Die Dissertation untersucht die Vorhersage ungeplanter Ausfälle von PBF-LB/M-Systemen (Laser-basierte Pulverbettfusion von Metallen) mittels KI und maschinellem Lernen. Ziel ist Kostenreduktion und Verbesserung der Maschinenzuverlässigkeit in der metallbasierten additiven Fertigung. Die Studie analysiert tausende Baujobs aus realen industriellen Produktionsumgebungen verschiedener Industriesektoren.
In der Arbeit wurde CRISP-DM, eine Methode zur Kombination von Data Mining und betriebswirtschaftlichen Zielen, eingesetzt. Der Fokus lag auf der Reduzierung der Kosten durch präventive Baujobabbrüche und Fehler-Ursachen-Analyse mittels Interpretation von Black-Box-Modellen. Die Daten wurden in aggregierte Form konvertiert und zur Lösung des binären Klassifizierungsproblems mittels verschiedener Lernverfahren verarbeitet. Gradient Boosted Trees wurde als bestes Lernverfahren identifiziert und weiter optimiert. Die Ergebnisse zeigten exzellente Prognosegüten innerhalb der ersten 3-6 Stunden der Produktionsphase.
Die Studie zeigt durchschnittliche Kosteneinsparungen von 10-40% bei präventiven Eingriffen und überproportionale Einsparungen für langandauernde, hochvolumige Bauteile bei zunehmenden Ausfallraten. SHAP wurde zur Interpretation von Black-Box-Modellen und Identifizierung von Maßnahmen zur Steigerung der Maschinenzuverlässigkeit eingesetzt.
Zukünftige Projekte könnten ein Frühwarnsystem für PBF-Systembetreiber entwickeln, um Kostenvorteile und bessere Maschinenkontrolle zu realisieren. Die Arbeit zeigt Potenzial ungenutzter Sensordaten aus additiven Baujobs für die Wertschöpfungskette. Der Fokus sollte auf kooperativem Datenaustausch zwischen Marktteilnehmern liegen, um neue Geschäftsmodelle zu finden und additive Fertigung zur industriellen Serienreife zu führen.
Aktualisiert: 2023-05-31
> findR *
Die Dissertation untersucht die Vorhersage ungeplanter Ausfälle von PBF-LB/M-Systemen (Laser-basierte Pulverbettfusion von Metallen) mittels KI und maschinellem Lernen. Ziel ist Kostenreduktion und Verbesserung der Maschinenzuverlässigkeit in der metallbasierten additiven Fertigung. Die Studie analysiert tausende Baujobs aus realen industriellen Produktionsumgebungen verschiedener Industriesektoren.
In der Arbeit wurde CRISP-DM, eine Methode zur Kombination von Data Mining und betriebswirtschaftlichen Zielen, eingesetzt. Der Fokus lag auf der Reduzierung der Kosten durch präventive Baujobabbrüche und Fehler-Ursachen-Analyse mittels Interpretation von Black-Box-Modellen. Die Daten wurden in aggregierte Form konvertiert und zur Lösung des binären Klassifizierungsproblems mittels verschiedener Lernverfahren verarbeitet. Gradient Boosted Trees wurde als bestes Lernverfahren identifiziert und weiter optimiert. Die Ergebnisse zeigten exzellente Prognosegüten innerhalb der ersten 3-6 Stunden der Produktionsphase.
Die Studie zeigt durchschnittliche Kosteneinsparungen von 10-40% bei präventiven Eingriffen und überproportionale Einsparungen für langandauernde, hochvolumige Bauteile bei zunehmenden Ausfallraten. SHAP wurde zur Interpretation von Black-Box-Modellen und Identifizierung von Maßnahmen zur Steigerung der Maschinenzuverlässigkeit eingesetzt.
Zukünftige Projekte könnten ein Frühwarnsystem für PBF-Systembetreiber entwickeln, um Kostenvorteile und bessere Maschinenkontrolle zu realisieren. Die Arbeit zeigt Potenzial ungenutzter Sensordaten aus additiven Baujobs für die Wertschöpfungskette. Der Fokus sollte auf kooperativem Datenaustausch zwischen Marktteilnehmern liegen, um neue Geschäftsmodelle zu finden und additive Fertigung zur industriellen Serienreife zu führen.
