Publication

Using the Generic Product Model for storing and sharing ERP data

Rémy Glardon, Michel Pouly
2009
Conference Papers

Résumé

Nowadays, all product life cycle processes are investigated deeply in order to get an advantage over competitors. To support these processes, several software applications are available. However this wide range of heterogeneous applications leads to a large variety of data formats that hinder data integration. To tackle this problem, the Hitachi company proposed a modeling language called GPM (Generic Product Model) into which they propose to translate data coming from several domain applications. This research proposes to broaden the range of application data able to be stored in the GPM data warehouse by developing translators between ERPs and GPM. Methodologies are given for the translation of mass production and customized products' data.

Source officielle

https://infoscience.epfl.ch/entities/publication/7b5cd780-8276-4cc7-ba6d-ccdd3625dfdb

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Rémy Glardon, Michel Pouly
2009
Conference Papers

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/7b5cd780-8276-4cc7-ba6d-ccdd3625dfdb

À propos de ce résultat

Concepts associés (32)

Big data

Le big data ( « grosses données » en anglais), les mégadonnées ou les données massives, désigne les ressources d’informations dont les caractéristiques en termes de volume, de vélocité et de variété imposent l’utilisation de technologies et de méthodes analytiques particulières pour créer de la valeur, et qui dépassent en général les capacités d'une seule et unique machine et nécessitent des traitements parallélisés. L’explosion quantitative (et souvent redondante) des données numériques permet une nouvelle approche pour analyser le monde.

Donnée

Une donnée est ce qui est connu et qui sert de point de départ à un raisonnement ayant pour objet la détermination d'une solution à un problème en relation avec cette donnée. Cela peut être une description élémentaire qui vise à objectiver une réalité, le résultat d'une comparaison entre deux événements du même ordre (mesure) soit en d'autres termes une observation ou une mesure. La donnée brute est dépourvue de tout raisonnement, supposition, constatation, probabilité.

Science des données

La science des données est l'étude de l’extraction automatisée de connaissance à partir de grands ensembles de données. Plus précisément, la science des données est un domaine interdisciplinaire qui utilise des méthodes, des processus, des algorithmes et des systèmes scientifiques pour extraire des connaissances et des idées à partir de nombreuses données structurées ou non . Elle est souvent associée aux données massives et à l'analyse des données.

Afficher plus

Publications associées (29)

Afficher plus

Using the Generic Product Model for storing and sharing ERP data

Chattez avec Graph Search

Data for "Periodic Phase Slips and Frequency Comb Generation at Tunable Microwave Frequencies in Superconducting Diabolo Structures"

Amplitude analysis of $B^0 \rightarrow \eta _c(1S) K^+ \pi ^- $ decays

From physics to machine learning and back: Part I - Learning with inductive biases in prognostics and health management (PHM)