Vorlesung 4: IoT und BigData Flashcards
Was ist Industrie 4.0?
-Produktion mit Informations-Kommunikationstechnik vereint
-Treibende Kraft: Digitalisierung
Grundlage sind intelligente, digitale vernetzte Systeme
Bestandteile von Industrie 4.0
- smart Produktion
- IoT
- Digitalisierung
- Cloud
- BigData
PSS
- product service system
- smart Products +Smart Services
Eigenschaften Smarter Produkte
- kommunikations- und Vernetzungsfähigkeiten
- Eigene Intelligenz
- autonomes Fahren
- Internetmitbenutzung
- Echtzeit Reaktion
Wie lassen sich smarte Produkte einsetzen?
- Überwachung
- Steuerung
- Optimierung
- Automatisierung
Verbreitung vom IoT?
2005: 0,08 Pro Person
2020: 6,5 pro Person
Beispiele von IoT
1) Cloud Anbindung, Cloud Access Daten werden in der Cloud gespeichert 2)Gemeinsame Cloud Integration, Cloud integrated: Daten laufen zsm., kann pers. werden 3)Externe Daten, Cloud extended -externe Daten werden hinzugezogen -Nutzung vom BigData 4)Handel mit eigene Daten, Cloud broking -Daten werden an dritte weitergeben 5)Product Service System, Cloud constructing -Anbieter verwaltet Systeme 6)Direkte Kommunikation, Cloud less -getrennte Systeme kommunizieren miteinander
IoT- Cloud Range Modell
Device connected ->Cloud acces ->Cloud integrated->Cloud extended->Cloud broking->Cloud contracting
-Stufen dürfen übersprungen werden
Wertschöpfungsmöglichkeiten für IoT
- wird erreicht durch innovative Produkte
- Steigerung des Kundenerlebnisses: Personalisierung, Produktleben
- Optimierung der Geschäftsprozesse: Opt. Performance, Effektivität, Produktdefinition, Monitoring
- Differenzierte Angebotserstellung: Selbstbedienung, Kundenbindung
- Neue Einnahmequellen: Datenhandel, Business Modelle, Werbung
Referenzmodell für IoT
Ebenen: Anwendungsfelder: Kundenzugang IoT: Geschäftswissen GPS Plattformen: Modellgestützte Plattform Internet der Dinge: Konnektivität
Big Data: die 4 V´s
Volume: Menge
Velocity: Geschwindigkeit
Variety: Vielfalt
Veracity: Zuverlässigkeit
Wertschöfpungskette von BigData
-Präsentieren von Ergebnissen
Identifizieren der Syntax
Finden quellen
Zusammenfügen von Daten
Map/Reduce Vorgang, Vorteile, Voraussetzungen
-ein Master koordiniert
-Daten werden auf verteilte Datenhaltungen verteilt
-einzeln bearbeitet und analysiert
-danach wieder zusammengefügt
Vorteile: schnelle Ergebnisse
günstig, flexibel
Vorraussetzungen:
-Aufgaben müssen sich teilen lassen
-unabhängige Daten
Hadoop
- es müssen riesige Datenmengen in kurzer Zeit analysiert werden
- arbeitsteilung parallelisieren der Analyse
Hadoop Distributed File System
- speichert jeden Datenblock 3-mal
- Daten liegen lokal vor
- sendet heartbeat
