Big Data og Analytics-plattform i Statnett Leslaw Lopacki og Benjamin Thomas. Februar 2018
|
|
- Grete Kristoffersen
- 5 år siden
- Visninger:
Transkript
1 Big og Analytics-plattform i Statnett Leslaw Lopacki og Benjamin Thomas Februar 2018
2 Innholdsfortegnelse 1 Innledning 1 2 Big i Statnett AutoDig SAMBA 3 3 Big -analyseplattform Hadoop-distribusjoner import lagring og tilgjengeliggjøring 7 4 Langsiktig målbilde for Big og Analytics Finbeck og Fia 7 5 Oppsummering 9
3 1 Innledning Kunnskap om driftsforstyrrelser hos Statnett og hos øvrige konsesjonærer brukes som underlag for kontinuerlig forbedring av Statnetts daglige drift, vedlikeholdsmetodikk, nettplanlegging og teknologistandardisering, med mer. En effektivisering og forbedring av dette analysearbeidet har stort potensiale for innsparinger i andre enheter i Statnett. Anleggsdata og anleggsforvaltning er at annet viktig område med stort potensiale for kontinuerlig forbedring for analyse av anleggsdata, analyse av tilstand og tilstandsovervåkning av anleggskomponenter i Statnett. 2 Big i Statnett Statnett har uhorvelige mengder data tilgjengelig, men mesteparten av denne må i dag innsamles og foredles manuelt med en høy kostnad i tid og ressurser. AutoDig og SAMBA er eksempler på prosjekter hvor innsamling og analyse av store mengder data muliggjør effektivisering av viktige områder i Statnett som drift, vedlikehold og feilanalyse. 2.1 AutoDig AutoDig er et Forskning og Utvikling-prosjekt som går ti år tilbake i tid, med mål om å lage en løsning for automatisk innsamling av data for feilsøking og analyse. Den første prototypen, AutoDig 1.0, ble satt i operasjonell drift i Den er ikke fullverdig slik den står i dag, men fungerer som et proof of concept som gir grunnlaget for fremtidige utviklinger. I dag er denne i bruk hos Feilanalyse. Prototypen i regi av Forskning og Utvikling bekreftet nytteverdi og åpnet opp for neste skritt i utviklingen AutoDig 2.0. Prototypen bruker 15 til 60 minutter på å sammenstille driftsdata og gjør heller ingen egen analyse. Dette gjør at systemet kun blir nyttig for Feilanalyse, da det ikke er hurtig eller pålitelig nok til bruk i drift. AutoDig 2.0 er et system for å samle inn, sortere, presentere og analysere informasjon relevant for driftsforstyrrelser. Sammenlignet med prototypens funksjon med å automatisk sammenstille data for analyse, vil dette neste nivået bli et helhetlig og funksjonelt analyse- og diagnoseverktøy. Vi skal øke stabiliteten og effektiviteten samtidig som det nye systemet skal integreres med Statnetts eksisterende infrastruktur. 1
4 AutoDig 2.0 vil samle inn, lagre og analysere store mengder data fra flerfoldige sensorer i nettverket, med fleksibilitet til å legge til flere kilder med tiden. Noen av datakildene som benyttes så langt: kilde PMU data DFR (feilskriver data) Spenningskvalitetsmålinger / Elspec Spenningskvalitetsmålinger / Metrum Distansevern Beskrivelse En rekke tidsserier (1 khz sampling) Tidsserier Tidsserier med en rekke aggregerte parametere (50 Hz sampling) og tidsserier med rådata (50 khz sampling) Tidsserier med aggregerte parametere Comtrade Drift/vedlikeholdsdatabase Meldinger, bryterstillinger, nettkonfigurasjon og driftsmålinger (P,Q,I,U,f) Nettverk Repository Tidsvariable data/met.no ERP Driftsstyring støttesystem Elektrisk nettverksmodell Vær- og lyndata Anleggsdata Drift- og feilrapporter Innsamlede data vil bli lagret i lang tid fremover, på et slikt vis at det er tilgjengelig for analyse også i fremtiden. Målet er å ha kapasitet til å bevare rådataen i opptil 10 år, og prosesserte data i 60 år. Det er kritisk at forsinkelsen i tiden som går fra dataene går inn i systemet til de blir analysert og presentert er så liten som mulig. Det er ønskelig at dette tar under ett minutt, for da kan prosessert data nyttiggjøres i beslutningsprosessene til sentralene. 2
5 2.2 SAMBA SAMBA (Smarter Asset Management with Big ) er et annet prosjekt hvor innsamling og analyse av store mengder data står sentralt. SAMBA er et forskingsprosjekt som identifiserer en rekke bruksområder innenfor anleggsforvaltning og som beskriver en fremtidig arkitektur for anleggsforvaltning. SAMBA har som hensikt å utvikle kunnskapsgrunnlag og konseptuelle løsninger for prediktivt vedlikehold som kan benyttes til å etablere kravspesifikasjoner for fremtidige "Asset management-systemer". SAMBA kartlegger de viktigste use casene for anleggsforvaltning og beskriver arkitekturen som skal understøtte fremtidig anleggsforvaltningssystem. 3
6 3 Big -analyseplattform Big og Analytics-plattformen hos Statnett benytter seg av en såkalt Hadoop-distribusjon. Hadoop ses ofte på som synonymt med Big. Apache Hadoop er et open source-prosjekt som utvikler programvare for pålitelig, skalerbar og distribuert dataprosessering. Prosjektet inkluderer følgende moduler: Hadoop Common: The common utilities that support the other Hadoop modules. Hadoop Distributed File System (HDFS ): A distributed file system that provides highthroughput access to application data. Hadoop YARN: A framework for job scheduling and cluster resource management. Hadoop MapReduce: A YARN-based system for parallel processing of large data sets. 3.1 Hadoop-distribusjoner Komponentene listet over dekker ikke alle behov og det er både begrensninger og utfordringer i å bruke Hadoop ut av boksen. Som svar på dette har flere leverandører utviklet egne distribusjoner av Hadoop. De ulike distribusjonene pakketerer flere verktøy/teknologier i en teknologistack ferdig for kundene å ta i bruk. Leverandørene tilbyr ofte teknisk support i tillegg til et helhetlig produkt med flere komplementære verktøy som kan tilpasses spesifikke oppgaver. I 2016 var, ifølge Forrester, Cloudera, MapR, IBM og Hortonworks markedsledende leverandører av Hadoop-distribusjoner. Det finnes hovedsakelig tre distribusjoner for on-premise-løsninger og tre stacks for cloud-løsninger. Distribusjoner samler flere Big -teknologier og verktøy i et produkt som kan installeres og tas i bruk. Disse kommer ofte med mye dokumentasjon og kurspakker. Også cloud stacks fungerer på lik måte og kan tilgjengeliggjøres som et produkt i skyen. Blant viktigste on-premise-distribusjoner skal det nevnes Cloudera, MapR, IBM og Hortonworks. De