SlideShare ist ein Scribd-Unternehmen logo
1 von 7
FZIFORSCHUNGSZENTRUM
INFORMATIK
DB Infrastructure Challenge Hackathon
09.05.2015 Felix Brandt (brandt@fzi.de)
Struktur der Zuständigkeiten
Untereinheiten:
 Produktionsdurchf. (34)
 Netzbezirke (167)
Zuordnung von:
 Streckenabschnitten
 Brücken/Tunnel
 Bauwerke
 Signalanlagen
 …
01.06.2015 © FZI Forschungszentrum Informatik 2
Umordnung am Beispiel Strecke-Netzbezirk
01.06.2015 © FZI Forschungszentrum Informatik 3
67.700 km 53.400 km
Idee: Baustellen zusammenfassen?
01.06.2015 © FZI Forschungszentrum Informatik 4
Beispiel Baustellen-Kandidaten
01.06.2015 © FZI Forschungszentrum Informatik 5
09.01.2017 – 09.12.2017
10.08.2015 – 07.09.2015
Ergebnis der Auswertung
 in den Daten (3140 Maßnahmen von 2015-2017) finden sich ca. 27.000
Paarungen, welche gegenseitig von der jeweils anderen Umleitung
profitieren könnten
 vmtl. weitere Restriktionen in der Praxis (keine Daten im Hackathon)
 Kapazität der Umleitungsstrecken
 Bereich zwischen beiden Maßnahmen
 zeitliche Notwendigkeit der Maßnahmen
 planerische Abhängigkeiten zwischen Maßnahmen
 ToDo: weiteres filtern und Analyse von Paarungen mit hoher
Gemeinsamkeit und manuelle Umplanung
Idee:
Scheduling von Streckenmaßnahmen unter Berücksichtigung
von Abhängigkeiten und Umleitungsstrecken
01.06.2015 © FZI Forschungszentrum Informatik 6
Kontakt
7
Felix Brandt
Logistics and Supply Chain Optimisation Group
FZI Forschungszentrum Informatik
Haid-und-Neu-Str. 10-14
D-76131 Karlsruhe
Tel.: +49-721-9654-304
Fax: +49-721-9654-305
http://www.fzi.de
brandt@fzi.de

Weitere ähnliche Inhalte

Andere mochten auch

Andere mochten auch (20)

Test 2: QA19
Test 2: QA19Test 2: QA19
Test 2: QA19
 
9 errores del twitter
9 errores del twitter9 errores del twitter
9 errores del twitter
 
Antecedentes legales en Las Heras
Antecedentes legales en Las HerasAntecedentes legales en Las Heras
Antecedentes legales en Las Heras
 
Web 2.0 D
Web 2.0 DWeb 2.0 D
Web 2.0 D
 
Universal Search
Universal SearchUniversal Search
Universal Search
 
Better be prepared for Radical Change - Deutsch
Better be prepared for Radical Change - DeutschBetter be prepared for Radical Change - Deutsch
Better be prepared for Radical Change - Deutsch
 
Verduras otoñales: tipos y propiedades nutricionales
Verduras otoñales: tipos y propiedades nutricionalesVerduras otoñales: tipos y propiedades nutricionales
Verduras otoñales: tipos y propiedades nutricionales
 
Intens
IntensIntens
Intens
 
Descubre los secretos del pescado blanco
Descubre los secretos del pescado blancoDescubre los secretos del pescado blanco
Descubre los secretos del pescado blanco
 
Los secretos del pescado azul
Los secretos del pescado azul Los secretos del pescado azul
Los secretos del pescado azul
 
Diseño orientado al flujo de datos
Diseño orientado al flujo de datosDiseño orientado al flujo de datos
Diseño orientado al flujo de datos
 
Globalización
GlobalizaciónGlobalización
Globalización
 
Presentación arce
Presentación arcePresentación arce
Presentación arce
 
Zwischen Dewey und Dewey
Zwischen Dewey und DeweyZwischen Dewey und Dewey
Zwischen Dewey und Dewey
 
El Dulce Sabor De Una Mujer
El Dulce Sabor De Una MujerEl Dulce Sabor De Una Mujer
El Dulce Sabor De Una Mujer
 
Grupo 1
Grupo 1Grupo 1
Grupo 1
 
Polimorfismo
PolimorfismoPolimorfismo
Polimorfismo
 
S Olen Som Aldrig Sken
S Olen Som Aldrig SkenS Olen Som Aldrig Sken
S Olen Som Aldrig Sken
 
San Valentin
San ValentinSan Valentin
San Valentin
 
Fresón, rico y saludable
Fresón, rico y saludableFresón, rico y saludable
Fresón, rico y saludable
 

Ähnlich wie DB Infrastructure Challenge - Team FZI

Joachim Schonowski MSG Group DIN SPEC PAS 91607_- Standards_v01.pdf
Joachim Schonowski MSG Group DIN SPEC PAS 91607_- Standards_v01.pdfJoachim Schonowski MSG Group DIN SPEC PAS 91607_- Standards_v01.pdf
Joachim Schonowski MSG Group DIN SPEC PAS 91607_- Standards_v01.pdfFIWARE
 
