Merken 22.05.2018

Management von Versuchsprozessen und -ergebnissen

Mit einer Software für den Bereich Automotive Testing lassen sich komplexe Versuchsprozesse transparent organisieren und effizient steuern. Diese kann zunächst als abteilungsspezifische Lösung innerhalb der lokalen IT-Infrastruktur eines Standorts eingeführt, später dann schrittweise zu einer unternehmensweiten Cloud-Lösung erweitert werden.

Das Beratungs- und Softwareunternehmen Peak Solution aus Nürnberg präsentiert die Peak Test Management Suite (Peak TMS) für die Planung und Steuerung von Versuchsprozessen. Die Suite integriert verschiedene Softwarefunktionen zu einer durchgängigen Lösung für die transparente Steuerung von Versuchsprozessen. Die Verwaltung der Versuchsanfragen, Aufträge und Ressourcen vom Testsample bis zum Messgerät werden vom Anwender mit einem einzigen Werkzeug geplant und vorbereitet. Anpassbare Vorlagen und Automatismen sollen den Versuchsmanager in der täglichen Arbeit unterstützen.

Standardisiertes Messdatenmanagement

Die überarbeitete Version 3.0 des Peak ODS Servers unterstützt den ASAM-ODS-Standard 6.0 und bietet eine optimierte API auf Basis HTTP/Protobuf für den einfachen und performanten Zugriff auf Messdaten sowie einen Benachrichtigungsdienst für die Synchronisation verteilter ODS-Server. Ergänzt wird er durch den Peak Test Data Manager, einen standardisierten Client für das Messdatenmanagement. Er basiert auf der vom Softwareanbieter maßgeblich mitentwickelten Plattform open MDM beziehungsweise Eclipse MDM|BL.

Eine große Datenmenge langfristig und über den gesamten Produktlebenszyklus nutzbar zu machen ist nach Firmenangaben mit der Suite Peak Big Data Extension möglich. Mit ihr lassen sich leistungsstarke Architekturen für die Verarbeitung und Analyse großer Volumen von Messdaten implementieren. Dies geschieht beispielweise mit Parquet-Dateien, die von der ASAM als Format für Big Data empfohlen wurden, aber auch mit Avro, HBase und anderen. Die Metadatenverarbeitung kann dabei sowohl im klassischen ODS Server auf Oracle-, Microsoft-SQL-Server- oder PostgreSQL-Basis als auch auf Big-Data-Clustern mit JSON oder anderen Dateiformaten erfolgen. Eine Aufteilung der Metadaten zwischen der klassischen Infrastruktur und dem Hadoop-Ökosystem ist ebenfalls möglich. Grundlage dafür ist Apache Drill, eine leistungsfähige SQL-Engine für verteilte Berechnungen.