Big data analytics for proactive industrial decision support

Authors

  • Martin Atzmueller University Of Kassel
  • Benjamin Klöpper Abb Corporate Research Center Germany
  • Hassan Al Mawla Abb Corporate Research Center Germany
  • Benjamin Jäschke University Of Kassel
  • Martin Hollender Abb Corporate Research Center Germany
  • Markus Graube Technische Universität Dresden
  • David Arnu Rapidminer
  • Andreas Schmidt University Of Kassel
  • Sebastian Heinze Technische Universität Dresden
  • Lukas Schorer Abb Corporate Research Center Germany
  • Andreas Kroll University Of Kassel
  • Gerd Stu

DOI:

https://doi.org/10.17560/atp.v58i09.2315

Abstract

Big-Data-Technologien eröffnen neue Optionen zur Analyse historischer Anlagendaten in der Prozessindustrie. Eine Möglichkeit ist die Entwicklung neuer Operator-Unterstützungssysteme (OSS), die dem Anlagenfahrer im Betrieb und bei der Behandlung kritischer Situationen assistieren. Das Projekt FEE hat das Ziel, derartige Unterstützungsfunktionen basierend auf Big Data Analytics unter Nutzung historischer Anlagendaten zu entwickeln. In diesem Beitrag teilen wir erste Erfahrungen und Lessons Learned hinsichtlich der Entwicklung von Big-Data-Applikationen.Weiterhin stellen wir im Projektentwickelte Lösungsansätze und Werkzeuge dar.
Ausgabe 09 2016

Downloads

Published

2016-08-30

Issue

Vol. 58 No. 09 (2016): atp edition - Automatisierungstechnische Praxis

Section

Technical Paper / Peer-Review

License

Die Zeitschrift und alle in ihr enthaltenen Beiträge und Abbildungen sind urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für  Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Bearbeitung in elektronischen Systemen. Auch die Rechte der Wiedergabe durch Vortrag, Funk- und Fernsehsendung, im Magnettonverfahren oder ähnlichem Wege bleiben vorbehalten.

Most read articles by the same author(s)

1 2 > >>