Moira

Zurück

Moira

 

Prognosen, Anomalien und Auswertungen mussten bisher immer für jedes Szenario vollständig entwickelt werden. Ergänzen Sie Ihre bestehende Informationslandschaft durch Moira. Eine CEP-basierte Data Mining-Lösung.

 

Moderne Enterprise-Content-Management-Systeme werden längst nicht mehr nur zur allgemeinen Verwaltung heterogener Informationen eingesetzt. Sie können auch ideal zur Unterstützung automatisierter Vorgangsbearbeitungen bis hin zur Überwachung komplexer Geschäftsprozesse beitragen. Im Cloud-Zeitalter ist die erfolgreiche Optimierung der Real End-User Experience (RUE) von zentraler Bedeutung. Einerseits erwarten End-User, dass Programme unabhängig von Zeit, Ort und Gerät problemlos laufen. Andererseits nimmt die Abhängigkeit und die Verwundbarkeit unserer modernen Gesellschaft mit dem Grad der Digitalisierung und der Vernetzung stetig zu. Mit der zunehmenden Digitalisierung steigt auch in der Industrie der wertschöpfende Anteil der IT. Mit dem Einzug des Internet der Dinge werden immer mehr Daten produziert, die gesammelt, analysiert und nutzbar gemacht werden wollen. Industrieunternehmen werden immer mehr zu IT- und Software-Unternehmen. Wer nicht mitmacht, wird abgehängt. Mit steigender Datenmenge und fortgeschrittener Automatisierung nehmen Machine Learning und Künstliche Intelligenz mehr Einzug in die Industrie.

 

Infrastruktur

Täglich generieren Systeme von Unternehmen riesige Datenmengen, die jedoch nur teilweise verarbeitet und analysiert werden. Dies bedeutet jedoch im Umkehrschluss, dass auf undefinierte Anomalien und Ereignisse nicht rechtzeitig reagiert werden kann. Durch den Einsatz von Sensoren und vernetzen Anlagen können Unternehmen in Echtzeit Informationen zu Ihren Anlagen analysieren. So kann zum Beispiel der Verschleiß von Bauteilen überwacht werden und der Wartungsplan automatisch optimiert werden. Predictive Maintenance kann dabei helfen die Lebensdauer von Maschinen zu verlängern und ungeplante Stillstände zu vermeiden. Mit Moira, unserer intelligenten Softwaregesamtlösung, erkennen wir Anomalien und zeigen Optimierungspotenziale auf. Moira ist ein neuartiges Prozessoptimierung - System für die digitale Unternehmenslandschaft.

Durch Abstraktion, Korrelation, Aggregation und Mustererkennung von unternehmensweiten Daten, kann Moira eine automatische Verhaltens - und Statistikanalyse mit mehrdimensionalen Analysefunktionen umsetzen. Durch die Überwachung von allen relevanten Vorfällen und Anomalien werden die Daten gesammelt und Prozesse des Unternehmens optimiert.

Sensorik

Mit Complex Event Processing (CEP) lassen sich Datenströme in Echtzeit kontinuierlich auswerten und beeinflussen, wodurch Angriffe proaktiv erkannt werden können. Moira besitzt durch seine Sensorarchitektur die einzigartige Möglichkeit die Infrastruktur eines Unternehmens layerübergreifend zu überwachen, egal ob es sich dabei um eine Applikation, Virtuelle Maschinen oder Hardware handelt. Dabei können diese Informationen auch miteinander verknüpft werden.

KI geht einen Schritt weiter als Analytics

Elementar ist der letzte Punkt, denn wenn die gewonnenen Erkenntnisse nicht angewendet werden, haben sie auch keinen Nutzen. Sie wären dann vergleichbar mit einem Bericht, der in einer Schublade abgelegt wird und keine weitere Verwendung findet. Die Begriffe Big Data und Analytics beziehen sich auf den bloßen Erkenntnisgewinn, denn das Ergebnis von Big Data Analytics war oft ein Bericht oder eine Statistik in einer Präsentation. Bei Künstlicher Intelligenz steht hingegen die tatsächliche Nutzung der Erkenntnisse im Vordergrund.

Einsatzszenarien

Moira bietet eine standardisierte Softwareinfrastruktur zum kontinuierlichen Überwachen und Steuern zeitkritischer Prozesse in Echtzeit. Mögliche Einsatzgebiete sind insbesondere der elektronische Handel, Produktions- und Fertigungsunternehmen, Automotive und deren Zulieferer, Maschinenbau, Finanzsektor, Logistik, Netzwerküberwachung, Airlines, Public, Government, sowie das Energiemanagement. Beispielsweise können Produktionsabläufe und Lagerhaltung überwacht und optimiert oder Echtzeitanalysen im Fahrzeug durchgeführt werden. Ein weiteres Szenario ist die Ablösung klassischer ETL - Prozesse im Datawarehouse, z.B. im Bereich des Bestandsmanagements von Fuhrparks. Für die effektive Prozesskontrolle müssen entsprechende Anwendungen in der Lage sein, große Mengen einströmender Daten bezüglich fachlicher und zeitlicher Kriterien fortwährend zu analysieren. Klassische Datenbank-gestützte Applikationen können das nur bedingt.

Moira macht den Unterschied

Die Hauptaufgabe von Moira ist die ständige Extraktion von Informationen aus heterogenen Datenströmen. Dabei werden Ereignisse gefiltert und aggregiert, während daraus abgeleitete Informationen mit Ereignissen aus anderen Strömen korreliert werden. Moira setzt nicht auf traditionelle Datenbanktechnik, sondern auf neuartige Algorithmen, die im Hauptspeicher ablaufen und inkrementell die eintreffenden Elemente verarbeiten. Der Endbenutzer formuliert die notwendigen Schritte in Form „kontinuierlicher“ Anfragen. Anstatt andere Lösungen zu ersetzen, ergänzen wir Ihr Applikations-Ökosystem mit unserer innovativen Lösung. 

 

Leistungsmerkmale Moira

  • Erweiterte Korrelation von Log-, Stream- und Hardwaredaten
  • Automatisierte Ermittlung realer und die Möglichkeit zur Festlegung erwünschter Verhaltensmuster
  • Unmittelbarer Zugriff auf zugrundeliegende forensische Daten
  • Allgemeine und unternehmensspezifische Regeln
  • Umfangreiche Mustererkennung und Anomalie Detektion
  • Auf erweiterter Korrelation basierende Sensoren
  • Beispiellose BenutzerInnenfreundlichkeit
  • Bestehende Monitoring Lösungen erweitern

 

Skalierbarkeit

  • Nahezu unbegrenzte Mengen an Daten effizient verarbeiten
  • Tausende aktive Sensoren mit mehreren hunderttausend Ereignissen pro Sekunde pro Instanz
  • Mehrstufige Kaskade von Instanzen
  • Ausfallsicherung durch Shadowing über Server und Racks hinweg

 

Monitoring & Data-Mining

  • Ausgereifte Data-Mining und Machine-Learning Methoden
  • Monitoring und Statistiken der Warnmeldungen
  • Frühzeitige Warnmeldung an betroffene Abteilungen und Fachbereiche
  • Verlegung der Instandhaltungsprozesse und Maßnahmen auf produktionsfreie Zeit (Wochenende, Feiertage, Nacht)
  • Zusammenführung hochkomplexer Datenströme in Echtzeit
  • Vollständige Digitalisierung des Produktionsprozesses
  • Verbindung von aus Sensorik gewonnenen Daten mit statistischen Methoden, um neue Erkenntnisse zu schaffen