以現(xiàn)有分析工具為基礎(chǔ)打造即時(shí)海量分析力

??洞悉：以理再分析土層?；?，打造??海量分析力1才圄法人宣亂土案策選富前瞻科技研究所研美經(jīng)理

余草顫fishyu@.tw筒額大回?

宣亂分析的革命?

2量宣料分析演化?

2量宣料??分析軍用下一波宣亂革命-物p銅

InternetofThingsPrevent/Correctproblems宣亂分析的革命1960年，HierarchicalDatabases

罔世? 錦上

OLTP

交易成局商棠系就的一部分? 全球每天完成逢百高兆的需人交易量Trends/Patterns/ForecastsRef:

IBM,

InfoSphere

Streams

RedBook,

20131960 OLTPNowRelational

Database

演逢到資料盒錨的概念屋生延伸系就徒

OLTP

到

OLAP

的 ?翻念? OLAP

更注重於了解罔題的原因以提供更好的建贛OLAPRTAPReportingActionAnalysisData-at-restData-in-motionUnderstand

WhyandRecommend

Future

ActionDashboards/DailyReportsAlerting/Feedback/Detecting

failures? OLTP

輿

OLAP

屬於資料錨存技銜，

策法滿足即暗?用需求Real-time

Analytics

Processing(RTAP)

政愛系就宣十翻念? 徒資料錨存後分析，走向資料在in-motion

膚悲屋生吉果Product

lineDefectiveitems

sensedCapture

and

Understand

WhatHappenedOptimize

Real-Time

Analytics3往傅充分析走向大鼓攝??分析DataBaseIn

traditional

computing,

analytics

move

through

data江河連算架槽：

即奪回庭DataQueriesIn

stream

computing,data

movethrough

analytics傅統(tǒng)連算架槽：

批量虞理<Historical

fact

finding

with

data-at-rest>Batch

Paradigm,

pull

modelQuery-driven:submits

queries

to

staticdataRelieson

Databases,Data

Warehouses<Real

time

analysis

of

data-in-motion

streaming

data>Streaming

dataA

stream

of

structured

or

unstructureddata-in-motionStream

ComputingAnalytic

operations

on

streamingdatain

real-timeOperations

“fire”

as

datapasses,

unneeded

data

can

be

immediatelydiscardedQueriesResultsData42量宣料分析演選:

From

information

to

optimizationAnomaly

detectionFailureAnalysisAnalysis

of

Overall

Equipment

EffectivenessSchedulingThroughputModelingJob

DispatchingPredictiveMaintenanceAvailability5to

Promise2量宣料??分析軍用案例:裂造案-

以O(shè)EE分析及生章效能建模福例媳幢器萄效率

(Overall

Equipment

Effectiveness,

OEE

)

分析

OEE

能被昌作裂造案樓臺器萄初始表理的M模竿”衡量。

OEE

能絢十勤一憔生章銀來十算,亞可以用來b鞍整國土頤芝不同裂造生章銀的鏡效,藉此找出差到表理的生章銀。

若樓臺是國別在建作，OEE

的衡量能罹韶哪一樓臺裂造鏡效表理最差，以指出該在哪檀集中t全面生章管理(Total

Productive

Management,TPM)

的宣源改善。?

生章效能模型建立

不同樓型生章不同娟格芝章面，富再不同的生章效率；如何藉由大量芝生章宣料，?別重要的效率影警因子、建立生章效率模型，以預(yù)測新面生章?固、建立模率生章效能?！癕anufacturing

storesmore

datathananyothersector

—

close

to62exabytes

of

new

data

stored

in

2010.”-

McKinsey

&Company裂造案於2量宣料分析芝技俯缺口7? 宣料收集輿儲存方面

裂程衣章面需求不同往往需經(jīng)匿鼓s國不等的步膊，每國步膊別需耗

董鼓秒至鼓J?高登罷?固差，同?需高頻率地置在各程裂程指模。

十勤裂程中所章生的??且大量宣料，如何再效罹果真完整性亞咸少遣漏，同?器十層再延展性且[t重格的宣料收集方式及儲存架槽，福目前裂造案所面面芝技俯缺口。? 宣料虎理輿分析方面

由於裂程宣料同?層萄多元、罷貫、分毒不同IT系充、由不同裂程占

占章生等特性，使得裂程宣料層再不同步及不正罹雨蔚果瞿

宣料的不同步性提高了??分析如宣料整合、商p查詞、交叉b勤等

步膊芝困黠度

宣料的不正罹性別降[t了分析結(jié)果的可信度

因此如何在分析的沮程中，??蘸別不正罹的宣料、追脆不正罹的原因亞試圄修正，同?能藉由再限宣料選行分析推白，亞采用漸選式方式以新宣料更新分析結(jié)果，皆福目前裂造案所面面芝技俯缺口。以理再的充十土層翻案宣料固的相商性ABCDEFGHIJK8Predicted

ThroughputActualThroughput100%accuratelineAverageError:0.2kthroughputsQuery

inputs:tool-type,product

spec,

andmaterial.Model

outputs:throughput3.33k(actual

3.41k'error2%)建立生章效能的預(yù)測模型9整合建用IBM

Streams及R語言芝預(yù)測建模功能:置理生章效能??置在效能管制上下限，由虛史責(zé)料建棋求得95%

信心E固生崖效能2J奪在生崖，哉別崖能損失即晦生崖效能圃'可細(xì)微主管生崖效能10建用Stream

Computing建算的僵勢11IBM

InfoSphere

Streams

的好虎

方便布署於革集伺服器，加速2量宣料建算

配萄望富的宣料虎理輿分析元件庫，縮短胃美?固

晃置化的胃美及管理介面，縮短事雷由銀支援平行化(parallelization)及管銀化(pipeline)加速，可快速虎理大量且??的宣料IBM

InfoSphere

Streams

於裂造案芝置擊經(jīng)盼

快速虎理半結(jié)槽化的全頤樓臺日蒜宣亂，延屋<1分鍾

??充十頤！章能，宣料虎理量建

2TB/week、1MB/sec

快速更新預(yù)測模型，章效預(yù)測率罹度

<10%IBM

InfoSphere

Streams

遣可快速宰人於需信、金融、零售、健康照草、智慧建集等領(lǐng)域軍用下一波宣亂革命-物p銅

Inte