Analyse Und Optimierung Stochastischer Flie Produktionssysteme Mit Begrenzter Materialverf Gbarkeit Unter Verwendung Von Methoden Des Maschinellen Lernens
DOWNLOAD
Download Analyse Und Optimierung Stochastischer Flie Produktionssysteme Mit Begrenzter Materialverf Gbarkeit Unter Verwendung Von Methoden Des Maschinellen Lernens PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Analyse Und Optimierung Stochastischer Flie Produktionssysteme Mit Begrenzter Materialverf Gbarkeit Unter Verwendung Von Methoden Des Maschinellen Lernens book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages. If the content not found or just blank you must refresh this page
Analyse Und Optimierung Stochastischer Flie Produktionssysteme Mit Begrenzter Materialverf Gbarkeit Unter Verwendung Von Methoden Des Maschinellen Lernens
DOWNLOAD
Author : Insa Südbeck
language : de
Publisher: BoD – Books on Demand
Release Date : 2023-01-26
Analyse Und Optimierung Stochastischer Flie Produktionssysteme Mit Begrenzter Materialverf Gbarkeit Unter Verwendung Von Methoden Des Maschinellen Lernens written by Insa Südbeck and has been published by BoD – Books on Demand this book supported file pdf, txt, epub, kindle and other format this book has been release on 2023-01-26 with Business & Economics categories.
An den Stationen einer Fließlinie werden häufig sekundäre Materialien zur Bearbeitung eines Werkstücks benötigt. Da die Materialverfügbarkeit direkten Einfluss auf den Durchsatz des Gesamtsystems hat, sollten integrierte Modelle zur Konfiguration der Fließlinie und der Materialversorgung genutzt werden. Insa Südbeck entwickelt zwei Ansätze zur Durchsatzbewertung von stochastischen Fließproduktionssystemen mit begrenzter Materialverfügbarkeit unter Verwendung von Methoden des maschinellen Lernens. Diese Ansätze können zur schnellen Evaluation einzelner Konfigurationen in angepassten heuristischen Optimierungsverfahren verwendet werden. Dadurch können Verhaltensweisen der Systeme beobachtet und betriebswirtschaftliche Erkenntnisse abgeleitet werden.
Einsatzm Glichkeiten Des Maschinellen Lernens Zur Planung Und Steuerung Komplexer Produktionssysteme
DOWNLOAD
Author : Jonas Mielke
language : de
Publisher: Logos Verlag Berlin GmbH
Release Date : 2025-02-05
Einsatzm Glichkeiten Des Maschinellen Lernens Zur Planung Und Steuerung Komplexer Produktionssysteme written by Jonas Mielke and has been published by Logos Verlag Berlin GmbH this book supported file pdf, txt, epub, kindle and other format this book has been release on 2025-02-05 with Technology & Engineering categories.
Die Produktionsplanung und -steuerung der Organisation und Realisierung von Wertschöpfungsprozessen trägt entscheidend zum Erfolg eines produzierenden Unternehmens bei. Aufgrund der steigenden Komplexität von immer kurzzyklischeren Veränderungen gestaltet sich diese Aufgabe zunehmend herausfordernd. Bestehende Methoden in diesem Bereich gelangen dabei an ihre Grenzen. Maschinelles Lernen als Teilgebiet der künstlichen Intelligenz kann einen maßgeblichen Beitrag dazu leisten, die kontinuierlich veränderten Rahmenbedingungen in Form von Planungsszenarien zu bewerten und den Einfluss von Entscheidungen langfristig zu evaluieren. Entscheidend beim Einsatz maschineller Lernalgorithmen im Kontext der Produktionsplanung und -steuerung ist es, den Gesamtprozess zu berücksichtigen -- beginnend bei der Erhebung von Produktionsdaten über den Einsatz der Algorithmen bis hin zur Rückführung der Erkenntnisse in den Wertstrom. Als Ergebnis kann die Planung und Steuerung komplexer Produktionssysteme robuster und ganzheitlicher organisiert werden.
Produktionsplanung Mit Unterst Tzung Von K Nstlicher Intelligenz Ki Theorie Und Praxis
DOWNLOAD
Author :
language : de
Publisher: GRIN Verlag
Release Date : 2024-12-03
Produktionsplanung Mit Unterst Tzung Von K Nstlicher Intelligenz Ki Theorie Und Praxis written by and has been published by GRIN Verlag this book supported file pdf, txt, epub, kindle and other format this book has been release on 2024-12-03 with Business & Economics categories.
