Der automobile Entwicklungszyklus steht in Zeiten sich verschärfender Emissionsanforderungen, zunehmender Diversifizierung und Elektrifizierung von Antriebskonzepten und neu entstehenden Fachdisziplinen wie autonomes Fahren, connected Car etc. vor großen Umwälzungen. Die in diesem Zusammenhang stark ansteigende Menge und Heterogenität von benötigten Dokumenten und Daten ist ein zentraler Punkt. Das Beherrschen dieser Vielfalt sowie die Möglichkeit performanter und skalierbarer Analysen spielen eine entscheidende Rolle, welche für Erfolg oder Misserfolg beim Erreichen der technischen Entwicklungsziele und den Markterfolg des entwickelten Fahrzeugs ausschlaggebend sein kann. Dies gilt allgemein für Daten/Dokumente aller Art und im Speziellen für Sensor-Informationen unterschiedlichster Quellen wie Zeitreihen aus Motor/Triebstrang, Bus-Traces, Kamera- und Lidar-Daten, GPS/Geolokationen, Emissions-/PEMS-Sensorik und Daten aus weiterer Spezialmesstechnik (NVH, usw.), um einige der gebräuchlichsten zu nennen.

    Herausforderungen dabei bestehen beispielsweise in der Verwaltung des Gesamtdatensatzes bei niedrigen Such- und Zugriffszeiten, effizienter Informations-Verlinkung/Fusion, einem möglichst hohen Automatisierungsgrad bei Daten-Eintritt in und ggf. auch Löschung vom System, einer einfachen und gleichzeitig mächtigen Analytics-Umsetzung und Entwicklungsumgebung sowie einer Architektur, welche Analytics-UseCases vom frühem Entwicklungsstadium bis hin zu einer breiten produktiven Nutzung unterstützt. All dies gilt es unter der Prämisse von Enterprise-Tauglichkeit und Verwendbarkeit/Wartbarkeit durch IT und Endnutzern in einem global tätigen Konzern umzusetzen.

    Wir geben einen Überblick, wie die Vorteile von Technologien wie Hadoop, Spark, Elastic etc. in einem ganzheitlichen Ansatz – umgesetzt als BigData Analytics Plattform – Entwicklern helfen, die anstehenden Herausforderungen der Handhabung, Verwaltung und Analyse von Daten erfolgreich zu meistern.


    Zugriff

    Zugriff prüfen

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Testing, Analytics, Calibration – bekannte Herausforderungen im automobilen Entwicklungsprozess als Optimierungspotenziale durch Einsatz von Big-Data-Technologie


    Weitere Titelangaben:

    Proceedings


    Beteiligte:
    Liebl, Johannes (Herausgeber:in) / Abthoff, Tobias (Autor:in) / Boja, Dankmar (Autor:in)


    Erscheinungsdatum :

    2020-01-27


    Format / Umfang :

    11 pages





    Medientyp :

    Aufsatz/Kapitel (Buch)


    Format :

    Elektronische Ressource


    Sprache :

    Deutsch