Affiliation:
1. TU Kaiserslautern Lehrstuhl für Fertigungstechnik und Betriebsorganisation (FBK) Postfach 3049 , Kaiserslautern Germany
Abstract
Abstract
Bei der Ermittlung von Vorgangsfolgen innerhalb der Arbeitsplanung wird auf Erfahrungswissen von Fachkräften und weitere Hilfsmittel wie Unterlagen, Richtlinien und Arbeitspläne ähnlicher Produkte zurückgegriffen. Demzufolge enthalten erstellte Arbeitspläne implizites Wissen, dessen Extraktion und Nutzung das Potenzial zur Beschleunigung der Vorgangsfolgeermittlung bietet. Für derartige Aufgaben können künstliche neuronale Netze des Deep Learning eingesetzt werden, die durch Training das implizite Wissen erfassen und über Vorhersagen nutzbar machen. Daher wird in diesem Beitrag ein Konzept für die Ermittlung von Vorgangsfolgen durch künstliche neuronale Netze vorgestellt.
Subject
Management Science and Operations Research,Strategy and Management,General Engineering
Reference14 articles.
1. Schuh, G.; Prote, J.-P.; Luckert, M.; Hünnekes, P.: Automatisierung in der Arbeitsplanung. ZWF 112 (2017) 12, S. 827–830 DOI: /10.3139/104.111844
2. Wiendahl, H.-P.; Wiendahl, H.-H.: Betriebsorganisation für Ingenieure. Carl Hanser Verlag, München 2020 DOI: /10.3139/9783446460614
3. Schuh, G.; Prote, J.-P.; Luckert, M.; Hünnekes, P.: Knowledge Discovery Approach for Automated Process Planning. Procedia CIRP 63 (2017), S. 539–544 DOI: /10.1016/j.procir.2017.03.092
4. Eversheim, W.: Organisation in der Produktionstechnik (3) - Arbeitsvorbereitung. Springer-Verlag, Berlin, Heidelberg 2002 DOI: /10.1007/978-3-642-56336-2
5. Hashimoto, M.; Nakamoto, K.: Process Planning for Die and Mold Machining Based on Pattern Recognition and Deep Learning. Journal of Advanced Mechanical Design, Systems, and Manufacturing 15 (2021) 2, Paper No.20 – 00119 DOI: /10.1299/jamdsm.2021jamdsm0015
Cited by
2 articles.
订阅此论文施引文献
订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献