Studienarbeit aus dem Jahr 2021 im Fachbereich BWL - Beschaffung, Produktion, Logistik, , Sprache: Deutsch, Abstract: Ziel dieser Arbeit ist es, die Theorie und Praxis der autonomen Produktionsplanung mit Hilfe von Künstlicher Intelligenz eingehend zu untersuchen. Dabei wird zunächst ein Überblick über die klassischen Methoden der Produktionsplanung und deren Herausforderungen gegeben. Anschließend wird untersucht, wie KI-Technologien, insbesondere maschinelles Lernen und autonomes Entscheidungsverhalten, die Produktionsplanung revolutionieren können. In einem weiteren Schritt wird die praktische Anwendung dieser Technologien in der Industrie beleuchtet, wobei auf Fallbeispiele und aktuelle Implementierungen eingegangen wird. Abschließend wird ein Ausblick auf die zukünftigen Entwicklungen und Perspektiven der autonomen Produktionsplanung gegeben. Die Arbeit verfolgt dabei das Ziel, ein tieferes Verständnis für den Einsatz von KI in der Produktionsplanung zu vermitteln und die Potenziale sowie die Herausforderungen dieser Technologie zu diskutieren. Zudem wird aufgezeigt, welche konkreten Vorteile KI-basierte Systeme für die Industrie bieten können und welche Veränderungen dies für Unternehmen und deren Mitarbeiter mit sich bringt. Die moderne Fertigungsindustrie steht vor immer komplexeren Herausforderungen. Globale Lieferketten, schwankende Marktnachfragen und die Notwendigkeit, Produktionsprozesse effizient und flexibel zu gestalten, erfordern eine kontinuierliche Weiterentwicklung der Produktionsplanung. Die traditionellen Methoden der Produktionsplanung, die oft auf starren, auf Prognosen basierenden Modellen beruhen, stoßen in einer zunehmend dynamischen und von Unsicherheiten geprägten Weltwirtschaft an ihre Grenzen. Angesichts dieser Herausforderungen bieten innovative Technologien wie die Künstliche Intelligenz (KI) neue Möglichkeiten zur Optimierung der Produktionsprozesse. Die Anwendung von KI in der Produktionsplanung hat das Potenzial, die Art und Weise, wie Unternehmen ihre Fertigungsressourcen steuern, erheblich zu verändern. Insbesondere die Entwicklung autonomer Systeme, die in der Lage sind, selbstständig Entscheidungen zu treffen, birgt enorme Chancen für eine tiefgreifende Transformation der Produktionsabläufe. Solche KI-gesteuerten Systeme könnten in der Lage sein, in Echtzeit auf Veränderungen in der Produktionsumgebung zu reagieren, Engpässe zu erkennen, Kapazitäten dynamisch anzupassen und damit die Effizienz und Flexibilität der Produktion erheblich zu steigern.
Smart Manufacturing System For Process Optimization Regarding Deviations Among Material Batches
DOWNLOAD
Author : Benjamin Samuel Lutz
language : en
Publisher:
Release Date : 2024
Smart Manufacturing System For Process Optimization Regarding Deviations Among Material Batches written by Benjamin Samuel Lutz and has been published by this book supported file pdf, txt, epub, kindle and other format this book has been release on 2024 with categories.
Aufgrund der Fortschritte digitaler Technologien strebt die subtraktive Fertigung nach intelligenten Werkzeugmaschinen, welche eine datengetriebene Selbstoptimierung ermöglichen. Als Beitrag zur Erreichung dieses Ziels wird in dieser Arbeit ein Ansatz zur Berücksichtigung der Einflüsse von Materialchargen vorgestellt.Das beschriebene System nutzt dabei Bilder der verwendeten Schneidwerkzeuge, um deren Zustand zu erfassen. Es werden Methoden für die semantische Bildsegmentierung vorgeschlagen, durch welche die unterschiedlichen Verschleißdefekte erkannt und vermessen werden können. Zusätzlich werden neuartige Ansätze zur Generierung neuer sowie zur Adaption existierender Trainingsdaten auf neue Anwendungsfälle dargestellt.Die Erkennung der Materialcharge während der Bearbeitung erfolgt anhand interner Steuerungssignale. Im Rahmen einer Signalvorverarbeitung werden dabei die hochfrequenten Signale zu charakteristischen Kennwerten aggregiert. Ein Algorithmus bewertet nun den Neuheitsgrad der aktuellen Charge. Ist diese bekannt wird eine Klassifizierung durchgeführt, andernfalls kommt ein Clusteralgorithmus zum Einsatz.Mit diesen Informationen kann nun historisches Wissen für die Berechnung optimierter, chargen-spezifischer Schnittparameter verwendet werden. Zusätzlich ermöglicht das vorgestellte System das automatische Charakterisieren neuartiger Chargen, das kontinuierliche Verbessern der Modelle, sowie die effektive Anpassung an neue Anwendungsfälle.