Affiliation:
1. IU Internationale Universität Juri-Gagarin-Ring 152 , Erfurt Germany
Abstract
Abstract
Technische Entwicklungen wie Datensammler und Analysewerkzeuge ermöglichen neue Optimierungspotenziale in der Produktion. Ein gutes Beispiel dafür ist das Themenfeld Data Science. Big-Data-Analysen oder Data-Science-Projekte können aus großen Datenmengen Hinweise und Optimierungspotenziale in der Produktion aufdecken. Für die Datenanalyse hat sich in Wissenschaft und Praxis der CRISP-DM-Ansatz durchgesetzt. Dieses Vorgehensmodell bietet eine gute Unterstützung für Data-Science-Projekte mit nützlichen Methoden und Werkzeugen zur Datenanalyse. In der Praxis ist jedoch oft zu beobachten, dass diese Projekte häufig von Datenexperten durchgeführt werden und die Verknüpfung von langjährigem Prozesswissen fehlt. In diesem Beitrag wird als Lösung eine Kombination von Prozessoptimierungsmethoden aus dem Lean-Management- und Six-Sigma-Werkzeugkasten sowie Projektmanagement-Methoden für jede Phase des CRISP-DM-Ansatzes vorgestellt.
Subject
Management Science and Operations Research,Strategy and Management,General Engineering
Reference15 articles.
1. Lee, J.; Kao, H.-A.; Yang, S.: Service Innovation and Smart Analytics for Industry 4.0 and Big Data Environment. Procedia CIRP 16 (2014), S. 3–8 DOI: 10.1016/j.procir.2014.02.001
2. Oesterreich, T. D.; Teuteberg, F.: Understanding the Implications of Digitisation and Automation in the Context of Industry 4.0: A Triangulation Approach and Elements of a Research Agenda for the Construction Industry. Computers in Industry 83 (2016) 12, S. 121–139 DOI: 10.1016/j.compind.2016.09.006
3. Morlock, F.; Wienbruch, T.; Leineweber, S.; Kreimeier, D.; Kuhlenkötter, B.: Industrie-4.0-Transformation für produzierende Unternehmen. ZWF 111 (2016) 5, S. 306–309 DOI: 10.3139/104.111514
4. Morlock, F.; Kreggenfeld, N.; Louw, L.; Kreimeier, D.; Kuhlenkötter, B.: Teaching Methods-Time Measurement (MTM) for Workplace Design in Learning Factories. Procedia Manufacturing 9 (2017), S. 369–375 DOI: 10.1016/j.promfg.2017.04.033
5. Hoffmann, M.: Von Industrial Big Data zu Smart Data – Wie aus Produktionsdaten Erkenntnisse werden. Informatik Aktuell (03. 09. 2019). Online unter https://www.informatik-aktuell.de/management-und-recht/digitalisierung/von-industrial-big-data-zusmart-data.html[Abrufam14.12.2020]
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