Info vom 25.06.19
Machine Learning – Nutzen aus Maschinendaten ziehen
Am 14. Juni 2019 fand im Kursaal Bern die SDS2019 statt, die 6. Schweizer Konferenz für Datenwissenschaft. Die SDS2019 bringt Meinungsführer, Praktiker, Entscheidungsträger und Forscher mit Interesse an Data Science zusammen. Ziel ist es, den Ideenaustausch für innovative Produkte und Dienstleistungen speziell für den Schweizer Markt zu fördern und die Community der Data Scientists zu unterstützen.
Martin Weber, Leiter Cloud Solutions von Noser Engineering, hat einen spannenden Vortrag über die Verbesserung von Produktionsanlagen durch Big Data Analytics gehalten. Das Referat erläuterte die Umsetzung der auf Microsoft Azure-basierten Big Data Architektur zur Analyse von IoT-Daten von Produktionsanlagen der Midor. Ziel des Projekts war es, ein Modell zur Vorhersage von Störungen zu finden und die relevanten Einflussfaktoren auf die Störungen zu ermitteln. Mit dieser IoT- und Machine Learning-Lösung minimiert Midor Food Waste und Unterbrüche in der Produktion.
Midor hat mit diesem Projekt auch kürzlich den Smart IoT Award der Universität St. Gallen gewonnen.
Der Vortrag wurde von den Zuhörern für seinen Praxisbezug gelobt, da er zeigt, wie sich die Theorien von Data Science und Machine Learning in die Praxis umsetzen lassen und welche Herausforderungen es dabei zu meistern gilt.
Dieses Teilprojekt war Teil der Masterarbeit von Martin Weber für den «Master of Advanced Studies (MAS) in Data Science» an der ZHAW, welche er zusammen mit Marc Schöni von Microsoft bei Prof. Kurt Stockinger, ZHAW abgeschlossen hat. Wir gratulieren Martin herzlich dazu.
>> Präsentationsfolien: Improving Manufacturing Plants Through Big Data Analytics
Martin Weber ist Leiter Cloud Solutions bei Noser Engineering. Als Software-Architekt mit Know-how in Data Science und über zwanzigjähriger Erfahrung in der Entwicklung industrieller Lösungen unterstützt er Kunden bei der Entwicklung durchgängiger industrieller IoT-Lösungen, um Einblicke und Nutzen aus ihren Geräten und Maschinendaten zu ziehen.