Konzeption und Realisierung eines Data Warehouses zur Analyse chirurgischer Workflows

Name: Konzeption und Realisierung eines Data Warehouses zur Analyse chirurgischer Workflows
Brand: Diplomica Verlag
Price: 23.0 EUR
Availability: OnlineOnly

Matthias Röger(Autor*in)

Diplomica Verlag

1. Auflage

Erschienen im Juni 2010

134 Seiten

E-Book

PDF ohne DRM

Systemvoraussetzungen

978-3-8366-3446-5 (ISBN)

23,00 €inkl. 7% MwSt.

Systemvoraussetzungen

für PDF ohne DRM

E-Book Einzellizenz

Als Download verfügbar

Beschreibung

Im Umfeld der Medizintechnik entwickelt sich das noch junge und vielversprechende Konzept der Chirurgischen Workflows. Dabei handelt es sich um eine Methode zur intelligenten Erfassung von Prozessbeschreibungen, die im Laufe chirurgischer Eingriffe erhoben werden. Um diese Daten analysieren zu können, ist ein formales Modell notwendig, wodurch eine einheitliche Aufnahme der chirurgischen Vorgänge ermöglicht wird. Die Anwendungsbereiche Chirurgischer Workflows sind weit gestreut. Sie reichen von der Planungsunterstützung im Vorfeld der Operationen bis zur Workflow-Exploration auf Basis durchgeführter Operationen, von der Suche nach Optimierungspotential hinsichtlich der Instrumente bzw. Assistenzsysteme bis zur Verifizierung medizinischer Hypothesen.
In dieser Studie wird ein Data Warehouse (DWH) entwickelt, womit chirurgische Workflows erfasst und analysiert werden können. Hierzu wird die herkömmliche Data-Warehouse-Technologie an die besonderen Anforderungen angepasst, die sich im Zusammenhang mit der Analyse von Prozessbeschreibungen ergeben. Es wird gezeigt, wie der Anwender eine multidimensionale Sicht sowohl der Operationen, wie auch ihrer Workflow-Komponenten, erhält und er in die Lage versetzt wird, die zu analysierenden Kennzahlen selbst zu definieren und diese entlang verschiedener Dimensionen und Detaillierungsgrade zu aggregieren.
Zunächst führt der Autor in die grundlegenden Themen Business Intelligence (BI), Data Warehouse, multidimensionales Datenmodell und Online Analytical Processing (OLAP) sowie Business Process Intelligence (BPI) ein.
In der initialen Designphase des DWH wird die Strukturierung des chirurgischen Workflows behandelt sowie die Überlegungen zu den eingesetzten Datenerfassungsstrategien beleuchtet. Das auf dieser Basis in Form eines E/R-Diagramms erstellte Modell zur Erfassung chirurgischer Prozesse dient als Grundlage für das nachfolgend zu entwickelnde multidimensionale Datenmodell und kann als Input einer Transformation betrachtet werden. Diese liefert - unter Beachtung der gestellten Anforderungen potentieller Anwender - als Output das multidimensionale Schema in Form einer Menge von Faktschemata.
Im Verlauf dieser Transformation werden Herausforderungen ersichtlich, welche sich aus den vorgegebenen Einschränkungen des konventionellen OLAP-Ansatzes ergeben und es wird dargestellt, wie sich diese durch das vorgeschlagene erweiterte multidimensionale Datenmodell lösen lassen. So wird die Problematik kennzahlloser Fakten oder auch der Umgang mit heterogenen Fakten aufgezeigt. Das Auftreten von "viele-zu-viele"-Beziehungen zwischen Fakten und Dimensionen wird ebenso behandelt wie die Möglichkeit, Kennzahlen zur Laufzeit durch den Nutzer definieren zu lassen. Auch werden die Voraussetzungen, die Möglichkeiten und der Nutzen veranschaulicht, welche sich aus der Austauschbarkeit der Rollen hinsichtlich Fakt und Dimension bzw. Kennzahl und Dimension ergeben. Es wird weiter gezeigt, wie die Dimensionshierarchien aufgebaut werden und wie sie in einem Galaxy-Schema von verschiedenen Fakttypen gemeinsam genutzt werden können.
Die Realisierung des modellierten Data Warehouses erfolgt auf einem relationalen Datenbanksystem im Zusammenspiel mit der Business Intelligence Suite Pentaho. Es wird dargestellt, wie das Metadatenmodell eines OLAP-Datenwürfels erstellt wird, auf dessen Basis multidimensionale Datenanalysen durchgeführt werden können. Abschließend werden einige Anwendungsfälle aus dem Bereich der OLAP-Analyse präsentiert.

