Softwareentwicklung

Ein Big-Data-Beispiel für die Logistik

Hoch flexibel, hoch resilient und hoch skalierbar. Ein Big-Data-Beispiel für das Transportwesen

Big-Data-Beispiel Logistik

Die Chancen und Möglichkeiten, die die Anwendung von Big-Data-Software uns bieten, sind bemerkenswert. Mit dem richtigen Konzept und dem richtigen Know-how lassen sich daraus ganz neue Perspektiven und vielversprechende Ideen für Industrie, Handel und Dienstleistungen entwickeln. Hier ein Big-Data-Beispiel.

Eines der vielversprechendsten Szenarien für Big-Data-Anwendungen im Bereich Industrie 4.0 ist die Logistikbranche. Wir stellen Ihnen hier eine Plattform vor, die eine Vielzahl von Big-Data-Anwendungen für eine Vielzahl von Geschäftsprozessen ermöglicht. Wir demonstrieren dies an einem Beispiel aus dem Transportwesen.

Rechnen & Speichern

Wer mit einem hohen Datenvolumen umgeht, braucht eine Technologie, die das aushält – die auch bei einer extrem hohen Datenlast performant arbeitet, schnell und fehlerfrei rechnet und mit steigendem Datenvolumen entsprechend erweiterbar ist. All das kann die derzeit beim Kunden installierte Test- und Evaluationsplatform für Big-Data-Anwendungen von Micromata. Ihre Rahmendaten sind:

  •  500 Kerne
  •  2.5 TB RAM
  •  100 x 400 GB SSD im RAID1-Betrieb

Damit ist unser Big-Data-Tool in jeder Hinsicht hoch flexibel, hoch resilient und hoch skalierbar – eine Grundvoraussetzung für die sachgerechte und effiziente Handhabung von Big Data.

Daten, die aufgrund ihrer schieren Menge lange nicht als verwertbar galten, können jetzt auf Wunsch voll automatisch importiert, berechnet und analysiert werden, ohne dass in Sachen Performance Kompromisse gemacht werden müssen. 

So wird die Bahn frei für umsatz- und erfolgsrelevante Big-Data-Projekte in Industrie, Handel und Dienstleistung. Zwei Nutzungsvarianten seien Ihnen hier am Beispiel des Transportwesens vorgestellt.

Big-Data-Beispiel Logistik 1: Prediction

Die Zukunft vorhersagen – ein Menschheitstraum. Einer, dem wir mit den Mitteln der Wissenschaft und Technik in den letzten Jahrhunderten durchaus näher gekommen sind. Und der mit Big Data jetzt noch wesentlich realistischer wird. Denn niemals zuvor waren Daten so zugänglich, niemals so vielschichtig, niemals so reichlich vorhanden. 

Dieser „Data Lake“ ist etwa für Prognosen und Vorausberechnungen im Gütertransport eine Riesenchance. So können wir daraus Wahrscheinlichkeiten auf dem Gebiet des Verkehrsflusses ablesen: Wo kommt es wahrscheinlich zu Staus oder zäh fließendem Verkehr? Welche Strecken sind angesichts der Verkehrslage voraussichtlich die schnellsten? Wie lassen sich die verschiedenen Transportwege Straße, Schiene und Wasser effizient verbinden?

All das lässt sich mithilfe eines solchen Big-Data-Tool aus vorliegenden Daten errechnen: Daten aus Kameras und Bordsystemen, Daten aus Induktionsschleifen, GPS-, Radar- oder andere Sensorendaten, sogar Daten aus Social Media können hier hilfreich sein.

Big-Data-Beispiel Logistik 2: Realtime Analysis

Echtzeitanalyse heißt, dass alle in einem Unternehmen verfügbaren Daten exakt zu dem Zeitpunkt genutzt werden können, zu dem sie gerade benötigt werden. Die in der Logistik häufig vorkommenden Ad-hoc-Touren lassen sich so auf ein sekundenschnelles und sekundenaktuelles Datenfundament stellen – „mis en place“, wenn man so will. Die Planung dieser Routen erlebt damit eine neue Dimension in Sachen Schnelligkeit und Präzision und bedeutet damit eine substanzielle Ressourcenersparnis für den Anwender.

(jw)

Hier erfahren Sie mehr über die Big-Data-Kompetenzen von Micromata:

Die Big-Data-Kompetenzen von Micromata

Big Data am Beispiel von k-Means-Clustering

 

Dr. Michael Lesniak

Dr. Michael Lesniak