Kurzfassung
Die effektive Nutzung der Ressource Wissen zur Entscheidungsunterstützung in Produktions- und Planungsprozessen ist heute für den Unternehmenserfolg von höchster Bedeutung. Moderne Informationstechnologien ermöglichen eine strukturierte digitale Speicherung großer Datenmengen, ihre effiziente Auswertung zwecks Wissensentdekkung wird jedoch selten fokussiert. Im Beitrag wird ein systematisches Vorgehen zur Wissensentdeckung im Kontext industrieller Produktion dargestellt und anhand von Anwendungsbeispielen erläutert.
Abstract
Knowledge is a relevant factor for decision support in industrial production or planning processes and therefor for the company's success on the whole. Modern information technology provides opportunities for digital storing and warehousing of huge amounts of data. The efficient analysis of production-related databases is often neglected. In order to provide a procedure for industrial data analysis, this paper presents a systematic approach for knowledge discovery in industrial databases (KDID) and illustrates its practical applications.
References
1. Deuse, J.; Bohnen, F.; Konrad, B.: Renaissance der Gruppentechnologie. ZWF106 (2011) 5, S. 337–341Search in Google Scholar
2. Laqua, I.: Production Intelligence. ZWF107 (2012) 6, S. 416–420Search in Google Scholar
3. Gertosio, C.; Dussauchoy, A.: Knowledge Discovery from Industrial Databases. Journal of Intelligent Manufacturing15 (2004), S. 29–3710.1023/b:jims.0000010073.54241.e7Search in Google Scholar
4. Gabriel, R.; Gluchowski, P.; Pastwa, A.: Data-warehouse & Data Mining. W3L, Witten, Herdecke2009Search in Google Scholar
5. Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: From Data Mining to Knowledge Discovery in Databases. AI Magazine17 (1996) 3, S. 37–54Search in Google Scholar
6. Chapman, P.; Clinton, J.; Kerber, R.; Khabaza, T.; Reinartz, T.; Shearer, C.; Wirth, R.: CRISP-DM 1.0 – Step-by-step data mining guide. SPSS Inc., 2000Search in Google Scholar
7. Matignon, R.: Neural Network Modeling Using SAS Enterprise Miner. AuthorHouse, Bloomington, 2005Search in Google Scholar
8. Talia, D.; Trunfio, P.: Service-oriented Distributed Knowledge Discovery. CRC Press, Boca Raton201310.1201/b12990Search in Google Scholar
9. Otte, R.; Otte, V.; Kaiser, V.: Data Mining für die industrielle Praxis. Carl Hanser Verlag, München, Wien2004Search in Google Scholar
10. Westkämper, E.: Digitale Produktion. In: Bullinger, H.-J. (Hsrg.): Technologieführer-Grundlagen, Anwendungen, Trends. Springer-Verlag, Berlin, Heidelberg2007, S. 434–439Search in Google Scholar
11. Kletti, J.: Konzeption und Einführung von MES-Systemen. Springer-Verlag, Berlin, Heidelberg2007Search in Google Scholar
12. Olson, D.L.; Delen, D.: Advanced Data Mining Techniques. Springer-Verlag, Berlin, Heidelberg2008Search in Google Scholar
13. Tan, P.-N.; Steinbach, M.; Kumar, V.: Introduction to Data Mining. Pearson, Boston2006Search in Google Scholar
14. Pruscha, H.: Statistisches Methodenbuch – Verfahren, Fallstudien, Programmcodes. Springer-Verlag, Berlin, Heidelberg200610.1007/3-540-29305-1Search in Google Scholar
15. Mierswa, I.; Wurst, M.; Klinkenberg, R.; Scholz, M.; Euler, T.: YALE: Rapid Prototyping for Complex Data Mining Tasks. In: Ungar, L.; Craven, M.; Gunopulos, D.; Eliassi-Rad, T. (Hrsg.); KDD'06: Proceedings of the 12th ACM SIGKDD Int. Conf. on Knowledge Discovery and Data Mining. ACM, New York2006, S. 935–94010.1145/1150402Search in Google Scholar
16. Lieber, D.; Stolpe, M.; Konrad, B.; Deuse, J.; Morik, K.: Quality Prediction in Interlinked Manufacturing Processes based on Supervised & Unsupervised Machine Learning. In: Proceedings of the 46th CIRP Conference on Manufacturing Systems, 29 – 31. Mai 2013, Setubal, Portugal10.1016/j.procir.2013.05.033Search in Google Scholar
17. Erohin, O.; Kuhlang, P.; Schallow, J.; Deuse, J.: Intelligent Utilisation of Digital Databases for Assembly Time Determination in Early Phases of Product Emergence. In: Procedia CIRP – 45th Conference on Manufacturing Systems. Elsevier Publ., 2012, S. 424–42910.1016/j.procir.2012.07.073Search in Google Scholar
© 2013, Carl Hanser Verlag, München