In4Uptime
| Diarienummer | |
| Koordinator | Volvo Technology AB - Avd BF 40440 |
| Bidrag från Vinnova | 4 259 836 kronor |
| Projektets löptid | februari 2014 - juli 2016 |
| Status | Avslutat |
| Utlysning | Effektiva och uppkopplade transportsystem - FFI |
| Slutrapport | 2013-05545-eng.pdf(pdf, 6520 kB) (In English) |
Viktiga resultat som projektet gav
Det övergripande målet har varit att undersöka möjligheter som ökad användning av dataanalys kan tillföra uptime-området, särskilt genom att öka penetrationen och kvaliteten på servicekontrakt och relaterade tjänster. In4Uptime syftar till att analysera tre specifika delmål, varav det första fokuserade på data; förstå vad som fanns tillgängligt, och vad som skulle kunna samlas in. Det andra var att utveckla nya algoritmer för att analysera informationen och för att bedöma algoritmernas tillförlitlighet. Det tredje att förstå företagens behov och möjligheter med Big Data.
Långsiktiga effekter som förväntas
In4Uptime har visat att det inom fordonsindustrin finns potentiella förbättringsområden när det gäller att generera värde genom insamling och analys av data. Det gäller både analys av interna datakällor och i kombination med externa datakällor . Precis som appar har revolutionerat hur vi använder våra telefoner, skulle fordons ombordsystem och externa datakällor kunna integreras till ekosystem med både reaktiva dataflöden och beslut till proaktiva åtgärder. Flera exempel visar att data kan bli en viktig tillgång som kan användas till ursprungligen oförutsedda ändamål.
Upplägg och genomförande
Projektet följde en typisk Data Mining process; Identifiera tillgängliga datakällor , välja ut de som var relevanta och samla data i analysmiljön. Datan kräver förbehandling och slutligen kan den analyseras. Slutsatser drogs från analysen och därefter gjordes undersökningar kring affärsmodeller och tjänster. Processen följdes framgångsrikt. Mest energi lades på datainsamling, förbehandling och analys. In4Uptime har haft en högnivåstrategi att undersöka metoder som kan tillämpas vid utveckling av tjänster som bygger på Big Data.