viktigste cloud stacks er Amazon Web Services, Azure og Google Cloud Platform. Hver av distribusjoner inkluderer verktøy som i tillegg til Hadoop dekker også følgende områder: Import av data (eller ingestion) Tilgang til data forvaltning/management Governance Driftstøtte/operations Integrasjon Verktøy Hadoop-plattformen som etableres hos Statnett, etableres i første omgang on-premise, bestående av en rekke kraftige data noder/servere. Plattformen skal kunne romme 1 PB med strukturerte og ustrukturerte data. I første fase består plattformen av 6 data noder og 6 management noder, men skal på sikt utvides med ytterligere 10 data noder. De viktigste komponenter i Statnetts Big og Analytics plattformen er IBM BigInsights og Hortonworks. Med Hortonworks som hovedkomponent, da IBM holder på med å omstrukturere BigInsights. Hortonworks Platform(HDP) er en skalerbar open source Hadoop-distribusjon og plattform for lagring, prosessering og analyse av store mengder data. Hele plattformen som blir introdusert på Statnett består i tillegg av følgende programvarekomponenter: 4
7 IBM BigSQL IBM Streams IBM BigIntegrate Tableau Server og Desktop IBM SPSS Modeler IBM BigR IBM BigSQL BigSQL er et SQL-lag på toppen av Hadoop/HDFS som gjør det mulig å lage tabeller og spørringsdata med SQL-syntaks. På toppen av SQL-spørringsmotoren er det mulig å påvirke datatilgjengelighetsstrategien for spørringene med optimaliseringshint og tilpasningsinnstillinger. Ut ifra hva slags spørring du gir systemet, i henhold til datavolum og andre faktorer, kan BigSQL nytte Hadoop sitt MapReduce-rammeverk til å prosessere forskjellige spørringer parallelt eller kjøre spørringen din lokalt (kun i en node), alt ettersom hva som er mest passende for akkurat den spørringen. 5
8 3.1.2 IBM Streams IBMs plattform for avanserte beregninger som tillater brukerutviklede applikasjoner å raskt innta (ingest), analysere og korrelere informasjon fortløpende som den kommer fra tusenvis av kilder, i sanntid. Denne løsningen kan håndtere veldig store datagjennomstrømningsmengder, i størrelsesordenen millioner av hendelser eller meldinger per sekund Tableu Server og Desktop Tableau er et avansert og svært godt visualiseringsverktøy som I hovedsak benyttes til datavisualisering, dashboarding og dataoppdagelse IBM SPSS Modeler IBM levert SPSS er et statistisk verktøy fra IBM som brukes for ikke-batch og batch-statistisk analyse. IBM SPSS Modeler er en del av SPSS-pakken, som gir et sett med data mining-verktøy for å utvikle prediktive modeller ved hjelp av forretningskompetanse og distribuere dem til operasjoner for å forbedre beslutningsprosessen. IBM SPSS Modeler støtter en rekke modelleringsmetoder inkludert maskinlæring, kunstig intelligens og statistikk. 3.2 import Sanntidsdata mottas gjennom Open Source-komponenten Kafka. Dette er en mekanisme etter Publish- Subscribe-mønsteret som reagerer på eksterne events og bufrer data som så ulike konsumenter kan abonnere på. IBM Streams kan abonnere på disse dataene, prosesserer disse fortløpende i sanntid, i den grad standard maskinvare kan operere i sanntid. Denne overføringen og prosesseringen av data i sanntid kalles også ofte for streaming. Streaming brukes til overføring av data, bilder eller lyd fra en sender til en eller flere mottakere. IMB InfoSphere Streams er en utviklingsplattform med en arkitektur som skalerer horisontalt. Den inneholder et omfattende sett av verktøy for utvikling og styring av plattformen IBM Streams kan konfigureres til å skrive mottatt informasjon direkte til lageret, men vi ser oftest at det vil det inngå ulike prosesseringssteg, eksempelvis transformering (f.eks. endring av dataformat), fjerning av attributter, korrelering med data fra andre kilder, klassifisering basert på modeller generert fra historiske data eller annotering ved oppslag i statisk informasjon basert på nøkkelfelter i dataene IBM Streams kan analysere og korrelere alle typer data som lyd, video, nettverkslogger, sensorer, sosiale medier som Twitter, i tillegg til strukturerte data. InfoSphere Streams er designet for å skalere for å behandle alle størrelser av data fra terabytes til zetabytes per idag BigIntegrate Big Integrate er en variant av stage ETL-verktøy tilpasset Hadoop og som kan importere store mengder data fra en rekke kilder, f.eks. fra relasjonsdatabaser som Oracle Sqoop Apache Sqoop er et kommandolinjegrensesnitt for overføre data mellom relasjonsdatabaser og Hadoop. Navnet er en kombinasjon av SQL og Hadoop. I AutoDig 2.0 vil dette brukes til innta data fra relasjonsdatabaser og legge det inn i Lake fortløpende som kilde-databasene oppdateres Flume Apache Flume er en programvare for å effektivt samle, aggregere og flytte store mengder logg-data fortløpende som de genereres. 6
9 3.3 lagring og tilgjengeliggjøring i Statnetts Big og Analytics-plattform lagres i en rekke databaser som kjøres på Hadoop / HDFS. De største mengde data som er sensor data lagres i tidsseriedatabaser. Tidsserier kan lagres i Hadoop f.eks. i HBase eller OpenTSDB. Tidsseriedata og andre data kan også lagres i HDFS. Det benyttes i tillegg mer avanserte grensesnitt som f.eks. BigSQL som gjør det mulig å lagre og aksessere data i HBase og HDFS ved bruk av SQL utrykk. I tillegg kan deg også benyttes verktøy som Hive som grensesnitt for å lagre data i Hadoop. 