El NanoLaboratorio Marvell de Berkeley prospera gracias a los macrodatos
Berkeley Marvell NanoLab se basa en datos operativos para gestionar y supervisar eficazmente las operaciones del laboratorio.
Acerca del Laboratorio de Nanofabricación Marvell de la UC Berkeley
El Marvell NanoLab es un centro de investigación compartido que ofrece una amplia gama de herramientas de micro y nanofabricación a más de 100 investigadores principales y más de 500 investigadores académicos e industriales al año. El NanoLab funciona en tiempo real desde 2009; sus instalaciones predecesoras, el Berkeley IC Lab y el Berkeley Microlab, estuvieron activas de 1962 a 2008.
Reto
El Marvell Nanolab debe gestionar y analizar una amplia gama de datos recogidos por su sistema de gestión de laboratorio, Mercury. Mercury es un sistema de información e interfaz de instalaciones de investigación basado en una estación de trabajo/servidor desarrollada interne y diseñada específicamente para el funcionamiento del Marvell NanoLab de Berkeley.
Solución
Para gestionar eficazmente gran parte de las operaciones del laboratorio, el Marvell NanoLab necesitaba un sistema sólido y fiable de almacenamiento y gestión de datos operativos. Esto incluye el estado y las reservas de los equipos, la supervisión del sistema de servicios públicos, las credenciales y la formación de los investigadores, y los datos financieros de facturación.
Resultado
Basándose en su experiencia mutua con la tecnología de bases de datos Ingres, desarrollada inicialmente en Berkley, Marvell NanoLab seleccionó y confió en Actian para la gestión de bases de datos escalables y fiables para supervisar muchos aspectos del entorno de nanofabricación. Durante décadas, el laboratorio ha mejorado constantemente su sistema de gestión de laboratorio (LMS) para adaptarse a las demandas cambiantes del entorno de laboratorio. Un producto de base de datos fiable, ahora con el apoyo de Actian, es un componente crítico del sistema Mercury.
"Actian es una parte fundamental de nuestra infraestructura. Sin ellos, no podríamos realizar el procesamiento y la automatización necesarios para nuestras operaciones bancarias."
"Hemos podido ahorrar una enorme cantidad de tiempo dedicado a extraer datos y conciliarlos manualmente si hay errores o discrepancias. Ahora podemos dedicar realmente tiempo a analizar áreas para impulsar el negocio".