V0.01 | 2019-02-12
Alexander Sundt
Data Mining mit CANape/ vSignalyzer:Wie Sie schnell und effizient die Nadel im (Daten)- Heuhaufen finden
2
Agenda: Webinar Data Mining mit CANape/ vSignalyzer
Webinar Agenda
Was kann Vectors Data Mining Feature und wofür braucht man es?
Wie setzt man Data Mining ein?
Data Mining Editor
Funktionen und Skripte
Thesaurus-Feature
Data Mining Result File
Report erstellen
3
Stellen Sie sich vor:
Sie als OEM bringen ein neues Fahrzeug auf den Markt.
Markteinführung glückt. Absatzzahlen stimmen
Massive Kundenbeschwerden. Bei Schaltvorgängen von der 2ten in die 3te kann es zu einem Ruck durchs Fahrzeug kommen.
Motivation
Motivation: Data Mining
Was können Sie tun?
Neue Messreihe
Problem: Finde die Nadel im Heuhaufen
Bestimmte Ereignisse in aufgezeichneten Daten finden
Eine große Datenmenge durchsuchen
Die meisten Daten sind nicht relevant
Nicht effizient die Daten manuell zu durchsuchen
4
Stellen Sie sich vor:
Sie als OEM bringen ein neues Fahrzeug auf den Markt.
Markteinführung glückt. Absatzzahlen stimmen
Massive Kundenbeschwerden. Bei Schaltvorgängen von der 2ten in die 3te kann es zu einem Ruck durchs Fahrzeug kommen.
Motivation
Motivation: Data Mining
Was können Sie tun?
Neue Messreihe
Fahrzeug ausrüsten
Problem: Finde die Nadel im Heuhaufen
Bestimmte Ereignisse in aufgezeichneten Daten finden
Eine große Datenmenge durchsuchen
Die meisten Daten sind nicht relevant
Nicht effizient die Daten manuell zu durchsuchen
5
Stellen Sie sich vor:
Sie als OEM bringen ein neues Fahrzeug auf den Markt.
Markteinführung glückt. Absatzzahlen stimmen
Massive Kundenbeschwerden. Bei Schaltvorgängen von der 2ten in die 3te kann es zu einem Ruck durchs Fahrzeug kommen.
Motivation
Motivation: Data Mining
Was können Sie tun?
Neue Messreihe
Zeit aufwenden
Fahrzeug ausrüsten
Problem: Finde die Nadel im Heuhaufen
Bestimmte Ereignisse in aufgezeichneten Daten finden
Eine große Datenmenge durchsuchen
Die meisten Daten sind nicht relevant
Nicht effizient die Daten manuell zu durchsuchen
6
Stellen Sie sich vor:
Sie als OEM bringen ein neues Fahrzeug auf den Markt.
Markteinführung glückt. Absatzzahlen stimmen
Massive Kundenbeschwerden. Bei Schaltvorgängen von der 2ten in die 3te kann es zu einem Ruck durchs Fahrzeug kommen.
Motivation
Motivation: Data Mining
Was können Sie tun?
Neue Messreihe
Zeit aufwenden
Binden Resourcen
Fahrzeug ausrüsten
Problem: Finde die Nadel im Heuhaufen
Bestimmte Ereignisse in aufgezeichneten Daten finden
Eine große Datenmenge durchsuchen
Die meisten Daten sind nicht relevant
Nicht effizient die Daten manuell zu durchsuchen
7
Stellen Sie sich vor:
Sie als OEM bringen ein neues Fahrzeug auf den Markt.
Markteinführung glückt. Absatzzahlen stimmen
Massive Kundenbeschwerden. Bei Schaltvorgängen von der 2ten in die 3te kann es zu einem Ruck durchs Fahrzeug kommen.
Motivation
Motivation: Data Mining
Was können Sie tun?
Neue Messreihe
Zeit aufwenden
kostspielig
Binden Resourcen
Fahrzeug ausrüsten
Problem: Finde die Nadel im Heuhaufen
Bestimmte Ereignisse in aufgezeichneten Daten finden
Eine große Datenmenge durchsuchen
Die meisten Daten sind nicht relevant
Nicht effizient die Daten manuell zu durchsuchen
8
Stellen Sie sich vor:
Sie als OEM bringen ein neues Fahrzeug auf den Markt.
Markteinführung glückt. Absatzzahlen stimmen
Massive Kundenbeschwerden. Bei Schaltvorgängen von der 2ten in die 3te kann es zu einem Ruck durchs Fahrzeug kommen.
Motivation
Motivation: Data Mining
Was können Sie tun?
Problem: Finde die Nadel im Heuhaufen
Bestimmte Ereignisse in aufgezeichneten Daten finden
Eine große Datenmenge durchsuchen
Die meisten Daten sind nicht relevant
Nicht effizient die Daten manuell zu durchsuchen
Review Erprobungsdaten
9
Stellen Sie sich vor:
Sie als OEM bringen ein neues Fahrzeug auf den Markt.
