Abstraktion und Übertragbarkeit von Datenanalysen im industriellen Kontext

Author:

Syberg MariusORCID,West NikolaiORCID,Klapic EdinORCID,Schwenken JörnORCID,Klinkenberg RalfORCID,Deuse JochenORCID

Abstract

ZusammenfassungDatenanalysen müssen für die zielführende Anwendung im industriellen Kontext, insbesondere in kleinen und mittleren Unternehmen, entsprechend mehreren Anforderungen gestaltet sein. Dabei müssen sie vorrangig Wissen zu den jeweiligen Problemstellungen aus Daten generieren und gleichzeitig leicht für Anwender zugänglich sein, die aus verschiedenen Gründen nicht täglich mit und an ihnen arbeiten. Im Forschungsprojekt AKKORD wurde eine Lösung erarbeitet, mit der Datenanalyseprozesse zu zielgerichteten Modulen abstrahiert werden können. Das eröffnet die Möglichkeit Analysen auch in anderen Anwendungsfällen, beispielsweise in anderen Werken oder in anderen Abteilungen wiederverwenden zu können. Die im Forschungsvorhaben entwickelte Plattform wird als AI-Toolbox bezeichnet und in diesem Kapitel ausführlich vorgestellt. Mithilfe der AI-Toolbox können entwickelte Datenanalysen zum einen vorbereitet und bereitgestellt und zum anderen ausgewählt und ausgeführt werden. Das folgende Kapitel betrachtet dabei sowohl die vorherrschenden Anforderungen als auch die methodische Idee der Abstraktion und Übertragbarkeit von Datenanalysen im industriellen Kontext. Die Arbeiten führen die theoretischen Überlegungen zur Prozesskette der industriellen Datenanalyse fort und umfassen mit der Datenanalyse und -verwendung entsprechend den zweiten und dritten Schritt dieser Kette. Darüber hinaus wird die entwickelte Plattform AI-Toolbox als Schlüsseltechnologie für das Nutzen und Teilen der Module im Detail vorgestellt.

Publisher

Springer Fachmedien Wiesbaden

Reference11 articles.

1. Banijamali, A., Pakanen, O.-P., Kuvaja, P., & Oivo, M. (2020). Software architectures of the convergence of cloud computing and the internet of things: A systematic literature review. Information and Software Technology, 122, 106271.

2. Deuse, J., West, N., & Syberg, M. (2022). Rediscovering scientific management. The evolution from industrial engineering to industrial data science. International Journal of Production Management and Engineering, 10(1), 1–12. https://doi.org/10.4995/ijpme.2022.16617.

3. Fayyad, U. M., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 17, 37–54.

4. Grady, R. B., & Caswell, D. L. (1987). Software metrics. Establishing a company-wide program. Prentice-Hall.

5. Mazarov, J., Schmitt, J., Deuse, J., Richter, R., Kühnast-Benedikt, R., & Biedermann, H. (2020). Visualisation in industrial data science projects (Translation). Visualisierung in industrial data-science-projekten (Original title). Industrie 4.0 Management, 36(6), 63–66.

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3