4 Langsiktig målbilde for Big og Analytics Finbeck og Fia Samtidig som det jobbes med på etablere den første, initiale plattformen, arbeides det med et langsiktig målbilde på dette området innenfor Finbeck-prosjektet. Finbeck er et samarbeidsprosjekt mellom Forskning og Utvikling og IKT, som et initiativ innen Smarte Nett-porteføljen. Statnett har som mål å være i fronten av utviklingen av et kraftsystem som stadig er i endring. Finbeck er Statnetts prosjekt for å finne veien videre inn i fremtiden når det kommer til teknologiske løsninger. Navnet kommer av prosjektets slektskap til prosjektet for felles informasjons-arkitektur innad i Statnett, FIA. (Red. melder: Tegneserien Fiinbeck og Fia) FIA skal etablere en felles informasjonsarkitektur på tvers av hele Statnett, mens Finbeck etablerer målbilde og arkitektur-roadmap for hvordan IKT-infrastrukturen må se ut for å for å understøtte de ulike behovene knyttet til innsamling, lagring, prosessering, analyse og tilgjengeliggjøring av data. Som resultat av flere workshops og diskusjoner i Finbeck-prosjektet og med input fra blant annet NIST og IBM-modellene, har Statnett definert sin egen referansearkitektur. Statnetts High Level Referencemodell er delt inn i fire hovedområder: datakilder, dataplattform, konsumenter samt sikkerhet og governance. plattformen består av flere komponenter på høynivå, inkludert innsamling, distribusjon, analyse, lagring og tilgjengeliggjøring. Høynivå-arkitekturen definert av Finbeck samsvarer med NISTreferansearkitekturen bortsett fra visualiseringskomponenten. Visualiseringskomponenter kan eksistere både innenfor og utenfor referansearkitekturen. I Statnett er visualisering definert utenfor plattformen. I praksis vil det bli noen få tekniske programvarekomponenter som også implementeres som en del av Big og Analytics-plattformen. Statnett sin referansearkitektur for Big og analyse. 7
10 acquisition & application access IBM har på den andre siden delt sin modell i 12 forskjellige områder med økt fokus på Analytics (Analytics i bevegelse og Analytical Lake Storage) og forbrukersiden (Discovery and Exploration, Actionable Insights og Enhanced Applications). Sources New sources Machine & Sensor data Image & Video Content Services Social Internet Sets Weather Commercial Sets Traditional sources Third-Party Ingestion & Integration Stage BigIntegrate Kafka IBM Streams Flume Sqoop JanusGraph OpenTSDB HBase HDFS Analytical Lake Storage Oracle DBMS (Innsikt) Access Hive BigSQL Solr Kafka Discovery & Exploration Tableau Actionable Insight Cognos Analytics SPSS Zeppelin Enhanced Applications PCI BBCI New Business Models TM1 OpenPages Fraud & Operations Transactional Application IBM Streams Analytics In-Motion Spark Streaming PMQ CMA System of Record Spark YARN Analytics Operating System Oozie Ambari Knox On-Premise Information Management & Governance Security Platform Governance Catalog Ranger IBM sin referansearkitektur for Big og analyse. På bakgrunn av undersøkelser og intervju i Statnett organisasjon har Finbeck-prosjektet kartlagt en rekke kapabiliteter som en fremtidig Big og Analytics-plattform skal støtte. De fleste av disse kapabiliteter støttes i Hadoop-plattformen som tas frem i dag i AutoDig-prosjektet, mens enkelte av disse vil støttes i det fremtidige målbildet. Blant kapabiliteter og områder som det fortsatt må arbeides med er det viktig å trekke frem Cloud GWintegrasjon og Exchange API som områder som ikke i tilstrekkelig grad støttes av nåværende plattform, i tillegg er det er behov for ytterligere pilotering og testing av teknologi og metodikk for håndtering av sanntidsdata. Dette innebærer at for å nå det fremtidige målbilde er det viktig å se på og vurdere avanserte Platform as a Service- og Software as a Service-skytjenester (PaaS- og SaaS-skytjenester) som tilbyr avanserte AItjenester som naturlig språkforståelse, datautvekslings-apier og gateways med tredjeparter, samt forbedring av infrastrukturen for inntak av sensordata. 8
11 motivation CapabilityMap - simple Low latency IoT data transport High throughput IoT data transport User friendly visualization Configurable and personalized visualization Map visualization Aligning and harmonizing facts from various sources Open Access to and Sharing Quality and Consistency Check Rule Engine support Classic Rule Engine Support Handling of real time information and streaming analysis Chatbot conversation support Natural language understanding Sensor Time Synchronization support Event Notification, Filtering and Distribution Redundancy and disaster recovery Fine-grained access control and perimeter security/aaa High volume data storage High CPU and GPU power Catalogue Document Storage Triple Store and Graph storage Processing of batch data Drone Fleet Management & Capture Actor Framework Video and picture analysis Machine Learning support Deep Learning support Audio analysis support Science Tools 5 Oppsummering Gjennom AutoDig 2.0 prosjektet etablerer Statnett en nytt Big og Analytics-plattform som er en viktig forutsetning for å understøtte forbedringer innenfor Statnetts daglige drift, vedlikeholdsmetodikk, nettplanlegging og teknologistandardisering, anleggsforvaltning, analyse av tilstand og tilstandsovervåkning med mer. Dette gir stort potensiale for innsparinger i andre enheter i Statnett. plattform som introduseres gjennom AutoDig 2.0-prosjektet på Statnett, dekker ennå ikke alle fremtidige behov. Gjennom Finbeck og SAMBA-prosjektet arbeides det med å kartlegge egenskapene, arkitekturen og de viktigste bruksområdene til den fremtidige Big og Analytics-arkitekturen. Det er flere områder som skal utforskes og skal utvides fremover. Dette inkluderer cloud-integrasjon, avanserte PaaS- og SaaS-skytjenester som tilbyr avanserte AI-tjenester som naturlig språkforståelse, datautvekslings-apier og gateways med tredjeparter, samt forbedringer av infrastrukturen for inntak av sensordata. 9
Bedre feildetektering, raskere feilhåndtering og færre feilinvesteringer
Bedre feildetektering, raskere feilhåndtering og færre feilinvesteringer Med kunstig intelligens leslaw.lopacki@statnett.no Oslo, 15-02-2018 Bilde: Statnett Dette er Statnett Statnett er systemansvarlig
DetaljerOperasjonalisering av AI - "Risikobasert tilnærming" Presentasjon "AI / data science i offentlig sektor"
Operasjonalisering av AI - "Risikobasert tilnærming" Presentasjon "AI / data science i offentlig sektor" 26.11.2018 Rune Hammerstad, Skatteetaten SITS Skatteetaten er i endring Fra nasjonal til global
DetaljerFinbeck fase 1. Executive Summary Oslo, januar 2018
Finbeck fase 1 Executive Summary Oslo, januar 2018 En fremtidsrettet arkitektur for data og analyse vil være sentral i arbeidet med å realisere fremtidens kraftsystem Et fremtidsrettet kraftsystem AUTOMATISERING
DetaljerIBM Bruksbetingelser Betingelser for et bestemt IBM SaaS-tilbud. IBM High Performance Services for Hadoop
IBM Bruksbetingelser Betingelser for et bestemt IBM SaaS-tilbud IBM High Performance Services for Hadoop Bruksbetingelsene ("Bruksbetingelsene" eller "ToU") består av denne IBM Bruksbetingelser Betingelser
DetaljerHvordan bedømmer Gartner de lange linjene?
