Anwendungsfelder für Data Mining in Produktion und Logistik
PAYBACK Punkte
0 °P sammeln!
Diplomarbeit aus dem Jahr 2013 im Fachbereich BWL - Beschaffung, Produktion, Logistik, Note: 2,3, Universität Stuttgart (Fraunhofer Institut - Institut für Industrielle Fertigung und Fabrikbetrieb), Veranstaltung: technisch orientierte Betriebswirtschaftslehre, Sprache: Deutsch, Abstract: Das Ziel der vorliegenden Arbeit besteht darin, in Zusammenarbeit mit dem Fraunhofer Institut für Produktionstechnik und Automatisierung, den Anforderungen an die Produktionsunternehmen und insbesondere deren Herzstück, der Produktion mit intelligenten Data-Mining-Anwendungen, gerecht zu werden. Sich stä...
Diplomarbeit aus dem Jahr 2013 im Fachbereich BWL - Beschaffung, Produktion, Logistik, Note: 2,3, Universität Stuttgart (Fraunhofer Institut - Institut für Industrielle Fertigung und Fabrikbetrieb), Veranstaltung: technisch orientierte Betriebswirtschaftslehre, Sprache: Deutsch, Abstract: Das Ziel der vorliegenden Arbeit besteht darin, in Zusammenarbeit mit dem Fraunhofer Institut für Produktionstechnik und Automatisierung, den Anforderungen an die Produktionsunternehmen und insbesondere deren Herzstück, der Produktion mit intelligenten Data-Mining-Anwendungen, gerecht zu werden. Sich ständig verändernde Umweltbedingungen und der mit der Globalisierung immer härter werdende Wettbewerb hinsichtlich Kosten, Qualität und Zeit fordern von Unternehmen kontinuierlich steigende Anstrengungen, bestehende Verschwendungen von Zeit, Ressourcen und Personal in den Geschäftsprozessen systematisch zu identifizieren, zu eliminieren bzw. zu reduzieren. In Unternehmensbereichen wie Marketing, Finanzen oder Vertrieb hat sich das Data Mining mittlerweile als Hilfsmittel bei Entscheidungsfindungen gut bewährt. In dem Bereich Produktion und dem bereichsübergreifend begleitenden Prozess der Logistik ist aber Potenzial für Data Mining vorhanden, das noch nicht voll ausgeschöpft wurde, obwohl hier mit zunehmender Automatisierung und fortschreitendem technischem Wandel Prozessdaten anfallen, die eine Grundlage für Analysen bilden können. Die Erfüllung der Anforderungen produzierender Unternehmen, in einem stetig komplexer werdenden Produktionsumfeld verborgene Wirkungszusammenhänge und Mechanismen durch vorhandene Datenbestände aufzudecken und dabei die eigenen Prozesse besser zu verstehen, ergibt dabei die Zielsetzung. Die umgesetzten gewonnenen Erkenntnisse können anschließend Optimierungen in den Prozessen anregen. Eine Aufgabe der vorliegenden Arbeit besteht darin, anhand von Data-Mining-Anwendungen in der Produktion und Logistik deren
Andere Kunden interessierten sich für
