Bereits zum 13. Mal veranstaltete die Salzburg Research die "IoT Talks". Diesmal unter dem Motto "IoT in Motion" mit dem Fokus auf die Themen Bewegung, Mobilität und deren Wirkung im Internet der Dinge. Wie kann das Internet der Dinge beispielsweise beim Einsatz von Spezialfahrzeugen und in der Robotik unterstützen?
Wir waren Sponsor dieses Events und ich habe einen spannenden Vortrag rund um Datenqualität gehalten. Denn das Ergebnis eines jeden IoT Projektes kann nur so gut sein, wie die Daten, die ihm zu Grunde liegen. Für wirklich erfolgreiche Projekte braucht es nämlich vor allem die richtigen Daten. In der richtigen Qualität und der richtigen Granularität. Und vor allem müssen sie Nutzer/innen in die Lage versetzen, die Information – also das „Wissen“ – aus den Daten zu holen.
In unseren bisherigen Projekten standen wir jedoch immer wieder vor der Herausforderung, dass sich die zur Verfügung stehenden Daten nicht oder nur unzureichend zusammenführen ließen. Data Governance spielt also ebenfalls eine entscheidende Rolle. Wo und wie fängt man also am besten an?
In meinem Vortrag habe ich den Ablauf eines Data Science Projektes und anhand von zwei konkreten Kundenbeispielen aufgezeigt, was mit der richtigen Datenqualität möglich ist – oder eben auch nicht.
- IoT in Spezialfahrzeugen: Dieses Projekt ist ein Beispiel mehr das zeigt, wie wichtig es ist, die richtigen Daten zu sammeln. Ursprünglich waren Daten von 100 Spezialfahrzeugen mit je 4.000 Sensoren vorhanden, doch nach genauerer Betrachtung durch unsere Data Scientisten blieben am Ende relevante Daten von 10 Geräten und 4 Sensoren übrig, da die Daten nicht durchgängig vorhanden waren. Gemeinsam haben wir jene Daten definiert, die erhoben werden müssen, um ein Predictive Maintenance Setting aufbauen zu können.
- IoT im Produktionsumfeld: Ziel dieses Projektes war eine weitere Optimierung der Produktqualität in der Metallproduktion. Dabei werden Daten von zwölf Maschinen, die in der Produktionsreihe aufeinander folgen, erfasst. Eine Herausforderung war dabei neben der Korrelation von Daten unterschiedlichster Herkunft auch die korrekte Transformation von Sensordaten. Mithilfe unserer Analysen wurden relevante Einflussgrößen für die Qualität des Endproduktes festgestellt und mehrere Ansatzpunkte für eine Verbesserung der Qualität im Herstellungsprozess aufgezeigt.
Natürlich können Sie mich auch gerne bei Fragen dazu hier kontaktieren.
