Big Data Industry 4.0 Quality
|
|
- Csaba Bodnár
- 8 évvel ezelőtt
- Látták:
Átírás
1 Big Data Industry 4.0 Quality Dr.-Ing. Edgar Dietrich Q-DAS GmbH & Co. KG Weinheim, Germany A TUDÁSBÓL SZÁRMAZÓ NYERESÉG FOLYAMATOK GYORS MEGÍTÉLÉSE Q DAS STATISTICS DRIVES SUCCESS <Q-DAS Präsentation 2014> 1
2 Big Data Big Data Mainframe Minicomputer Client-Server xaas (Cloud) Q DAS STATISTICS DRIVES SUCCESS 2
3 Feladatkitűzés és ez itt, egyszerűen ábrázolva, az én elképzelésem, hogy miként lehetne a gyár optimalizálását fokozni. Van kérdésed? Q DAS STATISTICS DRIVES SUCCESS 3
4 A tudásból származó nyereség A munka világában a dolgok egyre komplexebbek lesznek Szezorok, Kézi adatrögzítés A tárolt tudás nagy adatmennyiséghez vezet: Big Data. Kérdések & Feleletek Az embereknek a munkájukhoz magas döntési minőségre van szükségük! (preditiv) Elemzések Felismerés Q DAS STATISTICS DRIVES SUCCESS 4 < Dateiname/Autor/Datum > Copyright Q-DAS GmbH & Co. KG
5 Hogyan tehetünk szert nyereségre a tudásból? Különböző információforrások átvitel Adattárolók és hálózat feldolgozás elemzés Munkatársak A validált mérőszámok választ adnak! Q DAS STATISTICS DRIVES SUCCESS 5
6 Hagyományos és új elemek az ipari termelésben gyártásközeli gyártástól távoli Meglévő adatforrások Új adatforrások Adatforrások Gyártás / Mérőlabor Mérő folyamatok SPS, szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) mailek, videok, dokuk, Web Logok, közösségi média Adattárolás Mérési adatok Vezérlési adatok Adatbank Hadoop / Cloud Eredmények, mérőszámok Jelentés Dashboard Ad hoc elemzés Adatok / Text Mining Predictiv elemzés Operational Intelligence Q DAS STATISTICS DRIVES SUCCESS 6
7 A komplexitás foka Út az ipar tól az ipar 4.0 Első SPS Modicon Ipari forradalom Cyber-Physical rendszerekre építve Első futószalag Cincinatti vágóhíd Ipari forradalom Az elektronika és az IT bevezetése a gyártás további automatizálásához Első mechanikus szövőszék Ipari forradalom A tömeggyártás bevezetése, villamos energiát felhasználva 1. Ipari forradalom Víz- és gőzgajtású mechanikus gyártó berendezések bevezetése idő 18. század vége 20. század eleje 20. század, a 70-es évek eleje napjaink Q DAS STATISTICS DRIVES SUCCESS 7
8 Az ipar 4.0 célkitűzése Önkonfigurálhatóság Önoptimalizálás Öndiagnózis Megítélés Ezzel azt kell elérni, hogy egyedi termékeket úgy lehessen előállíthatók, mint egy nagyon rugalmas nagysorozatú gyártás termékeit. Ennek során figyelembe lehet venni egyedi vevői igényeket, és egyedi darabok is gazdaságosan gyárthatók lesznek. Q DAS STATISTICS DRIVES SUCCESS 8
9 Prof. Schmitt, WZL TWTH Aachen megállapítása A termelés mára kapacitáscsapdába esett. Ezért a ütemezett és szinkronizált rendszerek (nagyrészt futószalagok)-, valamint a legutóbbi ipari forradalom vívmányai a felelősek. Ezek a toló piacokon (push market) működnek, mindaddig, amíg a piacok nem lesznek árukkal elárasztva, és vissza nem esnek. Ez azonban alapvetően megváltozott. A cyber-fizikai rendszerek (Cyber-physische Systeme), így szól az elképzelés, egy következő lépésben megoldásokat kínálhatnak az emberek, gépek és információk optimális összejátszására, és ezáltal a jövőbeni piacok követelményeinek jobban megfelelhetnek. Q DAS STATISTICS DRIVES SUCCESS 9
10 Prof. Bauernhansl, IPA Stuttgart megállapítása A folyamatos gyártás és az energiafogyasztás technológiai korlátozása további hajtóerőt jelentenek az ipar 4.0 számára. Ennélfogva szükségszerűen bekövetkezhet a gépek cyber-fizikai rendszerekkel történő decentralizálása.. Az ilyen ciber-fizikai rendszerekben az adatok mennyisége rendkívüli mértékben megnő, és gyakorlatilag lehetetlenné teszi ezek megőrzését és feldolgozását a gyártó üzemekben. Az információk és a számítási szolgáltatások kihelyezése a felhőbe (cloud) egy szükségszerű következmény lehet, még akkor is, ha adatokhoz és információkhoz kapcsolódó jogok jelenleg még messze nem tisztázottak. Q DAS STATISTICS DRIVES SUCCESS 10
11 Big Data Ipar 4.0 Minőségi adatok Belső Hálózat Big Data Industry 4.0 Minőségi adatok Privát Cloud Q DAS STATISTICS DRIVES SUCCESS 11
12 Hagyományos és új elemek a gyártásban gyártásközeli gyártástól távoli Meglévő adatforrások Új adatforrások Adatforrások Gyártás / Mérőlabor Mérő folyamatok SPS, Szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) mailek, videok, dokuk, Web Logok, közösségi média Adattárolás Mérési adatok Vezérlési adatok Adatbank Hadoop / Cloud Eredmények, mérőszámok Jelentés Dashboard Ad hoc elemzés Adatok / Text Mining Predictiv elemzés Operational Intelligence A cég belső hálózata Külső hozzáférés Q DAS STATISTICS DRIVES SUCCESS 12