Hvordan bedømmer Gartner de lange linjene? q Digitalisering skaper STORE informasjonsmengder som foreldes raskt og er nærmest verdiløse uten rask og presis analyse q Tradisjonell BI er ikke godt nok, den
DetaljerModerne integrasjonsarkitektur for B2C og B2E. Steinar Kolnes, Senior utvikler
Moderne integrasjonsarkitektur for B2C og B2E Steinar Kolnes, Senior utvikler Følg presentasjonen via egen enhet Dagens agenda BYOD som eksempel på moderne integrasjonsarkitektur for B2E og B2C Historikk
DetaljerHva må jeg tenke på for å være sikker på at data er trygt lagret i skyen? Marius Sandbu
Hva må jeg tenke på for å være sikker på at data er trygt lagret i skyen? Marius Sandbu marius.sandbu@evry.com De største leverandørene i markedet Markedet og trender for offentlig skyløsninger AWS vokser
DetaljerDatasjø. Hvordan samle, bearbeide og lagre stordata for bruk gjennom maskinlæring og kunstig intelligens
Datasjø Hvordan samle, bearbeide og lagre stordata for bruk gjennom maskinlæring og kunstig intelligens Pål A. Reiersgaard Vanndagene på Vestlandet, 11.09.2019 Agenda o Om meg og hva jeg driver med o Hva
DetaljerBigData hos Hafslund. Steinar Rune Eriksen Senior Rådgiver IKT
BigData hos Hafslund Steinar Rune Eriksen Senior Rådgiver IKT Innledning Bakgrunn og interne arkitekturbeslutninger i 2014/2015 Behovet for å håndtere langt større datamengder i årene fremover Utnyttelse
DetaljerDatainnsamling og analyse Tussa kraftverk
Kunnskap. Ytelse. Pålitelighet. Datainnsamling og analyse Tussa kraftverk Anders Willersrud, PhD Digitalisering i Vattenkraften, Arlanda, 9. maj 2019 Hymatek Controls Del av Rainpower Group Leverandør
DetaljerCloud Readiness Assessment
Introduction to Cloud Readiness Assessment Christopher Arsene de Jesus Wiborg Technical Business Developer cra@evry.com Agenda Cloud Sync Hvorfor, Hvordan, Hva CRA? CRA i et nøtteskall IMDi Case Study
DetaljerHva betyr tjenesteorientert arkitektur for sikkerhet?
Hva betyr tjenesteorientert arkitektur for sikkerhet? Torbjørn Staff Architecture Innovation Group Accenture, its logo, and High Performance Delivered are trademarks of Accenture. Agenda Arkitekturevolusjonen
Detaljermnemonic frokostseminar
SIKRING AV SKYTJENESTER mnemonic frokostseminar 07.06.2016 trond@mnemonic.no Me % whoami trond % cat /etc/passwd grep trond trond:x:2147:10000:trond Tolnæs:/home/trond:/usr/bin/bash % ls -ltd /home/trond/.[^.]*
DetaljerStøtter din digitale reise
Støtter din digitale reise Teknologi og prosess tenkt på nytt Sebastian Reichmann, Advisor for Analytics & Cognitive; EVRY Cloud analytics Product innovation Smart Automation Use more data to generate
DetaljerAUTOMATISK HENDELSESANALYSE. Av Henrik Kirkeby SINTEF Energi AS
AUTOMATISK HENDELSESANALYSE Av Henrik Kirkeby SINTEF Energi AS Sammendrag SINTEF har utviklet et analyseverktøy i Matlab som kan brukes til hendelsesanalyse, kalt A-HA (automatisk hendelsesanalyse). Verktøyet
DetaljerSystemleverandører anno 2011
Systemleverandører anno 2011 Er de klare for skyen? M.Sc. Bo Hjort Christensen Industrial Professor/Associate Dean BI Business School Institutt for ledelse og organisasjon Bedriftsrådgiver BHC A/S bo.h.christensen@bi.no
DetaljerSystemarkitektur for tingenes internett
Systemarkitektur for tingenes internett Pål Evensen paal.evensen@lyse.no Lyse Smart AS 21. Oktober 2014 Outline Lyse Smart Smartly The Internet of Things (IoT) Muligheter Utfordringer Systemarkitektur
DetaljerOrientering om E-ARK4ALL. Et pågående delprosjekt av CEF earchiving buildingblock
Orientering om E-ARK4ALL Et pågående delprosjekt av CEF earchiving buildingblock Agenda Introduksjon og historie Hvorfor er dette viktig for oss? Hva består prosjektet av? SIARD Veien videre à EARK3? Introduksjon
DetaljerVedlikeholdsstyring i et digitalt perspektiv Eli Sivertsen Maintech konferansen 2018
Vedlikeholdsstyring i et digitalt perspektiv Eli Sivertsen Maintech konferansen 2018 1 Classification: Open 4 april 2018 Statoil ASA Vedlikeholdsstyring i et digitalt perspektiv Hva skjer når hettegenseren
DetaljerVeien til kognitive bygg legges nå
Veien til kognitive bygg legges nå Digitaliseringsdirektør i GK Øyvind Monrad-Krohn Oyvind.monrad-krohn@gk.no +47 95141112 @oyvindmk www.linkedin.com/in/oyvindmk buildingsmartnorge.slack.com 2 Hvem er
DetaljerHårfagre ITS Konferanse 2013
ITS Norway Hårfagre ITS Konferanse 2013 ITS Norge Hårfagre og ITS Arena Alle sektorer samordning, smartere og mer miljøvennlig Å samle Transport-Norge til ett digitalt rike Hårfagre: Visjon Motivasjon
DetaljerMED PUBLIC CLOUD INNOVASJON OG MULIGHETER. Altinn Servicelederseminar September 2017
INNOVASJON OG MULIGHETER MED PUBLIC CLOUD Altinn Servicelederseminar - 21. September 2017 Geir Morten Allum geir.morten.allum@basefarm.com Product Development Basefarm AGENDA ALTINN SERVICELEDERSEMINAR
DetaljerHelhetlig integrasjonsplattform. Per Olav Nymo
Helhetlig integrasjonsplattform Per Olav Nymo Affecto i korte trekk Bergen I Norge siden 1997 Spesialisert på Enterprise Information Management 130 ansatte i Oslo og Bergen 1.000 ansatte i Norden og Baltikum
Detaljer// PRESENTASJONER FRA NJAVA
// PRESENTASJONER FRA NJAVA } NAV i det store bildet Ingunn M. Godal } Nye ambisjoner, nye muligheter Torbjørn Larsen } Hvordan gjør vi det - våre behov Petter Hafskjold NAV i det store bildet John Dee
DetaljerAzure Stack. - når skyen blir lokal. Foredragsholder: Odd Egil Bergaust
Odd Egil Bergaust Azure Stack - når skyen blir lokal Foredragsholder: Odd Egil Bergaust www.evry.no/azurestack EVRY er din #1 skyrådgiver i Norden En av de største partnerne i Norden. En av de første til
DetaljerMaster Data Management
Master Data Management Hvordan kan MDM brukes til å sikre at masterdata er korrekte? Kim Askild Jensen, SAP MM/SRM/MDM/BPM/Screen Personas konsulent 1 12. september 2012 MDM Masterdata presentasjon Generell