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...inovex GmbH
 
Open Transport Data in Deutschland - Love, Hate, Denial, Hope
Open Transport Data in Deutschland - Love, Hate, Denial, HopeOpen Transport Data in Deutschland - Love, Hate, Denial, Hope
Open Transport Data in Deutschland - Love, Hate, Denial, Hopeorless
 
Studien und Experimentalplattform für das Internet der Zukunft
Studien und Experimentalplattform für das Internet der Zukunft Studien und Experimentalplattform für das Internet der Zukunft
Studien und Experimentalplattform für das Internet der Zukunft Marc Manthey
 
Erfahrungen aus der Planung und Beschaffung zweier 5G Campusnetze
Erfahrungen aus der Planung und Beschaffung zweier 5G CampusnetzeErfahrungen aus der Planung und Beschaffung zweier 5G Campusnetze
Erfahrungen aus der Planung und Beschaffung zweier 5G CampusnetzeLeif Oppermann
 
Digitale Kommunikation in Fertigungsnetzwerken neu gedacht
Digitale Kommunikation in Fertigungsnetzwerken neu gedachtDigitale Kommunikation in Fertigungsnetzwerken neu gedacht
Digitale Kommunikation in Fertigungsnetzwerken neu gedachtGeorg Guentner
 
Evaluation des iSIPS IP Stack für drahtlose Sensornetze
Evaluation des iSIPS IP Stack für drahtlose SensornetzeEvaluation des iSIPS IP Stack für drahtlose Sensornetze
Evaluation des iSIPS IP Stack für drahtlose SensornetzePeter Rothenpieler
 
Skalierbare internetbasierte Geo-Services (German)
Skalierbare internetbasierte Geo-Services (German)Skalierbare internetbasierte Geo-Services (German)
Skalierbare internetbasierte Geo-Services (German)Matthias Wauer
 
Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...
Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...
Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...OPITZ CONSULTING Deutschland
 
KI und Predictive Maintenance am Beispiel von DB Cargo
KI und Predictive Maintenance am Beispiel von DB CargoKI und Predictive Maintenance am Beispiel von DB Cargo
KI und Predictive Maintenance am Beispiel von DB CargoInspirient
 
DURAARK at AUdS 2015
DURAARK at AUdS 2015DURAARK at AUdS 2015
DURAARK at AUdS 2015panitzm
 
ISD_2016_Sol_B_Ruth_Röhm
ISD_2016_Sol_B_Ruth_RöhmISD_2016_Sol_B_Ruth_Röhm
ISD_2016_Sol_B_Ruth_RöhmInfoSocietyDays
 
DB Infrastructure Challenge - Team 4M
DB Infrastructure Challenge - Team 4MDB Infrastructure Challenge - Team 4M
DB Infrastructure Challenge - Team 4MDBHackathon
 
Industrie 4.0 und Facility Management - was bedeutet das?
Industrie 4.0 und Facility Management - was bedeutet das?Industrie 4.0 und Facility Management - was bedeutet das?
Industrie 4.0 und Facility Management - was bedeutet das?dankl+partner consulting gmbh
 
7 Top Internet-Trends
7 Top Internet-Trends7 Top Internet-Trends
7 Top Internet-TrendsMarkus Tressl
 
Thomas Ott (Christof Electrics)
Thomas Ott (Christof Electrics)Thomas Ott (Christof Electrics)
Thomas Ott (Christof Electrics)Praxistage
 

Ähnlich wie DB Infrastructure Challenge - Team FZI (20)

CWMC Insights 2020|04 - Anbindung externes MES in SAP S/4HANA
CWMC Insights 2020|04 - Anbindung externes MES in SAP S/4HANACWMC Insights 2020|04 - Anbindung externes MES in SAP S/4HANA
CWMC Insights 2020|04 - Anbindung externes MES in SAP S/4HANA
 
Joachim Schonowski MSG Group DIN SPEC PAS 91607_- Standards_v01.pdf
Joachim Schonowski MSG Group DIN SPEC PAS 91607_- Standards_v01.pdfJoachim Schonowski MSG Group DIN SPEC PAS 91607_- Standards_v01.pdf
Joachim Schonowski MSG Group DIN SPEC PAS 91607_- Standards_v01.pdf
 
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...
 