13 Adatkonszolidálás Adatforrások Gyártás / Mérőlabor Mérő folyamatok SPS, Szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) mailek, videok, dokuk, Web Logok, közösségi média Adat- konszolidálás konvertálás, kiegészítés, plauzibilizálás, struktúrálás, átadás Adattárolás Mérési adatok Vezérlési adatok Adatbank Hadoop / Cloud Q DAS STATISTICS DRIVES SUCCESS 13
14 Adatelemzés Adattárolás Mérési adatok Vezérlési adatok Adatbank Hadoop / Cloud Adatelemzés adatszelektálás, statisztikai kiértékelés, feldolgozás, kommunikáció, Eredmények szolgáltatása Jelentés Dashboard Ad hoc elemzés Adatok / Text Mining Predictiv elemzés Operational Intelligence Q DAS STATISTICS DRIVES SUCCESS 14
15 Adatkiértékelés Smart Data és Adatelemzés Adatforrások Gyártás / Mérőlabor Mérő folyamatok SPS, Szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) mailek, videok, dokuk, Web Logok, közösségi média Adat- konszolidálás konvertálás, kiegészítés, plauzibilizálás, struktúrálás, átadás Adattárolás Mérési adatok Vezérlési adatok Adatbank Hadoop / Cloud Adatelemzés kiértékelés, feldolgozás, kommunikáció, Eredmények szolgáltatása Jelentés Dashboard Ad hoc elemzés Adatok / Text Mining Predictiv elemzés Operational Intelligence Q DAS STATISTICS DRIVES SUCCESS 15
16 A Q-DAS CAMERA Concept Fázisai COLLECTING (GYŰJTÉS) Testteil ASSESSING (MEGFIGYELÉS) MANAGING (IRÁNYÍTÁS) Ismeretek a folyamatról EVALUATING (KIÉRTÉKELÉS) REPORTING (JELENTÉS) ARCHIVING (ARCHIVÁLÁS) Q DAS STATISTICS DRIVES SUCCESS <Q-DAS Präsentation 2013.pptx> 16
17 Leképzés a Q-DAS CAMERA Cocept-ban Tervezés: megrendelések-, gépek-/ gyártás- és minőségirányítás Mérő folyamatok Szenzorok MESrendszerek CAQ/SPCrendszerek egyebek adatkonszolidáció Smart Data Adatelemzés Jelentés Dashboard Mérőszám cockpit Ad hoc elemzés Web Apps Q DAS STATISTICS DRIVES SUCCESS 17
18 Adatkiértékelés Gyártás / mérőlabor Mérő folyamatok SPS, Szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) mailek, videok, dokuk, Web Logok, közösségi média Adatkonszolidálás Adatstruktúra, ami lehetővé teszi az ismeretekből származó nyereséget Adott idejű információk teljes körű (automatizált) gyűjtése Plauzibilitás vizsgálata (a háttérben) Azonos idejű kiértékelés és eredményközlés Utalás a hiányzó infromációkra Adatbeviteli segédeszközök alkalmazása: barcode, katalógus Smart Data Q DAS STATISTICS DRIVES SUCCESS
19 Mérési folyamatok alkalmasságának igazolása Gépek- és gyártási folyamatok átvétele Folyamatok minősítése, QRK Folyamatok felügyelete, SPC Folyamat optimalizálás, folyamatparaméterek beállítása A termékek élettartama A digitális termék- emlékezet felépítése Gyártás / mérőlabor Mérő folyamatok SPS, szenzorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok+szolgáltatások) Mailek, videok, dokuk, Web Logo, közösségi média Adatkonszolidáció Smart Data Adatelemzés Eredmények tárolása Q DAS STATISTICS DRIVES SUCCESS 19
20 Mérési folyamatok alkalmasságának igazolása Gépek- és gyártási folyamatok átvétele Folyamatok minősítése, QRK Folyamatok felügyelete, SPC Folyamatoptimalizálás, folyama tparaméterek beállítása A termékek élettartama Q-DAS termékek a digitális termék- emlékezet felépítéséhez Q-DAS adatbank Projektirányítás Adatelemzés Feladatok Q-DAS termékek Eredmények tárolása Q DAS STATISTICS DRIVES SUCCESS 20
21 Információbázis példaszerű feladatkitűzések A termékjellemzők tudják, hogy mikor kell őket ellenőrizni, és ismerik az alkalmas mérési folyamatot. A meglévő gépek és gyártóberendezések alkalmasságának bizonyítékai rendelkezésre állnak. A folyamatok kvalifikáltak. Ebből levezethető, hogy mely termékjellemzőt lehet a berendezéssel előállítani. A megmunkált jellemző kiértékelésre kerül, annak megállapítása céljából, hogy megfelel-e a követelményeknek. Ismertek az egyes megmunkálási lépések optimális paraméterei, és ezek beállítása automatikus. Megbízhatósági vizsgálatok eredményei alapján ismert a várható élettartam. Q DAS STATISTICS DRIVES SUCCESS 21
22 Industry 4.0 Quality 4.0 Gyártás / mérőlabor Mérő folyamatok SPS, Szensorok Tervezés CAQ MES További rendszerek ERP CRM Internet (dolgok + szolgáltatások) Mailek, videok, dokuk, Web Logs, közöségi média Kommunikáció a környezettel Adatkonszolidáció Smart Data Kommunikáció a környezettel Adatelemzés Digitalis termékemlékezet Q DAS STATISTICS DRIVES SUCCESS 22
23 Példa: intenzív (agilis) gyártás Typ 1 Typ 2 Typ k Műveletek OP 1 OP i OP i+1 OP j OP k OP m M1 1 M2 1 Mk 1 M1 2 M2 2 Mk 2 Géptípus 1 M1 n M2 n Mk n Műveleti sorrend Műveleti sorrend Q DAS STATISTICS DRIVES SUCCESS 23
24 Termék áttekintés Terméktípus 1 Változat 1 Változat 2 Változat k Jellemző 1 Jellemző 2 Jellemző n Terméktípus 2 Q DAS STATISTICS DRIVES SUCCESS 24
25 Folyamat áttekintés Géptípus OP 1 OP i Gép M1 1 Szerszám 1 Gép M1 2 Szerszám 2 Gép M1 n Szerszám k OP i+1 OP j Q DAS STATISTICS DRIVES SUCCESS 25