DetaljerSystem integration testing. Forelesning Systems Testing UiB Høst 2011, Ina M. Espås,
System integration testing Forelesning Systems Testing UiB Høst 2011, Ina M. Espås, Innhold Presentasjon Hva er integration testing (pensum) Pros og cons med integrasjonstesting Når bruker vi integration
DetaljerBusiness Intelligence og Datavarehus
Business Intelligence og Datavarehus Gode råd på veien Avfall Norge onsdag 16 januar, 2018 Kort om Webstep Webstep hvor er vi? Noen kundeeksempler BI i Webstep 70 teknologieksperter innen det utvidede
DetaljerBruk av ucmdb til SLM og Change Management EDB Business Partner Industri 2009-02-04
Bruk av ucmdb til SLM og Change Management EDB Business Partner Industri 2009-02-04 EDB Business Partner organisasjon Bank & Finance Public sector Telecom Industry 1000 FTE s 1600 MNOK revenue Application
DetaljerHelt, ikke stykkevis og delt
Helt, ikke stykkevis og delt Amin Haddadi Siv.ing./PhD Rådgiver eiendomsledelse CV Sivilingeniør fra NTNU 2008 Prosjektleder og tidligfaserådgiver, usikkerhetsanalyser, OPAK Rådgiver Eiendomsledelse, Multiconsult
DetaljerSPIRIT OF INNOVATION NY PLATTFORM FOR INFORMASJONSSTØTTE PÅ BRO RUNE VOLDEN ULSTEIN POWER & CONTROL AS
SPIRIT OF INNOVATION NY PLATTFORM FOR INFORMASJONSSTØTTE PÅ BRO RUNE VOLDEN ULSTEIN POWER & CONTROL AS UPC PRODUCT COM Bridge Power & Drives IAS BRUKERGRENSESNITT BRUKERGRENSESNITT BRUKERGRENSESNITT BRUKERGRENSESNITT
DetaljerSkyløsninger. Sikkerhet og leveransemodell
Skyløsninger Sikkerhet og leveransemodell Per Christian Berg per.christian.berg@visma.com 977 07 330 Agenda Hva er skytjenester? Litt bakgrunn Visma Enterprise BI, arkitektur og sikkerhet Personopplysninger
DetaljerHvordan digitalisering skaper et fremtidsrettet nettselskap CINELDIs bidrag til dette
Hvordan digitalisering skaper et fremtidsrettet nettselskap CINELDIs bidrag til dette KS Bedrift Energi, Møteplass 2018, 2018-04-18 Gerd Kjølle, Senterleder CINELDI Centre for Intelligent Electricity Distribution
DetaljerFriheten ved å ha Office på alle enhetene dine
Hva er Office 365? Hva er Office 365? Office er nå en abonnementstjeneste hvor bedriften vil ha enda flere muligheter til å opprettholde produktiviteten, uansett hvor du jobber fra. Med Office som abonnement,
DetaljerLicense Management Morten A. Steien EDB Business Partner Industri
License Management Morten A. Steien EDB Business Partner Industri 2009-02-04 EDB Business Partner organisasjon Bank & Finance Public sector Telecom Industry 1000 FTE s 1600 MNOK revenue Application Services
DetaljerBig data teknologier og potensialet for datadrevet innovasjon sett fra forskningens perspektiv
Big data teknologier og potensialet for datadrevet innovasjon sett fra forskningens perspektiv Smartgrid konferansen 2016, 13-14.09.2016, onsdag 14. september, kl. 09:50 10:10 Arne J. Berre, SINTEF IKT
DetaljerDigitalisering Status i Felleskjøpet
Digitalisering Status i Felleskjøpet Digitaliseringen gir mange muligheter og det er ikke en fremtidsvisjon for landbruket. Oppsummering og læring fra 2017 - Muligheter for verdiskapning gjennom mer relevante
DetaljerOracle10g og Oracle9i Grid og RAC, hva er forskjellen?
Oracle10g og Oracle9i Grid og RAC, hva er forskjellen? Version 1.03 23.03.2004 Ingemar Jansson Haverstad ingemar@oraklet.no www.oraklet.no/foredrag Real Application Cluster Oracles visjoner Oracle10g g
DetaljerAGENDA. En produktiv arbeidsplass Ja, derfor Office 365 Hege Line Arnstein Andreassen. Office 365 del 2. Avslutning. Marie Johansen, Microsoft
AGENDA En produktiv arbeidsplass Ja, derfor Office 365 Hege Line Arnstein Andreassen Office 365 del 1 Marie Johansen, Microsoft PAUSE Office 365 del 2 Marie Johansen, Microsoft Avslutning Hege Line Eiliv
DetaljerBI strategi rasjonale og metode. Fred Anda. Managing Partner NextBridge Advisory 8. november 2016
BI strategi rasjonale og metode Fred Anda Managing Partner NextBridge Advisory 8. november 2016 Agenda Hva kjennetegner BI i 2016? BI-strategi hva er det og hvorfor trenger vi det? BI-strategi hvordan
DetaljerStordata i offentlig sektor OSDF 7.12
Stordata i offentlig sektor OSDF 7.12 Hva er stordata? Store datavolum (Volume) Virksomhets data Varierte data fra forskjellige kilder (Variety) Innhenting av data i real-time (Velocity) Transaksjoner
DetaljerSkytjenester (Cloud computing)
-Ein tydeleg medspelar Skytjenester (Cloud computing) Kontaktkonferanse Kristiansund 14.-15. juni Dagfinn Grønvik - IT-sjef Møre og Romsdal fylkeskommune Luftig begrep Skytjenester.men likevel rimelig
DetaljerSocial Network Analysis. Process Capability Analysis. Vector Autoregressive Models. Discrete Event Simulation. Decision Trees. Psychometric Analysis
Analysis of Variance Spectral Analysis R Integration Nonlinear Programming Matrix Programming Neural Networks Statistical Analysis Exploratory Data Analysis Data Visualization Text Analytics Design of
DetaljerSmartere byer gir bedre miljø og nye gevinstmuligheter. Morten Thorkildsen mothor@no.ibm.com 2009 IBM Corporation
Smartere byer gir bedre miljø og nye gevinstmuligheter Morten Thorkildsen mothor@no.ibm.com 2009 IBM Corporation Det Smarte Trondheim En by er et system av systemer Offentlige City Tjenester Services Water
DetaljerGir vi IKT-kandidatene egnet kompetanse for fremtiden? Morten Dæhlen Dekan
Gir vi IKT-kandidatene egnet kompetanse for fremtiden? Morten Dæhlen Dekan Lange linjer i utviklingen av IKT-faget/informatikk Hvordan blir (IKT-)utdanninger til? Digital kompetanse i bredden og på alle
DetaljerFINN.no. Driving - business growth - developer speed - employee satisfaction. by just a few hundred decisions. Cloud and Data
Cloud and Data FINN.no Driving - business growth - developer speed - employee satisfaction by just a few hundred decisions 1 morten.hanshaugen@finn.no Vi hjelper folk til å ta smartere valg både for seg
DetaljerRammeverk for anskaffelse av tjenester i skyen.
