Shop : Details
Shop
Details
49,80 €ISBN 978-3-8440-6037-9Paperback390 Seiten256 Abbildungen510 g21 x 14,8 cmDeutschDissertation
Juli 2018
Daniel Lieber
Data Mining in der Qualitätslenkung am Beispiel der Stabstahlproduktion
Die im Zuge von Industrie 4.0 verfolgte Vernetzung von Produktionsaggregaten durch Informations- und Kommunikationstechnologien zu cyber-physischen Systemen mit dem übergeordneten Ziel der Überwachung, Steuerung und Optimierung komplexer Produktionssysteme beruht auf echtzeitfähigen Ansätzen, welche die erfassten Daten auswerten und in Prozesswissen transformieren. Der erprobte Einsatz maschineller Lernverfahren im Rahmen gehobener Regelungsstrategien in der Prozessindustrie stellt in diesem Zusammenhang einen vielversprechenden Ansatz zur Übertragung des systemimmanenten Jidoka Qualitätslenkungsansatzes auf die betriebliche Gütesicherung in der Stahlindustrie dar.
An dieser Stelle setzt die vorliegende Arbeit an, welche einen neuen Lösungsansatz für die Qualitätslenkung anhand einer branchenübergreifenden Kombination selektiv adaptierter Qualitätsmethoden verfolgt. Dieser sieht die Übertragung überwachter und unüberwachter Lernverfahren zur Identifikation und Klassifikation von Prozessmustern und somit zur Prognose qualitativer Prozess- und Produktmerkmale vor. Hieraus resultierend erfolgt im Anschluss an die Einführung theoretischer Grundlagen des Data Mining hinsichtlich bestehender Lernparadigmen, Aufgabenstellungen und Methoden die Vorstellung eines erweiterten, adaptierten systematischen Vorgehensmodells zur Übertragung und Anwendung von Data Mining Untersuchungsansätzen im Kontext industrieller Produktion (Knowledge Discovery in Industrial Databases, KDID). Die Dissertationsarbeit dokumentiert den Ablauf eines KDID-Projektes anhand einer Fallstudie im Anwendungskontext der Herstellung von Edelstahllangprodukten.
An dieser Stelle setzt die vorliegende Arbeit an, welche einen neuen Lösungsansatz für die Qualitätslenkung anhand einer branchenübergreifenden Kombination selektiv adaptierter Qualitätsmethoden verfolgt. Dieser sieht die Übertragung überwachter und unüberwachter Lernverfahren zur Identifikation und Klassifikation von Prozessmustern und somit zur Prognose qualitativer Prozess- und Produktmerkmale vor. Hieraus resultierend erfolgt im Anschluss an die Einführung theoretischer Grundlagen des Data Mining hinsichtlich bestehender Lernparadigmen, Aufgabenstellungen und Methoden die Vorstellung eines erweiterten, adaptierten systematischen Vorgehensmodells zur Übertragung und Anwendung von Data Mining Untersuchungsansätzen im Kontext industrieller Produktion (Knowledge Discovery in Industrial Databases, KDID). Die Dissertationsarbeit dokumentiert den Ablauf eines KDID-Projektes anhand einer Fallstudie im Anwendungskontext der Herstellung von Edelstahllangprodukten.
Schlagwörter: Data Mining; Industrial Data Science; KDID
Schriftenreihe Industrial Engineering
Herausgegeben von Univ.-Prof. Dr.-Ing. Jochen Deuse, Dortmund
Band 24
Verfügbare Online-Dokumente zu diesem Titel
Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.
Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
| Dokument |  | Gesamtdokument | ||
| Dateiart |  | |||
| Kosten |  | 37,35 € | ||
| Aktion |  | Zahlungspflichtig kaufen und download der Datei | ||
| Dokument |  | Inhaltsverzeichnis | ||
| Dateiart | | |||
| Kosten |  | frei | ||
| Aktion |  | Download der Datei | ||
Benutzereinstellungen für registrierte Online-Kunden (Online-Dokumente)
Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.
Benutzer
Nicht angemeldet
Export bibliographischer Daten
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
Am Langen Graben 15a
52353 Düren
Mo. - Do. 8:00 Uhr bis 16:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Kontaktieren Sie uns. Wir helfen Ihnen gerne weiter.
