Data Mining auf Produktionsdaten der industriellen Pizzafertigung (Diplomarbeit)

Aus Kompetenzportal
Wechseln zu: Navigation, Suche
Data Mining auf Produktionsdaten der industriellen Pizzafertigung (Diplomarbeit)
Autor Sebastian Kuhrau
Typ Diplom
Studiengang Wirtschaftsinformatik
Erstbetreuer Uwe Lämmel (Prof. Dr.-Ing.)
Zweitbetreuer Jürgen Cleve (Prof. Dr. rer. nat.)
Status der Abschlussarbeit verteidigt
Datum der Verteidigung 2011/07/05
Erscheinungsjahr 2011
Link

Einleitung

Data Mining in der industriellen Fertigung

In der industriellen Fertigung führen leistungsfähige Datenbanksysteme und kostengünstige Hardware in Kombination mit dem Einsatz von Barcodes sowie digitaler Mess- und Sensortechnik dazu, dass die aufgezeichneten Datenmengen in den Datenbanken der Unternehmen stetig zunehmen.

Die in heterogenen Systemen gesammelten Daten sind primär das Ergebnis der operativen Unterstützung technischer und betriebswirtschaftlicher Prozesse. Diese Daten können jedoch Muster, Abhängigkeiten und Trends enthalten, die die durchgeführten Prozesse und hergestellten Produkte charakterisieren.

Die hohe Anzahl von Datensätzen und Attributen in Produktionsdatenbanken gestaltet eine Auswertung dieser Daten schwierig. Zum einen ist die menschliche Fähigkeit zur manuellen Analyse großer Datenmengen beschränkt, zum anderen erschließt sich der Wert der Daten häufig erst nach einer umfangreichen Aufbereitung und Verknüpfung mit weiteren Datenbeständen.

Dies hat zur Folge, dass die erhobenen Daten nur unzureichend weiterverwertet werden. In einem durch Wettbewerb und Kostendruck gekennzeichneten Marktumfeld, stehen die Unternehmen somit vor der Herausforderung, Ingenieuren3 und Entscheidungsträgern Zugang zu den implizit in den Daten enthaltenen Informationen zu verschaffen. Diese Informationen können dazu beitragen Fertigungsprozesse zu verstehen und zu verbessern.

Data Mining bietet die Möglichkeit, automatisiert Muster und Zusammenhänge in der wachsenden Menge zu untersuchender Daten aufzudecken und damit der hohen Bedeutung des Produktionsfaktors Information gerecht zu werden. Unter anderem werden folgende Ziele mit dem Einsatz von Data Mining im industriellen Umfeld verfolgt:

  • Planung und Optimierung von Produkteigenschaften
  • Aufdecken von Zusammenhängen in Produktionsprozessen
  • Einsparung von Ressourcen
  • Optimierung von Wartung und Instandhaltung

Somit ist Data Mining in der Industrie ein Instrument, um die Produktivität und Produktqualität zu erhöhen sowie Produktionsausschüsse und -kosten zu senken und damit die Wettbewerbsfähigkeit von Unternehmen am Markt zu erhalten.