Rammeverk for anskaffelse av tjenester i skyen. Et porteføljeperspektiv Ivar Aune 19. januar 2012 2010 Dobbelt så bra, på halv tid, til halv pris.. 2 Mitt Transportselskap AS Lagerstyring (WMS) i skyen
DetaljerBilag 3 Del 1 Kundens tekniske løsning Avtalereferanse: NT Digitale Display
Bilag 3 Del 1 Kundens tekniske løsning Avtalereferanse: NT-0860-14 Digitale Display VERSJON : 10 DATO: 19.12.2014 Side 1 av 6 Bilag 3 Del 1 NT-0860-14 Digitale Display Innholdsfortegnelse Innhold 1 INFORMASJON
DetaljerA Study of Industrial, Component-Based Development, Ericsson
A Study of Industrial, Component-Based Development, Ericsson SIF8094 Fordypningsprosjekt Ole Morten Killi Henrik Schwarz Stein-Roar Skånhaug NTNU, 12. des. 2002 Oppgaven Studie av state-of-the-art : utviklingsprosesser
DetaljerAnbefaling om bruk av HL7 FHIR for datadeling
Anbefaling om bruk av HL7 FHIR for datadeling Retningslinje utgitt 03/2019 1 Publikasjonens tittel: Utgitt: 03/2019 Dokumenttype Retningslinje Utgitt av: Direktoratet for e-helse Kontakt: postmottak@ehelse.no
DetaljerROADMAP FOR DIGITALISERING
ROADMAP FOR DIGITALISERING NBBL ØKONOMIKONFERANSEN 2018 ØYVIND PEDERSEN SENIOR MANAGER Alt innhold, inkludert, men ikke begrenset til metoder og analyser i denne presentasjonen tilhører BDO AS eller BDO
DetaljerStore data til dem som trenger det
Store data til dem som trenger det Martin Giese UiO, institutt for informatikk 16. oktober 2015 Martin Giese (UiO, institutt for informatikk) Store data til dem som trenger det 16. oktober 2015 1 / 16
DetaljerRUSSISKE HACKERE I AKSJON. Copyright 2016 EMC Corporation. All rights reserved.
RUSSISKE HACKERE I AKSJON MAKE YOUR COMPUTING GREAT AGAIN «Nyttig og aktuell i disse tider. Terningkast 6.» - VG SIKKERHETSKURS OG NORSK-RUSSISK ORDBOK Skrevet av Alex Chistyakov DEN NESTE INDUSTRIELLE
DetaljerDistributed object architecture
Forelesning IMT2243 6. April 2010 Tema: forts. arkitektur og design av programvare Prosjektstatus Programvarearkitektur Oppsummering fra før påske Distribuerte objektarkitektur MDA - Model Driven Architecture
Detaljer360 Online. ikke bare "one size for all" Simen Myrum Forretningsutvikler Tieto, Software Innovation
360 Online ikke bare "one size for all" Simen Myrum Forretningsutvikler Tieto, Software Innovation simen.myrum@tieto.com Agenda Hva er sky? Hva er verdien med sky? Hvordan levere sky til alle? Oppsummering
DetaljerReliable RT processing @ Spotify
Reliable RT processing @ Spotify Pablo Barrera February 5, 2014 Spotify 3 Spotify the right music for every moment over 6 million paying customers over 24 million active users each
DetaljerSmarte nett - Fra tradisjonell distribusjon til intelligent transport og utveksling av elenergi. SINTEF Energiforskning AS
Smarte nett - Fra tradisjonell distribusjon til intelligent transport og utveksling av elenergi Kjell.sand@sintef.no 1 Nettets andel av fremtidige energiinvesteringer Kilde: IEA 2 SMART GRID et definisjonsforslag
DetaljerDigitalisering innen industrien
førstevalget for industriell effektivitet Digitalisering innen industrien TEKNOLOGIFORUM 5. MARS, 2019 Forbedre din konkurransekraft Uavhengig samarbeidspartner førstevalget for industriell effektivitet
DetaljerDataforeningen Østlandet Cloud Computing DEN NORSKE DATAFORENING Vi engasjerer, påvirker og skaper fremtid!