Aktualisiert: 2023-05-18
> findR *
Die Dissertation untersucht die Vorhersage ungeplanter Ausfälle von PBF-LB/M-Systemen (Laser-basierte Pulverbettfusion von Metallen) mittels KI und maschinellem Lernen. Ziel ist Kostenreduktion und Verbesserung der Maschinenzuverlässigkeit in der metallbasierten additiven Fertigung. Die Studie analysiert tausende Baujobs aus realen industriellen Produktionsumgebungen verschiedener Industriesektoren.
In der Arbeit wurde CRISP-DM, eine Methode zur Kombination von Data Mining und betriebswirtschaftlichen Zielen, eingesetzt. Der Fokus lag auf der Reduzierung der Kosten durch präventive Baujobabbrüche und Fehler-Ursachen-Analyse mittels Interpretation von Black-Box-Modellen. Die Daten wurden in aggregierte Form konvertiert und zur Lösung des binären Klassifizierungsproblems mittels verschiedener Lernverfahren verarbeitet. Gradient Boosted Trees wurde als bestes Lernverfahren identifiziert und weiter optimiert. Die Ergebnisse zeigten exzellente Prognosegüten innerhalb der ersten 3-6 Stunden der Produktionsphase.
Die Studie zeigt durchschnittliche Kosteneinsparungen von 10-40% bei präventiven Eingriffen und überproportionale Einsparungen für langandauernde, hochvolumige Bauteile bei zunehmenden Ausfallraten. SHAP wurde zur Interpretation von Black-Box-Modellen und Identifizierung von Maßnahmen zur Steigerung der Maschinenzuverlässigkeit eingesetzt.
Zukünftige Projekte könnten ein Frühwarnsystem für PBF-Systembetreiber entwickeln, um Kostenvorteile und bessere Maschinenkontrolle zu realisieren. Die Arbeit zeigt Potenzial ungenutzter Sensordaten aus additiven Baujobs für die Wertschöpfungskette. Der Fokus sollte auf kooperativem Datenaustausch zwischen Marktteilnehmern liegen, um neue Geschäftsmodelle zu finden und additive Fertigung zur industriellen Serienreife zu führen.
Aktualisiert: 2023-05-12
> findR *
Die Dissertation untersucht die Vorhersage ungeplanter Ausfälle von PBF-LB/M-Systemen (Laser-basierte Pulverbettfusion von Metallen) mittels KI und maschinellem Lernen. Ziel ist Kostenreduktion und Verbesserung der Maschinenzuverlässigkeit in der metallbasierten additiven Fertigung. Die Studie analysiert tausende Baujobs aus realen industriellen Produktionsumgebungen verschiedener Industriesektoren.
In der Arbeit wurde CRISP-DM, eine Methode zur Kombination von Data Mining und betriebswirtschaftlichen Zielen, eingesetzt. Der Fokus lag auf der Reduzierung der Kosten durch präventive Baujobabbrüche und Fehler-Ursachen-Analyse mittels Interpretation von Black-Box-Modellen. Die Daten wurden in aggregierte Form konvertiert und zur Lösung des binären Klassifizierungsproblems mittels verschiedener Lernverfahren verarbeitet. Gradient Boosted Trees wurde als bestes Lernverfahren identifiziert und weiter optimiert. Die Ergebnisse zeigten exzellente Prognosegüten innerhalb der ersten 3-6 Stunden der Produktionsphase.
Die Studie zeigt durchschnittliche Kosteneinsparungen von 10-40% bei präventiven Eingriffen und überproportionale Einsparungen für langandauernde, hochvolumige Bauteile bei zunehmenden Ausfallraten. SHAP wurde zur Interpretation von Black-Box-Modellen und Identifizierung von Maßnahmen zur Steigerung der Maschinenzuverlässigkeit eingesetzt.