Markteinführung glückt. Absatzzahlen stimmen
Massive Kundenbeschwerden. Bei Schaltvorgängen von der 2ten in die 3te kann es zu einem Ruck durchs Fahrzeug kommen.
Motivation
Motivation: Data Mining
Was können Sie tun?
Problem: Finde die Nadel im Heuhaufen
Bestimmte Ereignisse in aufgezeichneten Daten finden
Eine große Datenmenge durchsuchen
Die meisten Daten sind nicht relevant
Nicht effizient die Daten manuell zu durchsuchen
Review Erprobungsdaten
Binden Resourcen
10
Stellen Sie sich vor:
Sie als OEM bringen ein neues Fahrzeug auf den Markt.
Markteinführung glückt. Absatzzahlen stimmen
Massive Kundenbeschwerden. Bei Schaltvorgängen von der 2ten in die 3te kann es zu einem Ruck durchs Fahrzeug kommen.
Motivation
Motivation: Data Mining
Was können Sie tun?
Problem: Finde die Nadel im Heuhaufen
Bestimmte Ereignisse in aufgezeichneten Daten finden
Eine große Datenmenge durchsuchen
Die meisten Daten sind nicht relevant
Nicht effizient die Daten manuell zu durchsuchen
Review Erprobungsdaten
Binden ResourcenZeit
aufwenden
11
Stellen Sie sich vor:
Sie als OEM bringen ein neues Fahrzeug auf den Markt.
Markteinführung glückt. Absatzzahlen stimmen
Massive Kundenbeschwerden. Bei Schaltvorgängen von der 2ten in die 3te kann es zu einem Ruck durchs Fahrzeug kommen.
Motivation
Motivation: Data Mining
Was können Sie tun?
Problem: Finde die Nadel im Heuhaufen
Bestimmte Ereignisse in aufgezeichneten Daten finden
Eine große Datenmenge durchsuchen
Die meisten Daten sind nicht relevant
Nicht effizient die Daten manuell zu durchsuchen
Review Erprobungsdaten
Binden ResourcenZeit
aufwenden
12
Motivation
Motivation: Data Mining
Problem: Finde die Nadel im Heuhaufen
Bestimmte Ereignisse in aufgezeichneten Daten finden
Eine große Datenmenge durchsuchen
Die meisten Daten sind nicht relevant
Nicht effizient die Daten manuell zu durchsuchen
Lösung: Data Mining
Automatisierte Analyse von vielen Log-und
Mess- Dateien (MDF, BLF, etc.)
Performantes analysieren der Daten
Suche nach Events/Bedingungen
Indizierung von “Treffern”
Direkter Zugriff auf die Treffer
Erstellen eines Reports
Log-Dateien
Treffer
C-Funktionen und Simulink Modelle
CANape/ vSignalyzer
MDF, BLF, INCA DAT, ASC, CLF, CSV, ATF, XLG
13
CANape und vSignalyzer
Offline Analysis Tools
Vorteil
Nutzen Sie CANape Projekte in vSignalyzer.
CANape
vSignalyzer
vSignalyzer ist:
Bestandteil von CANape
Ein Tool für die Analyse von Messdaten.
Ein Tool zum Erstellen von Berichten
Unterstützt eine Vielzahl von Datenformaten.MDF, INCA dat, tdms, mat 7.3, XLS, blf, uvm.
14
Schritte zu Ihrer Data Mining Analyse
Motivation des Data Mining Features
Vorteil
Manuelles Durchsuchen der Messdateien wird unnötig
Direkter Zugriff auf einzelne “Treffer”
Eine Datenexperte kann die Analyse erstellen. Ein Messingenieur kann sie ausführen und nutzen.
1. Vorbereitung der CANape/vSignalyzer -Konfiguration
Starten Sie eine neue Konfiguration und schließen gegebenenfalls sämtliche Messdateien im Symbol Explorer.
Visualisieren Sie die zu analysierenden Messgrößen exemplarisch aus einer Messdatei in einem Grafikfenster.
2. Konfiguration der Analyse in der Data Mining Konsole
Definieren Sie die Dateifilterliste
Definieren Sie die Analyse-Methode
Konfigurieren Sie die Methoden-Optionen
3. Auswertung der Reportdatei
Sichtung der Treffer gesteuert über Symbol Explorer oder Data Mining Oberfläche oder CANape/vSignalyzer Menüleiste (Shortcuts)
15
Sollten Sie weitere Fragen zu diesem Thema haben kontaktieren Sie bitte
Dr. Alexander Sundt
All available downloads or further info material are stored in our download center:
https://vector.com/vi_downloadcenter_en.html
You will find all scheduled Vector webinars and events in our event calendar:
http://vector.com/vi_events_calendar_en.html
Visit also our website for all published webinar recordings :
http://vector.com/vi_events_archives_en.html
Have a nice day! See you next time!
Vielen Dank für Ihr Interesse