Dataforeningen Østlandet Cloud Computing DEN NORSKE DATAFORENING Vi engasjerer, påvirker og skaper fremtid! Peter Flem Forretnings rådgiver @ Cartagena peter@cartagena.no Mobil: 93477148 Leder for faggruppen
DetaljerBASEFARM. Dato Author: Sven Ole Skrivervik CTO & Produkt-direktør
BASEFARM Dato 18.03.2019 Author: Sven Ole Skrivervik CTO & Produkt-direktør EUROPEISK IT TJENESTE-TILBYDER Startet i Norge i 2000. 18 års erfaring innen drift av alt fra større web-siter til store forretningskritiske
DetaljerB O R N T O I N N O V AT E M A I N T E C H K O N F E R A N S E N
B O R N T O I N N O V AT E FRA TRADISJONELL ASSET MANAGEMENT TIL ASSET PERFORMANCE M A I N T E C H K O N F E R A N S E N 2 0 1 7 DAGENS HISTORIER Kai Erik Dahlen Data Scientist Cocreation med Data Science
DetaljerDumme spørsmål gir ubrukelige svar Om kvalitet på risikovurderinger knyttet til personvern og cloud tjenester
Dumme spørsmål gir ubrukelige svar Om kvalitet på risikovurderinger knyttet til personvern og cloud tjenester Inge Os, Sales Consulting Director, Oracle Norway 31/10-2018 Oracle 18.4 SaaS PaaS ERP HR
DetaljerReleasing the power of your data
Releasing the power of your data BI builders Norsk selskap etablert I 2011 Spesialitet: Business Intelligence programvare Ultra høy kvalitet, kontroll og ytelse Basert på lang og tung kompetanse på Data
DetaljerSmart Grid aktiviteter og FoU
Albert Leirbukt, Teknisk Møteplass, 22. september 2010 Smart Grid aktiviteter og FoU October 26, 2010 Slide 1 Agenda October 26, 2010 Slide 2 ABB Smart Grid portefølje Smart Grid FoU behov Smart Grid Demo:
DetaljerEn kort presentasjon av
En kort presentasjon av Axenna er leverandør av 100% Open Source Business Intelligence. Axenna Business Intelligence Server er satt sammen med de beste BIkomponentene fra de mest anerkjente Open Source
DetaljerBruk av Elasticsearch til søk og klassifisering. Ove Haugland Jakobsen 26 november 2018
Bruk av Elasticsearch til søk og klassifisering Ove Haugland Jakobsen 26 november 2018 Dokumenter fra helseforetakene Alle helsefortakene er pålagt å legge ut dokumenter fra styremøter på nett Styrepapirene
DetaljerTrender En bransje i endring!
Trender En bransje i endring! Markedstrender Grønnere bygg Smartere bygg Bedre bygg Mer innovative bygg Teknologiutvikling trender i markedet Effektiv drift av komplekse bygg Enklere og tilpasset betjening
DetaljerFremtidens plattform for samvirkende systemer
Fremtidens plattform for samvirkende systemer Teknologidagene 2018 - Trondheim Per Andersen, Statens vegvesen ITS-Programmet Statens vegvesen har definert 3 hovedtemaer for å kunne levere på samfunnsoppdraget
DetaljerSAP Lumira Demo Session
SAP Lumira Demo Session Espen Leknes & Oddmar Lid 2 Agenda Om oss Introduksjon til Case Lumira hvordan plasseres dette i forhold til SAPs andre verktøy Lumira Tilgjengelighet, Cloud og Lumira Server Lumira
DetaljerFeilsøking i BO. Olav Syse, konsulent. Jan Terje Hansen, service manager. Be business intelligent
Feilsøking i BO Olav Syse, konsulent Jan Terje Hansen, service manager Hovedfokus: Business Intelligence 900 ansatte i Norge, Sverige, Danmark, Finland, Estland, Latvia, Litauen og Polen 135 ansatte i
DetaljerSAP Lumira Hans-On Session
SAP Lumira Hans-On Session Espen Leknes & Oddmar Lid 2 Agenda Om oss Lumira hvordan plasseres dette i forhold til SAPs andre verktøy Lumira Tilgjengelighet, Cloud og Lumira Server Lumira hva betyr dette
DetaljerNeste generasjon FASIT Målsetting og status FASIT-dagene 2016 Gardermoen,
Neste generasjon FASIT Målsetting og status FASIT-dagene 2016 Gardermoen, 2016-11-24 Arnt Ove Eggen arnt.o.eggen@sintef.no +47 926 18 730 Neste generasjon FASIT Prosjektets målsetting er å utvikle en kravspesifikasjon
DetaljerSKYTJENESTER ELLER EGNE SYSTEMER ENTEN ELLER I FREMTIDENS IT-ARKITEKTUR?
SKYTJENESTER ELLER EGNE SYSTEMER ENTEN ELLER I FREMTIDENS IT-ARKITEKTUR? Espen Kåsin Direktør Software 14/09-2016 Embriq inngår i Rejlers 2100 ansatte 1,9 mrd SEK / år 100 kontorer i Norden Ledende rådgivende
DetaljerLitt ideer Noark5 kjerne, digitalisering, big data Sognsvann, 26. april 2013
Litt ideer Noark5 kjerne, digitalisering, big data Sognsvann, 26. april 2013 AGENDA INTRO NXC + ARKIV UTFORDRINGER - DIGITALISERING / FAGSYSTEM BIG DATA FREMTIDENS DATABASER ÅPEN NOARK5 KJERNE TEKNISK
DetaljerMigrering hos Gjensidige Bank. 9. februar 2011 Ellen Aaslund - Gjensidige Bank Knut Erik Terjesen - bwise
Migrering hos Gjensidige Bank 9. februar 2011 Ellen Aaslund - Gjensidige Bank Knut Erik Terjesen - bwise Historie 2 Nøkkeltall per Q3 2010 84 291 kunder 142 ansatte Oslo 92 fra Citibank Førde 50 fra GB
DetaljerKUNDENS KRAVSPESIFIKASJON
Bilag 1 til Vedlikeholdsavtalen (SS-V) KUNDENS KRVSPESIFIKSJON vtalereferanse: PROSJ-011-13 Vedlikeholdsavtale DVH PPLINCE Innholdsfortegnelse 1 STRUKTUR FOR KUNDENS KRVSPESIFIKSJON... 3 1.1 Beskrivelse
DetaljerDataforvaltning og digitalisering. Stein Ivar Rødland IT-sjef Stavanger kommune
Dataforvaltning og digitalisering Stein Ivar Rødland IT-sjef Stavanger kommune Digitalisering i kommunen Ny IKT strategi i Stavanger Mer fokus på data: Informasjonsmodell og masterdata Integrasjoner og
DetaljerAlt fra Ignite. Leiv Thomas Sandnes Andreas Grasmo Johansen Jarle Røed-Engseth Vegard Hansen
Alt fra Ignite Leiv Thomas Sandnes Andreas Grasmo Johansen Jarle Røed-Engseth Vegard Hansen http://ignite.microsoft.com Alt er på nett! Buzz.. AI Kunstig Intelligens Gjøre kunstig intelligens tilgjengelig
DetaljerUnit4 Access Point. Innleveringstjeneste for leverandører Thore Johnsen. In business for people.