Zukünftige Projekte könnten ein Frühwarnsystem für PBF-Systembetreiber entwickeln, um Kostenvorteile und bessere Maschinenkontrolle zu realisieren. Die Arbeit zeigt Potenzial ungenutzter Sensordaten aus additiven Baujobs für die Wertschöpfungskette. Der Fokus sollte auf kooperativem Datenaustausch zwischen Marktteilnehmern liegen, um neue Geschäftsmodelle zu finden und additive Fertigung zur industriellen Serienreife zu führen.
Aktualisiert: 2023-05-12
> findR *
Das Thema künstliche Intelligenz ist in aller Munde. Wie kann auch Ihr Unternehmen KI nutzen und davon profitieren? Dieses Buch bietet anhand eingängiger Beispiele eine pragmatische Einführung in dieses spannende Themenfeld. Der Autor setzt den Fokus auf ein Verständnis der grundlegenden Begriffe und Konzepte sowie der praktischen Durchführung von KI-Projekten. Dabei werden Sie durch Glossare und Checklisten tatkräftig unterstützt. So können Sie die Ergebnisse von KI-Projekten kompetent beurteilen, die richtigen Fragen stellen und fundiert entscheiden.
Inhalt:
- Grundlagen maschinelles Lernen und Buzzwords
- KI-Projektmanagement: Struktur, Planung, Ziele
- Aufbereitung und Visualisierung der Daten, um wertvolle Einsichten zu gewinnen
- KI nutzen, um Ereignisse und Entwicklungen zu prognostizieren bzw. ungewöhnliche Konstellationen zu erkennen
- Nachhaltige produktive Umsetzung von KI im Unternehmen
- Mit Checklisten und umfangreichem Glossar
"Ein guter Einstieg in ein komplexes wichtiges Thema." Schweizer Online-Forum für Chief Financial Officers
Aktualisiert: 2023-05-11
> findR *
Aktualisiert: 2023-05-11
> findR *
Aktualisiert: 2023-05-11
> findR *
Das Thema künstliche Intelligenz ist in aller Munde. Wie kann auch Ihr Unternehmen KI nutzen und davon profitieren? Dieses Buch bietet anhand eingängiger Beispiele eine pragmatische Einführung in dieses spannende Themenfeld. Der Autor setzt den Fokus auf ein Verständnis der grundlegenden Begriffe und Konzepte sowie der praktischen Durchführung von KI-Projekten. Dabei werden Sie durch Glossare und Checklisten tatkräftig unterstützt. So können Sie die Ergebnisse von KI-Projekten kompetent beurteilen, die richtigen Fragen stellen und fundiert entscheiden.
Inhalt:
- Grundlagen maschinelles Lernen und Buzzwords
- KI-Projektmanagement: Struktur, Planung, Ziele
- Aufbereitung und Visualisierung der Daten, um wertvolle Einsichten zu gewinnen
- KI nutzen, um Ereignisse und Entwicklungen zu prognostizieren bzw. ungewöhnliche Konstellationen zu erkennen
- Nachhaltige produktive Umsetzung von KI im Unternehmen
- Mit Checklisten und umfangreichem Glossar
"Ein guter Einstieg in ein komplexes wichtiges Thema." Schweizer Online-Forum für Chief Financial Officers
Aktualisiert: 2023-05-10
> findR *
Dieses Buch verfolgt das Ziel, Schlüsseltechnologien für die digitale Transformation verstehen und anwenden zu können.
Aktualisiert: 2022-06-30
> findR *
Dieses Buch verfolgt das Ziel, Schlüsseltechnologien für die digitale Transformation verstehen und anwenden zu können.
Aktualisiert: 2023-05-03
> findR *
Dieses Buch zeigt anhand von journalistischen Fallbeispielen, und fortgeschrittene statistische Analysemethoden eingesetzt werden können, um aussagekräftige journalistische Informationen aus Daten zu extrahieren. Gleichzeitig setzt das Buch einen Anforderungsrahmen für die datenjournalistische Arbeit bezüglich Datenkompetenz und -visualisierung, dem Einsatz von Algorithmen sowie daten-ethischen Anforderungen und der Überprüfung externer Studien.