26 Control 2013 Köszönöm a figyelmet! A TUDÁSBÓL SZÁRMAZÓ NYERESÉG FOLYAMATOK GYORS MEGÍTÉLÉSE Q DAS STATISTICS DRIVES SUCCESS 26
A Q-DAS CAMERA koncepció fázisai
Q-DAS - fıbb referenciák 32012.09.25. Q-DAS-ismertetı Q-DAS - fıbb referenciák 4 Q-DAS-ismertetı A Q-DAS CAMERA koncepció fázisai COLLECTING (adatgyőjt jtés) procella Q-DAS -adatformátumok Folyamat-ismeret
RészletesebbenActiveAssist. Rózner Lajos
Rózner Lajos 1 2 Felgyorsult fejlődés 2020 7 Mrd. csatlakozott ember 2020 50 Mrd. csatlakozott termék 1997 6 millió számítógép az interneten 1995 40 millió csatlakozott ember 3 Termékek és szolgáltatások
RészletesebbenInternet of Things és Ipar 4.0 az agrárszektorban. Tarcsi Ádám, ELTE Informatikai Kar
Internet of Things és Ipar 4.0 az agrárszektorban Tarcsi Ádám, ELTE Informatikai Kar ade@inf.elte.hu Ipar 4.0 a 4. ipari forradalom 18. század vége gőzgép, szövőgép, a mechanikus gépek 20. század eleje
RészletesebbenIntegrált Vezérlés. S-NET Mini MST-S3W. Dynamic Compatibility Option
92 Integrált Vezérlés S-NET Mini A nagyobb rendszerek esetében az energetikai optimumok, és a felhasználói igények kiszolgálása érdekében ügyeletet. - MST-S3W Zónaszabályzó Gyermek zár beállítási Üzemmód
RészletesebbenA gyártási rendszerek áttekintése
SZÉCHENYI ISTVÁN EGYETEM GYŐR Gyártócellák (NGB_AJ018_1) A gyártási rendszerek áttekintése Bevezetés A tantárgy célja A gyártócellák c. tárgy átfogóan foglalkozik a gyártás automatizálás eszközeivel, ezen
Részletesebben30 MB INFORMATIKAI PROJEKTELLENŐR
INFORMATIKAI PROJEKTELLENŐR 30 MB DOMBORA SÁNDOR BEVEZETÉS (INFORMATIKA, INFORMATIAKI FÜGGŐSÉG, INFORMATIKAI PROJEKTEK, MÉRNÖKI ÉS INFORMATIKAI FELADATOK TALÁKOZÁSA, TECHNOLÓGIÁK) 2016. 09. 17. MMK- Informatikai
RészletesebbenKÖZPONTI OKOSHÁLÓZATI MINTAPROJEKT
KÖZPONTI OKOSHÁLÓZATI MINTAPROJEKT Kudor Attila műszaki igazgató attila.kudor@komzrt.hu KOM KÖZPONTI OKOS MÉRÉS ZRT. 100%-os MAVIR tulajdonú projektvállalat A Központi Okoshálózati Mintaprojekt végrehajtója
RészletesebbenBig Data az adattárházban
Big Data az adattárházban A párbaj folytatódik? Néhány fontos Big Data projekt Cég Téma Adat Újfajta Mennyiség Saját adat? Típus Google Influenza Google I big I Előjelzés előjelzés Farecast Xoom Chicagoi
RészletesebbenIKT megoldások az ipar szolgálatában
IKT megoldások az ipar szolgálatában Charaf Hassan, egyetemi tanár, tanszékvezető 1 IKT Trendek A mobileszközök és szenzorok erősödése A felhőszolgáltatások elterjedése Hálózati megoldások robusztussága
RészletesebbenCavity Eye, az intelligens szerszám. Dr. Szűcs András CTO
Cavity Eye, az intelligens szerszám Dr. Szűcs András CTO 2016. 11. 08 1 Tartalom Bemutatkozás Cavity Eye technológia; Esettanulmányok; 2 Mi a Cavity Eye? Ahol a tervezés végződik és a sorozat gyártás kezdődik
RészletesebbenIpar 4.0: digitalizáció és logisztika. Prof. Dr. Illés Béla Miskolci Egyetem, GÉIK, Logisztikai Intézet Miskolc, április 19.
Ipar 4.0: digitalizáció és logisztika Prof. Dr. Illés Béla Miskolci Egyetem, GÉIK, Logisztikai Intézet Miskolc, 2018. április 19. Az előadáson érintett témák Termelés és piaci hatások Új piaci színtér
RészletesebbenInfor PM10 Üzleti intelligencia megoldás
Infor PM10 Üzleti intelligencia megoldás Infor Üzleti intelligencia (Teljesítmény menedzsment) Web Scorecard & Műszerfal Excel Email riasztás Riportok Irányít Összehangol Ellenőriz Stratégia Stratégia
RészletesebbenMegszületett a digitális minőségügyi szakember? XXIV. Nemzeti Minőségügyi Konferencia
Megszületett a digitális minőségügyi szakember? XXIV. Nemzeti Minőségügyi Konferencia Online szavazás részletei zeetings.com/adapto XXIV. Nemzeti Minőségügyi Konferencia 2 Bevezető Szemfelszedő, Jéghordó,
RészletesebbenIrányító és kommunikációs rendszerek III. Előadás 13
Irányító és kommunikációs rendszerek III. Előadás 13 GSM-R Flottamenedzsment Mobil fizetési lehetőségek Parkolási díj Útdíj A GSM közlekedési felhasználása Valós idejű információs szolgáltatás Közlekedési
RészletesebbenTermeléshatékonyság mérés Ipar 4.0 megoldásokkal a nyomdaiparban
PRESENTATION Termeléshatékonyság mérés Ipar 4.0 megoldásokkal a nyomdaiparban Kremzer, Péter ICCS Kft. kremzerp@iccs.hu Tartalomjegyzék Folyamatirányítás FIR nélkül Nyomdai sajátosságok Megrendelői igények
RészletesebbenA Jövő Internet Nemzeti Kutatási Program bemutatása
A Jövő Internet Nemzeti Kutatási Program bemutatása Dr. Bakonyi Péter és Dr. Sallai Gyula Jövő Internet Kutatáskoordinációs Központ Budapesti Műszaki és Gazdaságtudományi Egyetem Budapest, 2013. június
RészletesebbenA BLOCKCHAIN TECHNOLÓGIA A BIZTOSÍTÁSBAN MABISZ KONFERENCIA Dr. Kocsis Gergely Ügyvezető RowanHill Global Kft.