Weitere Details

Weitere Ausgaben

Person

Inhalt

1 - Konzeption und Realisierung eines Data Warehouses zur Analyse chirurgischer Workflows [Seite 1]
2 - Inhaltsverzeichnis [Seite 7]
3 - Abbildungsverzeichnis [Seite 11]
4 - Listingverzeichnis [Seite 12]
5 - 1 Einführung [Seite 13]
5.1 - 1.1 Einleitung [Seite 13]
5.2 - 1.2 Kooperationspartner Innovation Center for Computer AssistedSurgery (ICCAS) [Seite 15]
6 - 2 Grundlagen [Seite 23]
6.1 - 2.1 Business Intelligence [Seite 23]
6.2 - 2.2 Data Warehouse [Seite 25]
6.2.1 - 2.2.1 Der Begriff Data Warehouse [Seite 25]
6.2.2 - 2.2.2 Merkmale eines Data Warehouses [Seite 25]
6.2.3 - 2.2.3 Das Data-Warehouse-System und seine Komponenten [Seite 26]
6.3 - 2.3 Online Analytical Processing [Seite 29]
6.3.1 - 2.3.1 Abgrenzung OLAP versus OLTP [Seite 30]
6.3.2 - 2.3.2 Codd'sche Grundregeln und FASMI-Definition für OLAP-Systeme [Seite 31]
6.3.3 - 2.3.3 Multidimensionales Datenmodell [Seite 33]
6.3.4 - 2.3.4 Standard OLAP-Operationen zur Datenanalyse [Seite 39]
6.3.5 - 2.3.5 Konzeptionelle Modellierung [Seite 42]
6.3.6 - 2.3.6 Umsetzung des Multidimensionalen Datenmodells [Seite 45]
6.4 - 2.4 Business Process Intelligence und chirurgische Workflows [Seite 51]
6.4.1 - 2.4.1 Business Process Intelligence [Seite 51]
6.4.2 - 2.4.2 Konzept der Chirurgischen Workflows [Seite 53]
7 - 3 Strukturierung chirurgischer Workflows [Seite 55]
7.1 - 3.1 Vertikale Strukturierung des Prozesses [Seite 56]
7.1.1 - 3.1.1 Datenerfassungsstrategie [Seite 56]
7.1.2 - 3.1.2 Granularität der Analyse [Seite 57]
7.2 - 3.2 Horizontale Gliederung des Prozesses [Seite 58]
7.3 - 3.3 Erstellung des konzeptionellen Datenmodells [Seite 60]
7.3.1 - 3.3.1 Bereich der Workflow-Ebene [Seite 61]
7.3.2 - 3.3.2 Bereich Intra-Workflow-Ebene [Seite 62]
8 - 4 Vom Workflow zum Datenwürfel: Herausforderungen und Lösungen [Seite 65]
8.1 - 4.1 Phasen der konzeptionellen Modellierung [Seite 65]
8.2 - 4.2 Faktschemata ohne Kennzahlen [Seite 66]
8.2.1 - 4.2.1 Fakt-Identifikator [Seite 67]
8.2.2 - 4.2.2 Kennzahlen dynamisch erzeugen [Seite 68]
8.3 - 4.3 Entwicklung der grundlegenden Faktschemata [Seite 68]
8.3.1 - 4.3.1 Ausgangslage [Seite 68]
8.3.2 - 4.3.2 Fakt-Generalisierung [Seite 70]
8.3.3 - 4.3.3 Modellierung von Satelliten-Fakttypen [Seite 70]
8.3.4 - 4.3.4 Fakt-Hierarchie [Seite 72]
8.4 - 4.4 Auflösung von "viele-zu-viele"-Beziehungen zwischen Fakten und Dimensionen [Seite 73]
8.4.1 - 4.4.1 Ausgangslage [Seite 74]
8.4.2 - 4.4.2 Das Problem und die Lösung [Seite 75]
8.5 - 4.5 Austauschbarkeit von Fakt- und Dimensionsrollen [Seite 76]
8.5.1 - 4.5.1 Ausgangslage [Seite 76]
8.5.2 - 4.5.2 Das Problem und die Lösung [Seite 76]
