Christoph Kreibich

畫一輛車的過程是高度自動化,高度複雜,取決於各種外部變量,有時難以控製。關於油漆和完成質量標準非常高在奧迪的汽車客戶的最明顯特征。
今天,需要多年的經驗確定塗料的主要驅動失敗並保持標準相應的高。例如,不同類型的油漆需要不同的設置過程值和應用技術。
為了跟蹤的質量,每一個汽車是由質量保證和檢查每一個失敗是記錄。的文檔,有200多個預定義類型的失敗可以用於標準化的文檔。雖然正在畫一輛車,從2500年傳感器收集數據。這些參數包括溫度、濕度、氣流的應用機器人,能源消耗,過濾器,等等。所有這些變量可能會影響質量的積極的還是消極的。

支持過程的挑戰專家的有價值的見解,解決數據存儲傳感器數據在數據湖和處理數據與Apache火花和Scala HDFS集群。識別最重要的驅動程序為每個失敗和每一層油漆塗料質量,20和MLlib每天在訓練隨機森林模型。結果存儲在HDFS和可視化的表。

這次會議將給見解大數據的挑戰在一個汽車OEM和奧迪的生產如何受益於新的大數據技術使他們的流程更有效率,提高質量標準更高。為了實現商業利益,火花正在沿著整個過程鏈用於數據攝入,轉換和培訓生產,完全自動化的環境中。

會話標簽:# SFexp13