Publikation: Dissertationsschrift

Maschinelles Lernen für betriebliches Störungsmanagement in der Produktionslogistik

Grunddaten
Abstract
Autoren
Einrichtung

Grunddaten

Titel	Maschinelles Lernen für betriebliches Störungsmanagement in der Produktionslogistik
Erscheinungsjahr	2023
Verlag	Universität Rostock
Verlagsort	Rostock
Seitenzahl	161
Serie	Innovationen in der Logistik
Publikationsform	Druckschrift
Publikationsart	Dissertationsschrift
Sprache	Deutsch
ISBN	978-3-86009-541-6
Letzte Änderung	27.06.2024 06:02:00
Bearbeitungsstatus	durch UB Rostock abschließend validiert
Dauerhafte URL	http://purl.uni-rostock.de/fodb/pub/70718
Links zu Katalogen

Abstract

Im Falle von aufgetretenen Störungen während der Produktionsausführung bedarf es einer gezielten und effizienten Störungsbewältigung, damit die termingerechte Fertigstellung von Produktionsaufträgen nicht beeinträchtigt wird. Im Rahmen dieser Arbeit wurde daher ein prototypisches Anwendungssystem entwickelt, das auf maschinellen Lernverfahren basiert und in der Lage ist, voraussichtliche Störungswirkungen zu prognostizieren. Die Prognoseergebnisse bilden den Ausgangspunkt für weitere Analysen und sind die Basis für eine datenbasierte Entscheidungsfindung beim Störungsmanagement.

Autor

Erichsen, Björn

Einrichtung

Fakultät für Maschinenbau und Schiffstechnik (MSF)