Analysezwecke über. Die Untersuchung bezieht sich dabei auf das bekannte Konzept der „Unterscheidung nach der Art der adressierten Fragestellung“ aus dem Bereich der Business Intelligence. Auf dieser Grundlage werden die Ergebnisse der Recherche mit bestehenden Anwendungsbeispielen (national und international) verknüpft. Das letzte Kapitel bewertet das Potenzial prädiktiver Analysen für den Einsatz in Produktionssystemen.
- Definition und Eigenschaften von Big Data
- Klassifizierung von Analysezwecken (deskriptiv, diagnostisch, prädiktiv, präskriptiv)
- Anwendungsbeispiele von Big Data Analytics in der Produktion
- Bewertung des Potenzials prädiktiver Analysen für Produktionssysteme
- Bedeutung von Big Data Analytics für die Industrie 4.0
Zusammenfassung der Kapitel
- Kapitel 1: Einleitung
Die Einleitung stellt die Bedeutung von Big Data Analytics im Kontext der Industrie 4.0 und dem Wachstum der Datenmenge dar. Sie unterstreicht die Notwendigkeit, Daten sinnvoll zu nutzen, um in Produktionsumgebungen datengetriebene Entscheidungen zu ermöglichen.
- Kapitel 2: Big Data Grundlagen
Dieses Kapitel beschäftigt sich mit der Definition von „Big Data“ und den vier V's: Volume, Velocity, Variety und Veracity. Es wird die zunehmende Rechenleistung und Vernetzung sowie die Herausforderungen der Datenverarbeitung und -interpretation in Bezug auf Big Data beleuchtet.
- Kapitel 3: Klassifikation möglicher Analysezwecke
Dieses Kapitel präsentiert verschiedene Analysezwecke, darunter die deskriptive, diagnostische, prädiktive und präskriptive Analytik. Es erklärt die Kernfragen, die mit jeder Analyseart beantwortet werden sollen, und veranschaulicht den Einsatz von OLAP-Cubes zur Datenanalyse.
- Kapitel 4: Zuordnung der Rechercheergebnisse
In diesem Kapitel werden die Rechercheergebnisse zu Anwendungsbeispielen von Big Data Analytics in der Produktion vorgestellt. Es wird auf die Bereiche Business Intelligence & Analytics, Predictive Maintenance und Internet of Things eingegangen.
Schlüsselwörter
Die wichtigsten Schlüsselwörter und Schwerpunktthemen des Textes sind: Big Data Analytics, Industrie 4.0, Produktion, Datenanalyse, Deskriptive Analytik, Diagnostische Analytik, Prädiktive Analytik, Präskriptive Analytik, Business Intelligence, Predictive Maintenance, Internet of Things, OLAP-Cubes, Datenmenge, Datenverarbeitung, Dateninterpretation.
Häufig gestellte Fragen
Was sind die "vier Vs" von Big Data?
Die Arbeit erläutert Volume (Datenmenge), Velocity (Geschwindigkeit), Variety (Vielfalt) und Veracity (Glaubwürdigkeit).
Was versteht man unter Predictive Maintenance?
Es handelt sich um vorausschauende Wartung, bei der durch Datenanalyse der optimale Zeitpunkt für Reparaturen vorhergesagt wird.
Welche Arten der Analytik werden unterschieden?
Unterschieden werden deskriptive (was ist passiert?), diagnostische (warum?), prädiktive (was wird passieren?) und präskriptive Analytik (was ist zu tun?).
Wie hängen Big Data und Industrie 4.0 zusammen?
Big Data Analytics ist die Basis für datengetriebene Entscheidungen und die Vernetzung von Maschinen in der modernen Produktion.
Was sind OLAP-Cubes?
OLAP-Cubes sind Werkzeuge zur multidimensionalen Datenanalyse, die in der Business Intelligence zur Auswertung großer Datenmengen genutzt werden.
- Quote paper
- Lukas Wenger (Author), 2022, Einsatzfelder von Big Data in der Produktion, Munich, GRIN Verlag, https://www.grin.com/document/1361454
