Machine-Learning-Ansatz zur Produktionsauftragsplanung-Reference-Cited by-同舟云学术

Machine-Learning-Ansatz zur Produktionsauftragsplanung

Published:2022-06-01 Issue:6 Volume:117 Page:384-389
ISSN:2511-0896
Container-title:Zeitschrift für wirtschaftlichen Fabrikbetrieb
language:en
Short-container-title:

Author:

Mielke Jonas¹,Winkler Herwig¹

Affiliation:

1. Brandenburgisch Technische Universität Cottbus-Senftenberg Lehrstuhl für Produktionswirtschaft Siemens-Halske-Ring 6, 03046 Cottbus Germany

Abstract

Abstract Maschinelle Lernalgorithmen sind leistungsstarke Werkzeuge, um Muster und Wechselwirkungen in Datenstrukturen zu erkennen. Diese Fähigkeiten werden im Rahmen dieses Beitrags zur Optimierung der Auftragsplanung eines Produktionssystems genutzt. Dabei wird ein praxisnahes Vorgehen zur schnellen Evaluierung neuer Auftragssituationen vorgestellt. Die Datengrundlage bildet dabei ein Simulationsmodell eines realen Produktionssystems.

Publisher

Walter de Gruyter GmbH

Subject

Management Science and Operations Research,Strategy and Management,General Engineering

Link

https://www.degruyter.com/document/doi/10.1515/zwf-2022-1077/pdf

Reference25 articles.

1. Kletti, J.; Deisenroth, R.; Diesner, M.; Kletti, W.; Lübbert, J.-P.; Schumacher, J.; Strebel, T.: Die Anforderungen an die moderne Produktion. In: Kletti, J. (Hrsg.): MES – Manufacturing Execution System: Moderne Informationstechnologie unterstützt die Wertschöpfung. Springer-Verlag, Berlin, Heidelberg 2015 DOI: 10.1007/978-3-662-46902-6_1

2. Domschke, W.; Drexl, A.; Klein, R.; Scholl, A.: Einführung in Operations Research. 9. Auflage, Springer Verlag, Berlin Heidelberg 2015, S. 235–236 DOI: 10.1007/978-3-662-48216-2

3. Echsler Minguillon, F.; Lanza, G.: Maschinelles Lernen in der PPS. wt Werkstattstechnik online 107 (2017) 9, S. 630–634 DOI: 10.37544/1436-4980-2017-09-68

4. Sobottka, T.; Kamhuber, F.; Faezirad, M.; Sihn, W.: Potential for Machine Learning in Optimized Production Planning with Hybrid Simulation. Procedia Manufacturing 39 (2019), S. 1844–1853 DOI: 10.1016/j.promfg.2020.01.254

5. Chimunhu, P.; Topal, E.; Ajak, A. D.; Asad, W.: A Review of Machine Learning Applications for Underground Mine Planning and Scheduling. Resources Policy 77 (2022), Article 102693 DOI: 10.1016/j.resourpol.2022.102693

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

1. Nutzung von Machine Learning in der intelligenten Fabrik;Zeitschrift für wirtschaftlichen Fabrikbetrieb;2024-04-30

2. Befähigung von KMU zur Nutzung von Machine-Learning-Potenzialen;Zeitschrift für wirtschaftlichen Fabrikbetrieb;2023-03-31