Aktualisiert: 2023-04-01
> findR *
Dieses Buch zeigt anhand von journalistischen Fallbeispielen, und fortgeschrittene statistische Analysemethoden eingesetzt werden können, um aussagekräftige journalistische Informationen aus Daten zu extrahieren. Gleichzeitig setzt das Buch einen Anforderungsrahmen für die datenjournalistische Arbeit bezüglich Datenkompetenz und -visualisierung, dem Einsatz von Algorithmen sowie daten-ethischen Anforderungen und der Überprüfung externer Studien.
Aktualisiert: 2023-04-04
> findR *
Das Thema künstliche Intelligenz ist in aller Munde. Wie kann auch Ihr Unternehmen KI nutzen und davon profitieren? Dieses Buch bietet anhand eingängiger Beispiele eine pragmatische Einführung in dieses spannende Themenfeld. Der Autor setzt den Fokus auf ein Verständnis der grundlegenden Begriffe und Konzepte sowie der praktischen Durchführung von KI-Projekten. Dabei werden Sie durch Glossare und Checklisten tatkräftig unterstützt. So können Sie die Ergebnisse von KI-Projekten kompetent beurteilen, die richtigen Fragen stellen und fundiert entscheiden.
Inhalt:
- Grundlagen maschinelles Lernen und Buzzwords
- KI-Projektmanagement: Struktur, Planung, Ziele
- Aufbereitung und Visualisierung der Daten, um wertvolle Einsichten zu gewinnen
- KI nutzen, um Ereignisse und Entwicklungen zu prognostizieren bzw. ungewöhnliche Konstellationen zu erkennen
- Nachhaltige produktive Umsetzung von KI im Unternehmen
- Mit Checklisten und umfangreichem Glossar
"Ein guter Einstieg in ein komplexes wichtiges Thema." Schweizer Online-Forum für Chief Financial Officers
Aktualisiert: 2023-03-06
> findR *
Das Thema künstliche Intelligenz ist in aller Munde. Wie kann auch Ihr Unternehmen KI nutzen und davon profitieren? Dieses Buch bietet anhand eingängiger Beispiele eine pragmatische Einführung in dieses spannende Themenfeld. Der Autor setzt den Fokus auf ein Verständnis der grundlegenden Begriffe und Konzepte sowie der praktischen Durchführung von KI-Projekten. Dabei werden Sie durch Glossare und Checklisten tatkräftig unterstützt. So können Sie die Ergebnisse von KI-Projekten kompetent beurteilen, die richtigen Fragen stellen und fundiert entscheiden.
Inhalt:
- Grundlagen maschinelles Lernen und Buzzwords
- KI-Projektmanagement: Struktur, Planung, Ziele
- Aufbereitung und Visualisierung der Daten, um wertvolle Einsichten zu gewinnen
- KI nutzen, um Ereignisse und Entwicklungen zu prognostizieren bzw. ungewöhnliche Konstellationen zu erkennen
- Nachhaltige produktive Umsetzung von KI im Unternehmen
- Mit Checklisten und umfangreichem Glossar
"Ein guter Einstieg in ein komplexes wichtiges Thema." Schweizer Online-Forum für Chief Financial Officers
Aktualisiert: 2023-03-06
> findR *
Aktualisiert: 2023-04-24
> findR *
NOT-Statistik umfasst den gesamten Datenanalyse-Prozess und zeigt anhand von zwei Praxisbeispielen die Umsetzung in Minitab R19 und R:
+Planung und Auswahl der Daten
+Prozess-Beschreibung und Ziele der Datenanalyse
+Plausibilitätsprüfung
+Grafiken für Einflüsse und Zusammenhänge
+Modellierung von Ursache-Wirkungs-Beziehungen
+Bewertung der Modell-Qualität und Ansatzpunkte zur Verbesserung
+Nutzung von Modellen für Vorhersagen, Simulationen, Optimierungen, Nachweisführung und Toleranzermittlung
Beispiel 1: Spritzgussprozess
Ziele: Vorhersage von Prozess-Ergebnissen und Ermittlung von Toleranzgrenzen
Beispiel 2: Projektlaufzeit
Ziele: zuverlässige Einschätzung von Projektlaufzeiten, Nachweis maximale Laufzeit
Die angewendeten Methoden (general linear model) gehören zum Bereich Maschinelles Lernen. NOT-Statistik liefert damit einen roten Faden für die Auswertung komplexerer Daten und zeigt, wie die Ergebnisse für die Produktentwicklung und Prozessoptimierung genutzt werden können. Die Daten und Programmdateien sind online verfügbar. Alle Beispiele können Schritt für Schritt selbständig nachvollzogen werden.