A BLOCKCHAIN TECHNOLÓGIA A BIZTOSÍTÁSBAN MABISZ KONFERENCIA 2017 Dr. Kocsis Gergely Ügyvezető RowanHill Global Kft. Tartalom A Blockchain kifejlesztésének okai Blockchain technológia bemutatása Blockchain
RészletesebbenÚj felállás a MAVIR diagnosztika területén. VII. Szigetelésdiagnosztikai Konferencia 2007 Siófok
Új felállás a MAVIR diagnosztika területén VII. Szigetelésdiagnosztikai Konferencia 2007 Siófok Állapotfelmérés, -ismeret 1 Célja: Karbantartási, felújítási, rekonstrukciós döntések megalapozása, Üzem
RészletesebbenADATBÁNYÁSZAT AZ AUTÓIPARI TERMÉKEK FEJLESZTÉSÉBEN
ADATBÁNYÁSZAT AZ AUTÓIPARI TERMÉKEK FEJLESZTÉSÉBEN Zámborszky Judit 2019.05.14. Adatbányászat az autóipari termékek fejlesztésében Industry 4.0 Ipar 4.0 Ipari forradalmak: 1.: Gépek használata (gőzgép)
RészletesebbenA Six Sigma és a destra
A Six Sigma és a destra A Q-DAS termékek felhasználhatósága a Six Sigma projektekben Hanthy László T&T Quality Kft. Q DAS - Experts in Statistics 2 www.ttq.hu 1 A Q-DAS szoftverrendszer rövid bemutatása
RészletesebbenTPM egy kicsit másképp Szollár Lajos, TPM Koordinátor
TPM egy kicsit másképp Szollár Lajos, TPM Koordinátor 2013.06.18 A TPM A TPM a Total Productive Maintenance kifejezés rövidítése, azaz a teljes, a gyártásba integrált karbantartást jelenti. A TPM egy állandó
RészletesebbenA DIGITALIZÁCIÓ ELŐNYEI - HOGYAN LEHET SIKERES MODERNIZÁLT MEGOLDÁSOKKAL A BESZERZÉS, LOGISZTIKA, ÉS RAKTÁRKEZELÉS TERÜLETÉN?
A DIGITALIZÁCIÓ ELŐNYEI - HOGYAN LEHET SIKERES MODERNIZÁLT MEGOLDÁSOKKAL A BESZERZÉS, LOGISZTIKA, ÉS RAKTÁRKEZELÉS TERÜLETÉN? Fábián Zoltán Iparfejlesztési tanácsadó Ipar 4.0 Mintagyárak kiemelt projekt
RészletesebbenADATROBBANÁS. A helyzet alulról január 21. Pajna Sándor. vezérigazgató
2016. 01. 26. 1 ADATROBBANÁS A helyzet alulról 2016. január 21. Pajna Sándor vezérigazgató 2016. 01. 26. 2 Áruk információ tartalmának változása 60 50 Információ(%) Nyersanyag(%) Energia(%) 40 30 20 10
RészletesebbenTakács Gábor mérnök informatikus, okl. mérnöktanár
Takács Gábor mérnök informatikus, okl. mérnöktanár takacsg@sze.hu http://rs1.sze.hu/~takacsg/ Big Data Definition Big Data is data that can t be stored or analyzed using traditional tools. Információ tartalom,
Részletesebben8., ELŐADÁS VIRTUÁLIS LOGISZTIKAI KÖZPONTOK ALKALMAZÁSAI. Klaszter, mint virtuális logisztikai központ
8., ELŐADÁS VIRTUÁLIS LOGISZTIKAI KÖZPONTOK ALKALMAZÁSAI Klaszter, mint virtuális logisztikai központ Feladatai: a beszállítói feladatok kis és középvállalatok versenyképességeinek fokozása érdekében,
RészletesebbenMOTOR HAJTÁS Nagyfeszültségű megszakító
Forradalom a megszakító technológiában MOTOR HAJTÁS Nagyfeszültségű megszakító ABB HV Products - Page 1 Mi az a Motor Hajtás? ABB HV Products - Page 2 Energia Átvitel Energia Kioldás Energia Tárolás Energia
RészletesebbenHidraulikai beszabályozás/mérés módszerek és eszközök március
Hidraulikai beszabályozás/mérés módszerek és eszközök 2018 március Tartalom Hidraulikai beszabályozásról Hidraulikai beszabályozás előkészítése Hidraulikai beszabályozás (a valóság) Division, Hydronic
RészletesebbenIoT szolgáltatások fejlesztése - SensorHUB
IoT szolgáltatások fejlesztése - SensorHUB Érzékelés Feldolgozás Beavatkozás Lengyel László lengyel@aut.bme.hu Aktuális helyzet, körülmények A szenzorok, a mobil eszközök képessége nő A felhőszolgáltatások
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék. Dr. Kulcsár Gyula egyetemi docens
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens Tartalomjegyzék Bevezetés Termelési paradigma fogalma Paradigma váltások A CIM fogalmának
RészletesebbenSokszor a másodpercek döntenek. CHIRON DATALine. egy innovatív platform a folyamatoptimalizáláshoz. Designed and Made in Germany.
Sokszor a másodpercek döntenek egy innovatív platform a folyamatoptimalizáláshoz Designed and Made in Germany Intuitív, integratív és átlátható A teljes gyártási folyamat egy pillantással áttekinthető
RészletesebbenA vállalti gazdálkodás változásai
LOGISZTIKA A logisztika területei Szakálosné Dr. Mátyás Katalin A vállalti gazdálkodás változásai A vállalati (mikro)logisztika fő területei Logisztika célrendszere Készletközpontú szemlélet: Anyagok mozgatásának
RészletesebbenHazai kombinált RKV és Smart metering eszközcsalád fejlesztése. Füredi Gábor Murányi József Prolan Zrt.
Hazai kombinált RKV és Smart metering eszközcsalád fejlesztése Füredi Gábor Murányi József Prolan Zrt. Tartalom Bevezetés Honnan indultunk Milyen tapasztalataink vannak Funkcionális szempontok Integrált
RészletesebbenCsúcstechnológia és hatékonyság infokommunikációs eszközök a mezőn és az istállóban. Dr. Milics Gábor Dr. Pajor Gábor
Csúcstechnológia és hatékonyság infokommunikációs eszközök a mezőn és az istállóban Dr. Milics Gábor Dr. Pajor Gábor Definíció, fejlődés Az IKT olyan - eszközök, - technológiák, - szervezési tevékenységek,
RészletesebbenCopyright 2012, Oracle and/or its affiliates. All rights reserved.
