Mustererkennung in Produktionsdaten

Die vorliegende Arbeit untersucht die Einsatzmöglichkeiten von Mustererkennungs- und Data- Mining-Verfahren für die Untersuchung von Produktionsdaten. Dabei beginnen die Betrachtungen mit der Beschreibung des aktuellen technologischen Entwicklungsstandes und der Darlegung eventueller Potentiale und Anwendungsmöglichkeiten für einen Einsatz von Data-Mining und Mustererkennungsverfahren in produzierenden Unternehmen. Der Hauptteil der Arbeit umfasst die Entwicklung und den Einsatz von Methoden, um anhand von generierten Produktionsdaten (BDE/MDE-Daten) Muster zu erkennen, die es erlauben auf mögliche Fertigungsstrategien zu schließen. Dabei werden die durch Plant Simulation erzeugten Produktionsdaten in einem eigens entwickelten Analyse-Tool verarbeitet und mit Hilfe einer Clusteranalyse, einer Assoziationsanalyse und eines Entscheidungsbaumverfahrens auf auftretende Muster untersucht. Dadurch wurde es möglich signifikante Muster in den Daten und den Ergebnissen der genutzten Data-Mining-Verfahren zu erkennen und auf die verwendete Fertigungsstrategie zu schließen.

Autorentext

Geboren im Oktober 1981 in Weida (Thüringen), wohnhaft in Moers. Nach dem Ablegen des Abiturs Studium der Diplom- Wirtschaftsinformatik an der Technischen Universität Ilmenau. Dort und bei einer Anstellung im BMW Werk Landshut vertiefende Erfahrungen im Bereich Controlling, Produktionssysteme und Data- Mining gesammelt.

Klappentext

Die vorliegende Arbeit untersucht die Einsatzmöglichkeiten von Mustererkennungs- und Data- Mining-Verfahren für die Untersuchung von Produktionsdaten. Dabei beginnen die Betrachtungen mit der Beschreibung des aktuellen technologischen Entwicklungsstandes und der Darlegung eventueller Potentiale und Anwendungsmöglichkeiten für einen Einsatz von Data-Mining und Mustererkennungsverfahren in produzierenden Unternehmen. Der Hauptteil der Arbeit umfasst die Entwicklung und den Einsatz von Methoden, um anhand von generierten Produktionsdaten (BDE/MDE-Daten) Muster zu erkennen, die es erlauben auf mögliche Fertigungsstrategien zu schließen. Dabei werden die durch Plant Simulation erzeugten Produktionsdaten in einem eigens entwickelten Analyse-Tool verarbeitet und mit Hilfe einer Clusteranalyse, einer Assoziationsanalyse und eines Entscheidungsbaumverfahrens auf auftretende Muster untersucht. Dadurch wurde es möglich signifikante Muster in den Daten und den Ergebnissen der genutzten Data-Mining-Verfahren zu erkennen und auf die verwendete Fertigungsstrategie zu schließen.