NOT-Statistik: Nachweis - Optimierung - Toleranzermittlung
Aktualisiert: 2021-04-15
> findR *
Große Datenmengen sind nicht nur das Ergebnis der Entwicklungen im Bereich von Heimautomatisierung und des Internet of Things. Zur Auswertung von Datenmengen sind Methoden und Verfahren entstanden, die mit den Begriffen „Data Mining“, „Knowledge Discovery“ oder „Big Data“ verknüpft sind. Der Anwender kann aus kommerziellen und Open-Source-Anwendungen wählen, die versprechen, vollkommen neue Erkenntnisse aus seinen Daten zu generieren. Vergleichbar mit einem Werkzeugkasten muss der Nutzer nur einen oder mehrere der darin zur Verfügung stehenden Algorithmen für die Datenanalyse wählen, um neue und spannende Einblicke zu erhalten. Doch ist es wirklich so einfach? Kai Jannaschk geht diesen und weiteren Fragen nach. Dazu stellt er ein Modell für ein systematisches und glaubwürdiges Data Mining vor. Weiterhin skizziert der Autor einen Ansatz zur Systematisierung von Algorithmen und Verfahren in der Datenanalyse.
Aktualisiert: 2023-04-01
> findR *
Die Verarbeitung von großen Datenmengen, die heute unter dem Begriff Big Data zusammengefasst werden, hat in den vergangenen Jahren zunehmend an Bedeutung gewonnen. Traditionelle Datenanalyseverfahren stoßen bei der hohen Anzahl verfügbarer Datenmengen und -arten zunehmend an ihre Grenzen. Versicherungsunternehmen gelten zwar als traditionelle Datensammler, stehen aber in vielen Fällen vor der Herausforderung, ihre unternehmensinternen Daten, die oft durch fragmentierte Informationssilos, heterogene Architekturen oder uneinheitlich definierte Auswertungsdimensionen geprägt sind, zu integrieren. In dieser Arbeit wird durch Anwendung eines Standard-Prozesses für Data-Mining untersucht, wie das Thema Big Data aus Sicht von Versicherungsunternehmen strukturiert werden kann. Mögliche Big Data-Anwendungsfälle werden identifiziert und hinsichtlich ihres strategischen- und Wertschaffungspotenzials bewertet.
Die vorliegende Arbeit bietet Big Data-Entscheidern einen Modellvorschlag, mit dem sie unter Berücksichtigung eigener Unternehmensziele Schritt für Schritt an Big Data-Fragestellungen herangeführt und in der Entscheidungsfindung zu möglichen Big Data-Projekten unterstützt werden.
Aktualisiert: 2023-02-07
> findR *
Große Datenmengen sind nicht nur das Ergebnis der Entwicklungen im Bereich von Heimautomatisierung und des Internet of Things. Zur Auswertung von Datenmengen sind Methoden und Verfahren entstanden, die mit den Begriffen „Data Mining“, „Knowledge Discovery“ oder „Big Data“ verknüpft sind. Der Anwender kann aus kommerziellen und Open-Source-Anwendungen wählen, die versprechen, vollkommen neue Erkenntnisse aus seinen Daten zu generieren. Vergleichbar mit einem Werkzeugkasten muss der Nutzer nur einen oder mehrere der darin zur Verfügung stehenden Algorithmen für die Datenanalyse wählen, um neue und spannende Einblicke zu erhalten. Doch ist es wirklich so einfach? Kai Jannaschk geht diesen und weiteren Fragen nach. Dazu stellt er ein Modell für ein systematisches und glaubwürdiges Data Mining vor. Weiterhin skizziert der Autor einen Ansatz zur Systematisierung von Algorithmen und Verfahren in der Datenanalyse.