1 Oracle Felhő Alkalmazások: Gyorsabb eredmények alacsonyabb kockázattal Biber Attila Igazgató Alkalmazások Divízió 2 M I L L I Á RD 4 1 PERC MINDEN 5 PERCBŐL 5 6 Ember használ mobilt 7 FELHŐ SZOLGÁLTATÁS
RészletesebbenVezetői információs rendszer
Vezetői információs rendszer A stratégiai tervezés (általában a tervezés) elemzések, döntések, választások sorozata, melynek során a stratégiai menedzsmentnek elemeznie kell a környezetet, a szervezet
RészletesebbenDSO Adatelemzési osztály
DSO Adatelemzési osztály Bodnár Roland 2017. október 05. Jogszabályi háttér, szabályzatok Villamosenergia törvény, VET Végrehajtási rendelet, VHR MAVIR Kereskedelmi szabályzat MAVIR Üzemi szabályzat Elosztói
RészletesebbenNövényi olajprés P4.2.1 / P / P / P Qualität aus Deutschland
Növényi olajprés P4.2. / P.2. / P5.2. / P7.2. Alkalmas: Kendermag, bodzabokormag, jatropha, jojoba kávészemek, kakaóbabszemek, kariténdió, kókuszdió, tökmag, lenmag, mandula, pálmadió, paprikamag, repce,
RészletesebbenHálózatba kapcsolt gyártósor i4.0
Bosch Rexroth Kft. The Drive & Control Company 1103 Budapest, Gyömrői út 104. Telefon: +36-1/422-3200 Fax: +36-1/422-3201 E-mail: sales@boschrexroth.hu www.boschrexroth.com/hu/hu/ Hálózatba kapcsolt gyártósor
RészletesebbenBig Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez
Big Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez Szármes Péter doktorandusz hallgató Széchenyi István Egyetem, MMTDI Dr. Élő Gábor egyetemi docens, Széchenyi István
RészletesebbenSmartActive Squash - IoT sportanalitika a felhőben
SmartActive Squash - IoT sport a felhőben Gódor István Vidács Attila Fehér Gábor TrafficLab HSNLab HSNLab Ericsson Research BME TMIT BME TMIT (SMartActive Garage : Ericsson BME ELTE) SmartActive Okos környezet
RészletesebbenPerspektívák a sertések precíziós takarmányozásában. Halas Veronika, PhD Kaposvári Egyetem Takarmányozástani tanszék
Perspektívák a sertések precíziós takarmányozásában Halas Veronika, PhD Kaposvári Egyetem Takarmányozástani tanszék Az EU országok vágott sertés kibocsájtása (millió hízó) Eurostat (2014) 1000 koca Az
RészletesebbenBME IPAR 4.0 TECHNOLÓGIAI KÖZPONT. Kovács László
BME IPAR 4.0 TECHNOLÓGIAI KÖZPONT Kovács László RÓLUNK - BME Építőmérnöki Kar (ÉMK) - 1782 Gépészmérnöki Kar (GPK) - 1871 Építészmérnöki Kar (ÉPK) - 1873 Vegyészmérnöki és Biomérnöki Kar (VBK) - 1873 Villamosmérnöki
RészletesebbenSIMEAS SAFIR Webalapú hálózatminőség elemző és felügyeleti rendszer
SIMEAS SAFIR Webalapú hálózatminőség elemző és felügyeleti rendszer Horváth Erzsébet, Siemens Zrt. Horváth Erzsébet MEE 54. Vándorgyűlés és Kiállítás Club Tihany, 2007. augusztus 22-24. B3. Szekció: Közszolgáltatások,
RészletesebbenNyilvántartási Rendszer
Nyilvántartási Rendszer Veszprém Megyei Levéltár 2011.04.14. Készítette: Juszt Miklós Honnan indultunk? Rövid történeti áttekintés 2003 2007 2008-2011 Access alapú raktári topográfia Adatbázis optimalizálás,
RészletesebbenIoT alapú mezőgazdasági adatgyűjtő prototípus fejlesztési tapasztalatok
IoT alapú mezőgazdasági adatgyűjtő prototípus fejlesztési tapasztalatok 2016.05.19. Szilágyi Róbert Tóth Mihály Debreceni Egyetem Az IoT Eszközök és más fizikai objektumok elektronikával, vezérléssel,
Részletesebben5G technológiák és felhasználási esetek
5G technológiák és felhasználási esetek Bendek Kovács (Senior Specialist, Network Performance, Ericsson) Mivel foglalkozik az Ericsson? Rádiós hozzáférési hálózatok Felhő szerverparkok építése Telekommunikációs
RészletesebbenBME-Ipar. Win-Win. Intelligens környezetek és e-technológiák. Dr. Charaf Hassan hassan@aut.bme.hu. Fókuszban a Műegyetem és az ipar kapcsolata
Intelligens környezetek és e-technológiák BME-Ipar Win-Win Dr. Charaf Hassan hassan@aut.bme.hu 1 Napirend Trendek az IKT területén Az IKT helyzete a BME-n Együttműködési modellek a BME és ipar között A
RészletesebbenFelhívás okos és innovatív megoldások megvalósítására SMART FACTORY HUB projekt keretében.
1 A felhívás neve Felhívás okos és innovatív megoldások megvalósítására SMART FACTORY HUB projekt keretében. 2 A felhívás kiírója Pannon Gazdasági Hálózat Egyesület 9027, Győr Gesztenyefa utca 4. az alábbi
RészletesebbenAZ IGAZI BIG DATA hogyan használják a világban és egyáltalán használják-e hazánkban?
AZ IGAZI BIG DATA hogyan használják a világban és egyáltalán használják-e hazánkban? Médiapiac 2015 Eger, 2015.03.18 Dévényi Edit Dunai Albert K&H Bank és Biztosító 1 Nem értek hozzá! Mi tart vissza? Túl
RészletesebbenGázelosztó rendszerek üzemeltetése II. rész
Gázelosztó rendszerek üzemeltetése II. rész A gázelosztó vezetéket műszaki-biztonsági szempontból megfelelő állapotban kell tartani!!! RENDSZERESEN ELLENŐRIZNI KELL: tömörségét, elhelyezésére utaló jelzések
RészletesebbenRubin SMART COUNTER. Műszaki adatlap 1.1. Státusz: Jóváhagyva Készítette: Forrai Attila Jóváhagyta: Parádi Csaba. Rubin Informatikai Zrt.