Open Transport Data in Deutschland - Love, Hate, Denial, Hope
Open Transport Data in Deutschland - Love, Hate, Denial, HopeOpen Transport Data in Deutschland - Love, Hate, Denial, Hope
Open Transport Data in Deutschland - Love, Hate, Denial, Hope
 
UBA Data Cube
UBA Data CubeUBA Data Cube
UBA Data Cube
 
Studien und Experimentalplattform für das Internet der Zukunft
Studien und Experimentalplattform für das Internet der Zukunft Studien und Experimentalplattform für das Internet der Zukunft
Studien und Experimentalplattform für das Internet der Zukunft
 
Erfahrungen aus der Planung und Beschaffung zweier 5G Campusnetze
Erfahrungen aus der Planung und Beschaffung zweier 5G CampusnetzeErfahrungen aus der Planung und Beschaffung zweier 5G Campusnetze
Erfahrungen aus der Planung und Beschaffung zweier 5G Campusnetze
 
Digitale Kommunikation in Fertigungsnetzwerken neu gedacht
Digitale Kommunikation in Fertigungsnetzwerken neu gedachtDigitale Kommunikation in Fertigungsnetzwerken neu gedacht
Digitale Kommunikation in Fertigungsnetzwerken neu gedacht
 
Evaluation des iSIPS IP Stack für drahtlose Sensornetze
Evaluation des iSIPS IP Stack für drahtlose SensornetzeEvaluation des iSIPS IP Stack für drahtlose Sensornetze
Evaluation des iSIPS IP Stack für drahtlose Sensornetze
 
Skalierbare internetbasierte Geo-Services (German)
Skalierbare internetbasierte Geo-Services (German)Skalierbare internetbasierte Geo-Services (German)
Skalierbare internetbasierte Geo-Services (German)
 
Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...
Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...
Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...
 
KI und Predictive Maintenance am Beispiel von DB Cargo
KI und Predictive Maintenance am Beispiel von DB CargoKI und Predictive Maintenance am Beispiel von DB Cargo
KI und Predictive Maintenance am Beispiel von DB Cargo
 
DURAARK at AUdS 2015
DURAARK at AUdS 2015DURAARK at AUdS 2015
DURAARK at AUdS 2015
 
PLM-Zukunftsthemen
PLM-ZukunftsthemenPLM-Zukunftsthemen
PLM-Zukunftsthemen
 
ISD_2016_Sol_B_Ruth_Röhm
ISD_2016_Sol_B_Ruth_RöhmISD_2016_Sol_B_Ruth_Röhm
ISD_2016_Sol_B_Ruth_Röhm
 
DB Infrastructure Challenge - Team 4M
DB Infrastructure Challenge - Team 4MDB Infrastructure Challenge - Team 4M
DB Infrastructure Challenge - Team 4M
 
Industrie 4.0 und Facility Management - was bedeutet das?
Industrie 4.0 und Facility Management - was bedeutet das?Industrie 4.0 und Facility Management - was bedeutet das?
Industrie 4.0 und Facility Management - was bedeutet das?
 
7 Top Internet-Trends
7 Top Internet-Trends7 Top Internet-Trends
7 Top Internet-Trends
 
Composite Simulation Roadmap
Composite Simulation RoadmapComposite Simulation Roadmap
Composite Simulation Roadmap
 
Thomas Ott (Christof Electrics)
Thomas Ott (Christof Electrics)Thomas Ott (Christof Electrics)
Thomas Ott (Christof Electrics)
 

DB Infrastructure Challenge - Team FZI

  • 1. FZIFORSCHUNGSZENTRUM INFORMATIK DB Infrastructure Challenge Hackathon 09.05.2015 Felix Brandt (brandt@fzi.de)
  • 2. Struktur der Zuständigkeiten Untereinheiten:  Produktionsdurchf. (34)  Netzbezirke (167) Zuordnung von:  Streckenabschnitten  Brücken/Tunnel  Bauwerke  Signalanlagen  … 01.06.2015 © FZI Forschungszentrum Informatik 2
  • 3. Umordnung am Beispiel Strecke-Netzbezirk 01.06.2015 © FZI Forschungszentrum Informatik 3 67.700 km 53.400 km
  • 4. Idee: Baustellen zusammenfassen? 01.06.2015 © FZI Forschungszentrum Informatik 4
  • 5. Beispiel Baustellen-Kandidaten 01.06.2015 © FZI Forschungszentrum Informatik 5 09.01.2017 – 09.12.2017 10.08.2015 – 07.09.2015
  • 6. Ergebnis der Auswertung  in den Daten (3140 Maßnahmen von 2015-2017) finden sich ca. 27.000 Paarungen, welche gegenseitig von der jeweils anderen Umleitung profitieren könnten  vmtl. weitere Restriktionen in der Praxis (keine Daten im Hackathon)  Kapazität der Umleitungsstrecken  Bereich zwischen beiden Maßnahmen  zeitliche Notwendigkeit der Maßnahmen  planerische Abhängigkeiten zwischen Maßnahmen  ToDo: weiteres filtern und Analyse von Paarungen mit hoher Gemeinsamkeit und manuelle Umplanung Idee: Scheduling von Streckenmaßnahmen unter Berücksichtigung von Abhängigkeiten und Umleitungsstrecken 01.06.2015 © FZI Forschungszentrum Informatik 6
  • 7. Kontakt 7 Felix Brandt Logistics and Supply Chain Optimisation Group FZI Forschungszentrum Informatik Haid-und-Neu-Str. 10-14 D-76131 Karlsruhe Tel.: +49-721-9654-304 Fax: +49-721-9654-305 http://www.fzi.de brandt@fzi.de