Heute in einer Woche findet – natürlich virtuell, wie es die momentane Situation verlangt – das alljährliche Global Azure Bootcamp statt. Auch heuer sind wir wieder mit einigen Vorträgen mit dabei.
Mein Kollege und Data Platform MVP, Wolfgang Strasser, hält einen Vortrag über PowerPlatform Dataflows. Ich selbst bin diesmal sogar mit zwei Vorträgen vertreten: Zuerst spreche ich über Automated Machine Learning – do we need any more Data Scientists? (dazu gibt’s auch einen spannenden Blogbeitrag von mir). In meinem zweiten Vortrag präsentiere ich gemeinsam mit meiner Data Science Kollegin Kristina Preuer unseren neuesten IoT Showcase und wir zeigen, wie IoT und ML in Produktionsumgebungen helfen können. Passend dazu zeigt noch Rainer Worbis anhand des Praxisbeispiels den Weg der Daten von der Datenquelle bis zur Darstellung in einem PowerBI Dashboard.
In diesem Vortrag wird der Weg der Daten von der Datenquelle - in diesem Fall ein 3D Drucker - über ein Edge Device via IoT Hub und StreamAnalytics in PowerBI anhand eines konkreten Beispiels präsentiert. En route gibt‘s noch einen kleinen Abstecher zur Bilderkennung mit Custom Vision. Am Ende des Vortrags sollte man einen Überblick über die verwendeten Technologien haben und wissen, wo man was einsetzen kann.
Die Session richtet sich an alle, die mehr den praktischen Teil von IoT Szenarien mit Microsoft Azure sehen wollen. Der Schwestervortrag "Warum die Dinge nicht so sind wie sie sein sollten? Wie IOT und ML in Produktionsumgebungen hilft" beleuchtet den theoretischen Hintergrund dazu.
In vielen Produktionsprozessen ist die frühzeitige Erkennung von Qualitätsproblemen ein wichtiger Faktor: zeitlich aber vor allem auch finanziell. Je früher im Prozess erkannt wird, dass die Werkstücke für die nächsten Prozessschritte nicht geeignet sind, desto eher kann darauf reagiert werden.
Ein 3D-Drucker wird das Produktionsumfeld in unserem Szenario darstellen. Während des Druckvorgangs werden Sensorwerte, aber auch permanent Bilder des Druckvorgangs aufgezeichnet. Diese Daten verarbeiten wir mit einer Azure IoT Pipeline und wollen daraus Daten für die Qualitätsbestimmung sammeln. Nach einer lokalen Verarbeitung (Edge Device) werden die Daten im Azure Data Lake gespeichert.
Welche Erkenntnisse können aus den Daten gewonnen werden? Wie können diese verarbeitet und als Grundlage für Machine Learning Modelle genutzt werden? Mithilfe der Azure IoT und Analytics Platform stellen wir einen möglichen Weg zur Datenanalyse vor.
In Kombination mit den Bildern aus dem Produktionsprozess finden wir die Ursachen für Fehldrucke und können diese in weiteren Druckläufen vermeiden. Welche Arten von Daten und wie viele davon benötigt werden, um zu fundierten Ergebnissen zu kommen werden wir mit Beispielen demonstrieren.
Fischen wir gemeinsam im Data Lake und nutzen das Potential der Daten!
Wir freuen uns auf zahlreiche Teilnehmer und spannenden Diskussionen.
zum Thema Events