Unit4 Access Point Innleveringstjeneste for leverandører 2016-11-09 Thore Johnsen Hvilke krav settes til aksesspunktene? Overskriften er tatt fra DIFI s agenda og lover mer enn det vi har full oversikt
DetaljerPROGRAMSPESIFIKASJONER OG DESIGNMODELLER. Big Data and Machine Learning. Gruppe 1 Ole Jacob Oksum Øyvind Brakstad Lars Christian Wessel
PROGRAMSPESIFIKASJONER OG DESIGNMODELLER Big Data and Machine Learning Gruppe 1 Ole Jacob Oksum Øyvind Brakstad Lars Christian Wessel Contents 1. Systemoversikt... 2 2. Tekniske betingelser... 3 2.1. Funksjonelle
DetaljerNOVUG 3 februar 2009
NOVUG 3 februar 2009 Tjenestekatalog og CMDB En kombinasjon som fungerer i praksis 2008 Prosesshuset AS All tillhørende informasjon kan bli endret uten varsel 1 Introduksjon Stig Bjørling Ellingsen Gründer
DetaljerFremtiden er (enda mer) mobil
www.steria.no è Fremtiden er (enda mer) mobil Steria Technology trends 2011 è Top 10 strategic technology trends for 2011: Cloud computing is real hot according to Gartner, but CIO s in Norway and Scandinavia
DetaljerRobotene kommer - Introduksjon om RPA og AI
Robotene kommer - Introduksjon om RPA og AI Hva er kunstig intelligens, hva kan det brukes til og hvordan må man bygge compliance inn i jobben som utføres? Høstseminar 18. oktober 2017 18.10.2017 Knowit
DetaljerPresentation Title Date Copyright Capgemini 2013. All Rights Reserved
1 Leverandøraktivering 2 Implementering av ny prosess for leverandøraktivering Forutsetninger Kortere ledetid tilbys til kunder etter implementering av den nye leverandøraktiveringsprosessen Alle involverte
DetaljerDET DIGITALE KRAFTSYSTEMET STRUKTURERTE DATA I KRAFTSEKTOREN BASERT PÅ INTERNASJONALE STANDARDER. Av Lars Ihler, Norsk Elektroteknisk Komite
DET DIGITALE KRAFTSYSTEMET STRUKTURERTE DATA I KRAFTSEKTOREN BASERT PÅ INTERNASJONALE STANDARDER Av Lars Ihler, Norsk Elektroteknisk Komite Sammendrag Rapporten viser til behovet for, og tilgangen til,
DetaljerTeknisk hjørne RiskManager
Teknisk hjørne RiskManager Nye muligheter med RiskManager levert i skyen Tor Myklebust Peter Hjelvik Tom Martens Meyer Solem WWW.EVRY.NO/SAKOGPORTAL Tor Myklebust (46) Utvikler på RiskManager siden 2011
DetaljerRPA. Roar Følling
RPA Roar Følling 908 29 287 roar.folling@atea.no Roboter RPA (Robotic Process Automation) Roar Følling Seniorkonsulent Innsikt, Atea Trondheim Epost: roar.folling@atea.no Mobil: 908 29 287 Sensitivity:
DetaljerGeWare: A data warehouse for gene expression analysis
GeWare: A data warehouse for gene expression analysis T. Kirsten, H.-H. Do, E. Rahm WG 1, IZBI, University of Leipzig www.izbi.de, dbs.uni-leipzig.de Outline Motivation GeWare Architecture Annotation Integration
DetaljerDigital Grid: Powering the future of utilities
Digital Grid: Powering the future of utilities Will digital help us do less or be more? Gunnar Westgaard September 2017 In response to the lightning quick pace of change, businesses are asking, What is
DetaljerBedre innsikt og raskere beslutninger SMART BRUK AV DATA
27 APRIL, 2017 Bedre innsikt og raskere beslutninger SMART BRUK AV DATA THERESE GULE, EVRY ANALYTICS Smart bruk av data -katalysatoren for endring I din organisasjon The center of gravity has shifted Data
DetaljerAleksander Thanem Bjøru Seniorkonsulent MCSE og Citrix CCIA
Aleksander Thanem Bjøru Seniorkonsulent MCSE og Citrix CCIA Utrulling, testing og piloter vil ha verdi i lang tid fremover Full kompatibilitet Det meste som går på Windows Vista, fungerer på Windows 7.
DetaljerAltoros Norge AS: oversikt Jan-Terje Nordlien, CEO
Altoros Norge AS: oversikt Jan-Terje Nordlien, CEO www.altoros.no @altoros Agenda Hvem er Altoros? Kompetanse Hvordan kan vi samarbeide? 2 Hvem er Altoros? 3 Faktaark Etablert 2001 2001 300+ Ansatte 500+
DetaljerDigitalisering av servicetjenester
Driftskonferansen 2018 Digitalisering av servicetjenester siemens.no Service- og tjenesteleveranser vs. tid Tjenester Systembaserte tjenester Tjenester med fokus på produkter Korrigerende tiltak Aksjon
DetaljerArtist webside. Gruppe medlemmer Joakim Kartveit. Oppdragsgiver Tetriz Event & Management. Frode Mathiesen. Gry Anita Nilsen.
Artist webside Innhold Artist webside...1 Gruppe medlemmer...1 Oppdragsgiver...1 Kontaktperson...2 Veileder...2 Oppgaven...2 Muligheter...2 Sammendrag...2 Dagens situasjon...2 Mål og rammebetingelser...3
DetaljerSmart integrasjon for AMS og smarte nett Thorsten Heller
Smart integrasjon for AMS og smarte nett Thorsten Heller Integrasjon definisjoner Forbinde eller sette sammen enheter / funksjoner forenkle anvendelsen skape nye funksjoner og anvendelsesscenarier realisere
DetaljerHelsedata og analyse Hvilken forskning kan Helseplattformen ha nytte av?
Helsedata og analyse Hvilken forskning kan Helseplattformen ha nytte av? Hvordan kan data fra EPJ benyttes for avansert beslutningsstøtte? Dataanalyse i HUNT Cloud SINTEF helsedataprosjekter Anne Torill
DetaljerNytt verktøy for helhetlig dynamisk risikostyring på rigg. Øyvind Rideng
Nytt verktøy for helhetlig dynamisk risikostyring på rigg Øyvind Rideng Tema Portal for enkel tilgang til rigg- og risikoinformasjon for brukere Bruk av sanntidsdata til dynamisk risikostyring på rigg
DetaljerEkte versus hybride skyløsninger. IT-puls Trondheim 12.mai 2016 Helge Strømme
Ekte versus hybride skyløsninger IT-puls Trondheim 12.mai 2016 Helge Strømme Xledger 2000 2003 Design og utvikling 2003 2005 Pilotfase 2005 2010 Forretningsmessig vekst i Norge Lang erfaring med skytjenester
DetaljerReferansearkitektur use cases. Kjell Sand SINTEF Energi AS NTNU Institutt for elkraftteknikk
Referansearkitektur use cases Kjell Sand SINTEF Energi AS NTNU Institutt for elkraftteknikk 1 Begrunnelse for arkitektur use cases Med det brede perspektivet Smart grids har, er det nødvendig å dele det
Detaljer