Mit diesen identifizierten Parametern kann die Hauptsimulation inklusive Materialmischmaschine durchgeführt werden.
Das sekundäre und komplexere Ziel war es, tief in die Datenausgabe der Simulation einzutauchen. Zu Beginn müssen ausgegebene Big Data ausgelesen und in das übersichtliche Datenmodell strukturiert werden, damit zukünftige Data Discovery die Werte bringen kann. Ziel war es, den wissenschaftlichen Datenanalyseansatz anzuwenden, um die Mischeffizienz der Mischmaschine zu analysieren. Dabei ermöglichte uns die Datenanalyse die Nachbearbeitung von Partikeln auf quantitativer Ebene, indem wir mittels Visual Analytics Leistungsindikatoren für die Mischeffizienz erstellten.