Rubin SMART COUNTER Műszaki adatlap 1.1 Státusz: Jóváhagyva Készítette: Forrai Attila Jóváhagyta: Parádi Csaba Rubin Informatikai Zrt. 1149 Budapest, Egressy út 17-21. telefon: +361 469 4020; fax: +361
RészletesebbenIngatlan vagyongazdálkodás
A létesítménygazdálkodás célja, a vállalati ingatlanok, infrastruktúra, gépek és berendezések optimális hasznosítása, költséghatékony üzemeltetése és értékének megőrzése. Ingatlan vagyongazdálkodás Nyilvántartások:
RészletesebbenIoT, ehealthcare, hol tart a világ, mire számíthatunk, mire készül az ELTE IK
IoT, ehealthcare, hol tart a világ, mire számíthatunk, mire készül az ELTE IK Daiki Tennó ELTE IK Média- és oktatásinformatikai Tanszék dt@inf.elte.hu Egészségőrzés - Az ideális világ Erre tartunk!(?)
RészletesebbenNapenergia beruházások gazdaságossági modellezése
Magyar Regionális Tudományi Társaság XII. vándorgyűlése Veszprém, 2014. november 27 28. Napenergia beruházások gazdaságossági modellezése KOVÁCS Sándor Zsolt tudományos segédmunkatárs MTA KRTK Regionális
RészletesebbenMOBILITÁS VÁLLALATI KÖRNYEZETBEN MEGOLDÁS KONCEPCIÓ
MOBILITÁS VÁLLALATI KÖRNYEZETBEN MEGOLDÁS KONCEPCIÓ 1 Mobil eszközök növekedési trendje 2 A mobil eszközök előnyei Támogatják a mobilitást, könnyű velük utazni, terepen munkát végezni Széles applikáció
RészletesebbenAlacsony fogyasztású IoT rádiós technológiák
Alacsony fogyasztású IoT rádiós technológiák Fehér Gábor - BME Távközlési és Médiainformatikai Tanszék 4. Magyar Jövő Internet Konferencia és Okos Város Kiállítás 2017. november 8. Miről is lesz szó? Miért
RészletesebbenKísérleti üzemek az élelmiszeriparban alkalmazható fejlett gépgyártás-technológiai megoldások kifejlesztéséhez, kipróbálásához és oktatásához
1 Nemzeti Workshop Kísérleti üzemek az élelmiszeriparban alkalmazható fejlett gépgyártás-technológiai megoldások kifejlesztéséhez, kipróbálásához és oktatásához Berczeli Attila Campden BRI Magyarország
RészletesebbenIT trendek és lehetőségek. Puskás Norbert
IT trendek és lehetőségek Puskás Norbert és kapcsolódó Üzleti technológiák elvárások T-Systems stratégia és innováció 2010 Gartner: CIO TOP 10 Technologies, 2011 Mobilizáció Hatások fogyasztói oldalról
RészletesebbenBevezetés a hálózatok világába Forgalomirányítási és kapcsolási alapok Hálózatok méretezése Connecting Networks
IT alapismeretek hálózati alapfogalmak felhő IoT (Internet of Things) virtualizáció e-learning fogalmak CISCO CCNA CISCO CCNP Hibakeresés WIFI ismeretek Bevezetés a hálózatok világába Forgalomirányítási
RészletesebbenTDK tájékoztató Gazdaságinformatika Intézeti Tanszék szeptember
TDK tájékoztató Gazdaságinformatika Intézeti Tanszék 2017. szeptember TDK témakörök és tanszéki kutatások, tájékoztató Tisztelt Hallgató, Tájékoztatjuk, hogy a meghirdetett témakörök csak tájékoztató jellegűek,
RészletesebbenIntelligens közlekedés: a járműipar és járműirányítás IKT igényei, a VehicleICT projekt. Lengyel László lengyel@aut.bme.hu
Intelligens közlekedés: a járműipar és járműirányítás IKT igényei, a projekt Lengyel László lengyel@aut.bme.hu Az IT ma Havonta 850 millió aktív felhasználó a facebookon Az előadásom alatt 1,400,000 tweet
RészletesebbenIpari hőfogyasztásmérő programm. Hőmennyiségmérők és rendszertechnika hőszolgáltatóknak és kisközösségeknek
Ipari hőfogyasztásmérő programm Hőmennyiségmérők és rendszertechnika hőszolgáltatóknak és kisközösségeknek Metrima ipari hőfogyasztásmérő rendszer legmodernebb elektronika, magasfokú rugalmasság és átfogó
RészletesebbenDigitalizációs Kutatás Madar Norbert. A kutatást a megbízásából a készítette
Digitalizációs Kutatás 2018 Madar Norbert A kutatást a megbízásából a készítette HAGYOMÁNYOS / DIGITÁLIS A digitalizáció a hétköznapokban: milyen téren van jelen? HAGYOMÁNYOS DIGITÁLIS TÉRKÉP GPS ÚJSÁG,
RészletesebbenPapp Attila. BI - mindenkinek
Papp Attila BI - mindenkinek 100% 28% 2012 A kiterjesztett BI piac alakulása BAM/CEP 0.23 Other Data 2 Warehouse 10.5 CRM Analytics 1 Data Integration, Data Quality 3 2010 57 mrd USD BI Services 30 2011
RészletesebbenWigner Jenő Műszaki, Informatikai Középiskola és Kollégium // OKJ: Elektronikai technikus szakképesítés.