8.6 - 4.6 Austauschbarkeit von Kennzahl- und Dimensionsrollen [Seite 78]
8.6.1 - 4.6.1 Ausgangslage [Seite 78]
8.6.2 - 4.6.2 Das Problem und die Lösung [Seite 79]
8.6.3 - 4.6.3 Realisierung Kennzahlspezifikation zur Laufzeit [Seite 80]
8.7 - 4.7 Modellierung von Dimensionshierarchien [Seite 81]
8.7.1 - 4.7.1 Typen von Hierarchien [Seite 82]
8.7.2 - 4.7.2 Abgeleitete Kategorien und abgeleitete Dimensionen [Seite 83]
8.7.3 - 4.7.3 Arten von gemeinsamen Dimensionen [Seite 84]
9 - 5 Umsetzung des multidimensionalen Datenmodells [Seite 89]
9.1 - 5.1 Abbildung des multidimensionalen Modells auf das relationale Modell [Seite 89]
9.1.1 - 5.1.1 Abbildung von Fakttypen [Seite 90]
9.1.2 - 5.1.2 Abbildung von Dimensionshierarchien [Seite 91]
9.1.3 - 5.1.3 Auflösung der Dualität zwischen Fakten und Dimensionen [Seite 92]
9.1.4 - 5.1.4 Abbildung von generalisierten Fakttypen [Seite 92]
9.2 - 5.2 Datenimport [Seite 92]
10 - 6 Business Intelligence Suite Pentaho [Seite 95]
10.1 - 6.1 Einleitung [Seite 95]
10.2 - 6.2 Modularer Aufbau und Anwendungsbereiche von Pentaho [Seite 95]
10.3 - 6.3 Komponenten von Pentaho [Seite 96]
10.3.1 - 6.3.1 BI-Plattform und Action Sequenzen [Seite 96]
10.3.2 - 6.3.2 Pentaho BI-Server und dessen Architektur [Seite 97]
10.3.3 - 6.3.3 Data Mining (WEKA) [Seite 98]
10.3.4 - 6.3.4 Pentaho Data Integration (alias KETTLE) [Seite 99]
10.3.5 - 6.3.5 Pentaho Dashboards [Seite 99]
10.3.6 - 6.3.6 Reporting (JfreeReport) [Seite 100]
10.4 - 6.4 Datenanalyse mit Pentaho [Seite 101]
10.4.1 - 6.4.1 OLAP-Server Mondrian [Seite 101]
10.4.2 - 6.4.2 JPivot OLAP-Frontend [Seite 101]
10.4.3 - 6.4.3 Architektur des Analysemoduls von Pentaho [Seite 103]
10.5 - 6.5 Konfigurationsdatei Mondrian Schema [Seite 105]
10.6 - 6.6 Modellierungstool Cube Designer und Schema Workbench [Seite 108]
10.7 - 6.7 Der Weg zur Pentaho-Lösung [Seite 110]
10.7.1 - 6.7.1 Systemumgebung [Seite 110]
10.7.2 - 6.7.2 Vorbereitung Pentaho PCI / PostgreSQL [Seite 110]
10.7.3 - 6.7.3 Entwicklung einer Pentaho Solution mit dem Cube Designer [Seite 111]
10.8 - 6.8 Probleme mit dem Mondrian Server und dem Cube Designer [Seite 114]
11 - 7 Anwendungsfälle [Seite 117]
11.1 - 7.1 Verlauf einer bestimmten Operation nachvollziehen [Seite 117]
11.2 - 7.2 Vergleich bestimmter Kennzahlen verschiedener Operationen [Seite 118]
11.3 - 7.3 Analyse der Nutzungsarten bestimmter Instrumente [Seite 120]
11.4 - 7.4 Erfassung mehrerer Workflows zur Qualitätssicherung [Seite 122]
12 - 8 Zusammenfassung und Ausblick [Seite 125]
13 - 9 Literaturverzeichnis [Seite 127]
14 - Autorenprofil [Seite 133]

Systemvoraussetzungen

Als PDF speichern Als Link merken