Grandes cantidades de datos de prueba


¿Qué son las grandes cantidades de datos de prueba?

Las grandes cantidades de datos de prueba o medición hacen referencia a grandes conjuntos de datos de medición importantes, sobre todo, en la fase de desarrollo (por ejemplo, de vehículos).  A fin de optimizar el comportamiento de conducción, mejorar el tren motriz o realizar las pruebas de colisión, se recopilan diferentes mensurandos en tiempo real. Esto también se aplica al desarrollo de bienes de consumo, a la optimización del mantenimiento de máquinas para fines especiales o a la realización de investigaciones para la industria marítima. Dichos datos se preparan, visualizan y analizan para obtener información y, preferiblemente, conocimientos sobre las relaciones de causa y efecto.

    What does the term Big Test Data mean? Learn more here…
    Big Test Data: extensive tests and measurements produce large volumes of data that can be evaluated in a value-added manner using Kistler's software solutions jBEAM and MaDaM.

    ¿Qué oportunidades ofrecen las grandes cantidades de datos de prueba?

    Al igual que con el tratamiento de datos personales, existe una gran cantidad de potencial no utilizado en el análisis de grandes volúmenes de datos de medición mediante un software adecuado. Por ejemplo, es posible probar hipótesis y adquirir conocimientos mediante el reconocimiento de patrones a través de algoritmos adecuados. Los datos de medición difieren notablemente de otros tipos de datos en que solo suelen ser significativos en combinación con unidades físicas e índices de tiempo.

    ¿Cómo se pueden capitalizar las grandes cantidades de datos de prueba?

    Además de los sistemas de sensores para producir datos y el hardware para recopilarlos, un software especial suele marcar la diferencia en tres niveles: 

    • Disponibilidad: los volúmenes producidos de datos de medición deben gestionarse y organizarse de manera eficiente
    • Operacionalización: tratamiento de datos, visualización y análisis de los datos para obtener información útil
    • Minería de datos: reconocimiento de patrones comparativos para obtener conocimientos básicos sobre las relaciones, incluso a lo largo del tiempo y con series de pruebas