1 rész 090006 090006/1gy nap nap nap 4. nap 5. nap 6. nap tevékenység 2014.05.13 2014.06.11 2014.06.12 Internetről szakmai dokumentumok letöltése, belőle prezentáció készítése VIZSGAREND A vizsgaszervező
RészletesebbenFoglalkozási napló. Autógyártó 11. évfolyam
Foglalkozási napló a 20 /20. tanévre Autógyártó 11. évfolyam (OKJ száma: 34 521 01) szakma gyakorlati oktatásához A napló vezetéséért felelős: A napló megnyitásának dátuma: A napló lezárásának dátuma:
Részletesebben4.0: Lehetőség vagy követendő irány. ~150 év ~ 60 év. ~ 30 év ~ 15 év
r 4.0: Lehetőség vagy követendő irány 4.0: Lehetőség vagy követendő irány Gödri István, AVENTICS Hungary Kft. ~150 év ~ 60 év ~ 30 év ~ 15 év Mire keres megoldást az Ipar 4.0? A bizonytalan és gyorsan
RészletesebbenGENERÁCIÓS ADATBÁZISOK A BIG DATA KÜLÖNBÖZŐ TERÜLETEIN
INFORMATIKAI PROJEKTELLENŐR 30 MB Szabó Csenger ÚJ GENERÁCIÓS ADATBÁZISOK A BIG DATA KÜLÖNBÖZŐ TERÜLETEIN 2016. 12. 31. MMK- Informatikai projektellenőr képzés Big Data definíció 2016. 12. 31. MMK-Informatikai
RészletesebbenA termék előállítása, megvalósítása (ISO 9001 és 9004 7. pont)
18. A termék előállítása, megvalósítása (ISO 9001 és 9004 7. pont) 18.1 A folyamatok tervezése (ISO 9001 és 9004 7.1. pont) A szabványok 7. pontjainak szerkezete azonos. A 9001 szabvány 7.1. pontja a folyamattervezéssel
RészletesebbenOracle adatkezelési megoldások helye az EA világában. Előadó: Tar Zoltán
Oracle adatkezelési megoldások helye az EA világában Előadó: Tar Zoltán Témák Bemutatkozás Enterprise Architecture bemutatása Mi az az EA? TOGAF bemutatása OEAF bemutatása Oracle megoldások Oracle termékek
RészletesebbenBIG DATA ELEMZÉSEK LEHETŐSÉGEI
BIG DATA ELEMZÉSEK LEHETŐSÉGEI A KÖRNYEZETVÉDELMI MODELLEZÉSBEN Dr. Torma A. 2015.11.13. 2015/11/13 Dr. TORMA A. >> Széchenyi István Egyetem 2 Tartalom 1. A Big Data fogalma 2. Pár érdekes adat a Big Data
RészletesebbenA funkciók áttekintése
A funkciók áttekintése qs-stat millennium Verziószám: 7 / 2006. február Doku-szám: E-PD 08 U Copyright 2006 Q-DAS GmbH & Co. KG Eisleber Str. 2 D - 69469 Weinheim Tel.: ++49/6201/3941-0 Fax: ++49/6201/3941-24
RészletesebbenEnergiapiacon is energiahatékonyan
Energiapiacon is energiahatékonyan Energia konferencia, 2017.02.02. Szalma Péter, IVR vezető- DÉMÁSZ Csoport DÉMÁSZ Csoport bemutatása Tulajdonos váltás: EDF ENKSZ Elosztói, vill. en. kereskedelmi (egyetemes
RészletesebbenA szükséges új mérıpontok kialakítása, mérık, kommunikációs hálózat, adattovábbító eszközök elhelyezésével.
A FÜGGELÉK Az Energy Online szolgáltatás terjedelme A szolgáltatások telepítése és konfigurálása Meglévı intelligens (kommunikáció képes) mérık integrálása és adattovábbítása az Energy Online szerverek
RészletesebbenADATTÁRHÁZ HATÉKONYSÁGNÖVELÉS, REDUNDANCIA CSÖKKENTÉS Frunza Zsolt ÜZLETI INTELLIGENCIA A JÖVŐ, AHOGY MI LÁTJUK
ADATTÁRHÁZ HATÉKONYSÁGNÖVELÉS, REDUNDANCIA CSÖKKENTÉS Frunza Zsolt ÜZLETI INTELLIGENCIA A JÖVŐ, AHOGY MI LÁTJUK TARTALOM 2 1. Miért válik a Redundancia Menedzsment egyre fontosabb kérdéssé? 2. Mit értünk
RészletesebbenGyári infrastruktúra felügyelet
Gyári infrastruktúra felügyelet Farkas Károly, K+F Igazgató, NETvisor Zrt. HTE Infokom 2018, Balatonalmádi, 2018. november 7-9. Áttekintés 1. Bevezetés 2. Infrastruktúra felügyelet 3. Demonstráció 4. Összegzés
RészletesebbenIATF 16949:2016 szabvány fontos kapcsolódó kézikönyvei (5 Core Tools):
APQP IATF 16949:2016 szabvány fontos kapcsolódó kézikönyvei (5 Core Tools): PPAP (Production Part Approval Process) Gyártás jóváhagyási folyamat APQP (Advanced Product Quality Planning and Control Plans)
RészletesebbenAequitas Hungary Consulting Kft.
Aequitas Hungary Consulting Kft. Harta Csaba SAP HANA Cloud Services Csoportvezető SAP HANA Cloud Services Cloud solutions for customers Aequitas Hungary Consulting Kft. 2016 QUANTO Tartalom Cégismertetés:
RészletesebbenÖn a megfelelő mennyiségű és minőségű információk alapján hozza meg döntéseit? Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16.
Ön a megfelelő mennyiségű és minőségű információk alapján hozza meg döntéseit? Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16. Tracsek Ferenc igazgató Alapvető változások kora Az IT iparágban alapvető
RészletesebbenSzerszámtervezés és validálás Moldex3D és Cavity Eye rendszer támogatással. Pósa Márk 2015. Október 08.
Szerszámtervezés és validálás Moldex3D és Cavity Eye rendszer támogatással. Pósa Márk 2015. Október 08. Cégbemutató 2004: Reológiai alapkutatás kezdete a Kecskeméti Főiskolán 2011: Doktori munka befejezése,
RészletesebbenValós idejű információk megjelenítése web-alapú SCADA rendszerben Modbus TCP protokollon keresztül
PRESENTATION Valós idejű információk megjelenítése web-alapú SCADA rendszerben Modbus TCP protokollon keresztül LÓRÁNT, Horváth Process Automatika Kft. info@automatika.hu rendszertechnikai felépítése Beépített
Részletesebben1. HÉT: CRM RENDSZEREKRŐL ÁLTALÁBAN
1. HÉT: CRM RENDSZEREKRŐL ÁLTALÁBAN Dr. Danyi Pál Egyetemi docens, BME 2016. TAVASZ - CRM RENDSZEREK A GYAKORLATBAN 1 TALÁLKOZÁSOK A CRM-MEL Big Data Zara Telekom Webshop ügyfél analitika 2016. TAVASZ
RészletesebbenToolCare 2.1 FRAISA Szerszámmenedzsment. passion for precision
ToolCare 2.1 FRAISA Szerszámmenedzsment passion for precision [ 2 ] Produktívan ToolCare 2.1 -gyel A kifizetődő szolgáltatás A magas minőség, az innovatív termékek és a szolgáltatások átfogó kínálata jellemzi
Részletesebben- Bemutatkozás - Az innováció a tradíciónk!