Aktualisiert: 2023-04-04
> findR *
Die Verarbeitung von großen Datenmengen, die heute unter dem Begriff Big Data zusammengefasst werden, hat in den vergangenen Jahren zunehmend an Bedeutung gewonnen. Traditionelle Datenanalyseverfahren stoßen bei der hohen Anzahl verfügbarer Datenmengen und -arten zunehmend an ihre Grenzen. Versicherungsunternehmen gelten zwar als traditionelle Datensammler, stehen aber in vielen Fällen vor der Herausforderung, ihre unternehmensinternen Daten, die oft durch fragmentierte Informationssilos, heterogene Architekturen oder uneinheitlich definierte Auswertungsdimensionen geprägt sind, zu integrieren. In dieser Arbeit wird durch Anwendung eines Standard-Prozesses für Data-Mining untersucht, wie das Thema Big Data aus Sicht von Versicherungsunternehmen strukturiert werden kann. Mögliche Big Data-Anwendungsfälle werden identifiziert und hinsichtlich ihres strategischen- und Wertschaffungspotenzials bewertet.
Die vorliegende Arbeit bietet Big Data-Entscheidern einen Modellvorschlag, mit dem sie unter Berücksichtigung eigener Unternehmensziele Schritt für Schritt an Big Data-Fragestellungen herangeführt und in der Entscheidungsfindung zu möglichen Big Data-Projekten unterstützt werden.
Aktualisiert: 2023-02-07
> findR *
MEHR ANZEIGEN
Bücher zum Thema CRISP-DM
Sie suchen ein Buch über CRISP-DM? Bei Buch findr finden Sie eine große Auswahl Bücher zum
Thema CRISP-DM. Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr
hat zahlreiche Bücher zum Thema CRISP-DM im Sortiment. Nehmen Sie sich Zeit zum Stöbern und finden Sie das
passende Buch für Ihr Lesevergnügen. Stöbern Sie durch unser Angebot und finden Sie aus unserer großen Auswahl das
Buch, das Ihnen zusagt. Bei Buch findr finden Sie Romane, Ratgeber, wissenschaftliche und populärwissenschaftliche
Bücher uvm. Bestellen Sie Ihr Buch zum Thema CRISP-DM einfach online und lassen Sie es sich bequem nach
Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch.
CRISP-DM - Große Auswahl Bücher bei Buch findr
Bei uns finden Sie Bücher beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher zum
Thema CRISP-DM, die Ihre Fantasie anregen und Bücher, die Sie weiterbilden und Ihnen wissenschaftliche
Fakten vermitteln. Ganz nach Ihrem Geschmack ist das passende Buch für Sie dabei. Finden Sie eine große Auswahl
Bücher verschiedenster Genres, Verlage, Autoren bei Buchfindr:
Sie haben viele Möglichkeiten bei Buch findr die passenden Bücher für Ihr Lesevergnügen zu entdecken. Nutzen Sie
unsere Suchfunktionen, um zu stöbern und für Sie interessante Bücher in den unterschiedlichen Genres und Kategorien
zu finden. Unter CRISP-DM und weitere Themen und Kategorien finden Sie schnell und einfach eine Auflistung
thematisch passender Bücher. Probieren Sie es aus, legen Sie jetzt los! Ihrem Lesevergnügen steht nichts im Wege.
Nutzen Sie die Vorteile Ihre Bücher online zu kaufen und bekommen Sie die bestellten Bücher schnell und bequem
zugestellt. Nehmen Sie sich die Zeit, online die Bücher Ihrer Wahl anzulesen, Buchempfehlungen und Rezensionen zu
studieren, Informationen zu Autoren zu lesen. Viel Spaß beim Lesen wünscht Ihnen das Team von Buchfindr.