- Bemutatkozás - Az innováció a tradíciónk! 1 I. Alapítás, fejlődésünk Alapítás: A társaság neve Tulajdonosok Vezető Alkalmazottak száma Fő tevékenység 1989., ASK Kft. (Budapest) + 11 mérnök HNS Műszaki
RészletesebbenSzabó Mihály. ABB Kft., 2013/05/09 Energiahatékonyság és termelékenység a hálózati csatlakozástól a gyártási folyamatokig
Szabó Mihály. ABB Kft., 2013/05/09 Energiahatékonyság és termelékenység a hálózati csatlakozástól a gyártási folyamatokig May 15, 2013 Slide 1 Tartalomjegyzék Energiahatékonyság Termelés és átvitel Smart
RészletesebbenEnergia- & teljesítmény mérők
Energia- & teljesítmény mérők 1194 Budapest, Mészáros Lőrinc u. 130/b Tel.: 06 (1) 288 0500 Fax: 06 (1) 288 0501 www.lsa.hu ELNet GR/PQ Villamos fogyasztásmérő és hálózat analizátor - pontosság: 0,2% (speciális
Részletesebben2011. ÓE BGK Galla Jánosné,
2011. 1 A mérési folyamatok irányítása Mérésirányítási rendszer (a mérés szabályozási rendszere) A mérési folyamat megvalósítása, metrológiai megerősítés (konfirmálás) Igazolás (verifikálás) 2 A mérési
RészletesebbenIPAR 4.0 MINTAGYÁR PROJEKT GINOP
IPAR 4.0 MINTAGYÁR PROJEKT GINOP 1.1.3-16 GINOP 1.1.3 MINTAGYÁR PROJEKT GINOP 1.1.3 MINTAGYÁR KIEMELT PROJEKT Cél: Hazai termelő KKV-k felkészítése az Ipar 4.0 kihívásaira Projekt kód és név: GINOP 1.1.3-16-2017-0001
RészletesebbenÜzleti intelligencia - eszközöktől a megoldásokig
Atlanta Barcelona Berlin Vienna Budapest Bukarest Düsseldorf München Stuttgart Zurich www.ifua.hu Fekete Gábor ügyvezető partner 2007. március 21. Üzleti intelligencia - eszközöktől a megoldásokig IFUA
RészletesebbenInformatika és növekedés. Pongrácz Ferenc ügyvezető igazgató, IBM ISC Magyarország Kft., az MKT Informatikai Szakosztályának elnöke
Informatika és növekedés Pongrácz Ferenc ügyvezető igazgató, IBM ISC Magyarország Kft., az MKT Informatikai Szakosztályának elnöke Honnan jön a lendület? Az Infokommunikációs iparág adja!* 1 2 3 Permanens
RészletesebbenA CRD prevalidáció informatika felügyelési vonatkozásai
A CRD prevalidáció informatika felügyelési vonatkozásai Budapest, 2007. január 18. Gajdosné Sági Katalin PSZÁF, Informatika felügyeleti főosztály gajdos.katalin@pszaf.hu Tartalom CRD előírások GL10 ajánlás
RészletesebbenTermelési folyamat logisztikai elemei
BESZERZÉSI LOGISZTIKA Termelési logisztika Beszállítás a technológiai folyamat tárolójába Termelés ütemezés Kiszállítás a technológiai sorhoz vagy géphez Technológiai berendezés kiválasztása Technológiai
RészletesebbenAz MTA Cloud a tudományos alkalmazások támogatására. Kacsuk Péter MTA SZTAKI
Az MTA Cloud a tudományos alkalmazások támogatására Kacsuk Péter MTA SZTAKI Kacsuk.Peter@sztaki.mta.hu Tudományos alkalmazások és skálázhatóság Kétféle skálázhatóság: o Vertikális: dinamikusan változik
RészletesebbenSmart MEAT Factory Tour
1 2 3 4 5 6 7 8 9 Alt 0 Spc Smart MEAT Factory Tour 2016. május 6. péntek - 2016. május 13. péntek Cloud Tag 1 IFFA 2016 Rendezvények Web Fedezze fel Ön is a modulárisan felépített okos húsüzemet! Jelentkezés
RészletesebbenSONIMA. Az Ön partnere a moduláris üzleti szolgáltatások terén
SONIMA Az Ön partnere a moduláris üzleti szolgáltatások terén 1 Moduláris megoldások Manufacturing Gyártás Assembly Szerelés Industrial Ipari Cleaning tisztítás Warehousing Raktározás Logisztika Logistics
RészletesebbenADATTÁRHÁZ MENEDZSMENT ÉS METAADAT KEZELÉS
ADATTÁRHÁZ MENEDZSMENT ÉS METAADAT KEZELÉS Gollnhofer Gábor JET-SOL Kft. Nyilvántartási szám: 503/1256-1177 TARTALOM Bemutatkozás Adattárház menedzsment szemszögből Mi kell a sikeres adattárházhoz? Kérdések
RészletesebbenEgy nemzetközi piacon sikeres,
Egy nemzetközi piacon sikeres, innovációra építő egri vállalat AZ IPAR 4.0 KÍNÁLTA LEHETŐSÉGEK ÉS KIHÍVÁSOK 55. KÖZGAZDÁSZ-VÁNDORGYŰLÉS EGER, 2017. SZEPTEMBER 7 9. Célom 1. Bemutatni, az innováció segítő
RészletesebbenBig Data: lehetőségek és kihívások
Big Data: lehetőségek és kihívások A kutatás módszertana CISCO CONNECTED WORLD TECHNOLOGY REPORT 3. KIADÁS 1800 Informatikai szakember megkérdezésével készült Az adatfelvétel 2012. augusztusában történt
RészletesebbenKÖVETKEZŐ GENERÁCIÓS NAGYVÁLLALATI TARTALOMKEZELŐ MEGOLDÁSOK Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16. Mezei Ferenc üzletág-igazgató
KÖVETKEZŐ GENERÁCIÓS NAGYVÁLLALATI TARTALOMKEZELŐ MEGOLDÁSOK Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16. Mezei Ferenc üzletág-igazgató Hasonló, mégis más Ez se rossz amíg ezt ki nem próbáltad!
RészletesebbenClick to edit Master title style
2017 Okos Városok Magyarországon - okos városok a régióban 2017 május 25. Bottyán Balázs: Okos város LoRa alapokon - intelilight közvilágítási hálózat, mint smart city alapinfrastruktúra bevezetés és kontextus
Részletesebben