Die Instandhaltung fortgeschrittener Produktions- und Logistiksysteme ist eine Herausforderung. Der demografische Wandel, sowie neuartige Systemtypen, zu denen nur wenig Instandhaltungserfahrung vorliegt, erhöhen den Stellenwert eines geschickten Umgangs mit Lösungswissen in der operativen Instandhaltungsplanung.
Ein systematischer Rückgriff auf bewährtes Wissen, aus dem eigenen, aber auch aus fremden Unternehmen, sowie dessen Adaption, eröffnet die Möglichkeit, die Effizienz bei der Erarbeitung von Instandhaltungsmaßnahmen zu erhöhen. Ein Ansatz hierfür sind Lösungsmuster: Sie bieten das Potenzial, relevantes Wissen zu dokumentieren, zu vernetzen und kollektiv nutzbar zu machen.
Die vorliegende Arbeit führt die These an, dass sich Lösungsmuster zur kreativ-gestalterischen Formulierung von Instandhaltungsmaßnahmen einsetzen lassen.
Das übergeordnete Ziel der Arbeit ist die Entwicklung eines Instrumentariums zur lösungsmusterbasierten Instandhaltungsplanung. Es dient der Vermittlung von Lösungswissen über verschiedene Expertisestufen des Instandhaltungspersonals hinweg und assistiert in neuartigen und komplexen Planungsfällen. Das Instrumentarium setzt sich aus folgenden Werkzeugen zusammen: einem Such- und Planungsraum zur Verordnung von Lösungsmustern, einem Standard zur Dokumentation von Lösungswissen sowie einem Empfehlungssystem, um geeignete Muster in den persönlichen Planungsprozess einzubinden. Das Arbeiten mit dem Instrumentarium wird durch ein Vorgehensmodell systematisiert. Die Validierung des Instrumentariums erfolgt anhand von sieben Fallstudien in instandhaltungsintensiven Branchen.
Aktualisiert: 2023-03-16
> findR *
Das Problem, zu einem Thema "passende" Informationen zu finden, ist vermutlich so alt, wie die Fähigkeit des Menschen, Informationen zu archivieren. Der amerikanische Trendforscher John Naisbitt prägte den Satz "Wir ertrinken in Informationen, aber hungern nach Wissen".
Empfehlungssysteme werden in vielen Bereichen als Lösung dieses Dilemmas gesehen. Diese auch "Recommender Systems" genannten Lösungen sind ein ebenso spannender wie neuer Bereich der Domäne Wissensmanagement.
Die ausführliche Einführung erläutert anschaulich die hinter Empfehlungssystemen stehenden Grundlagen und Konzepte. Neben einer fundierten Darstellung des Collaborative Filtering und des Content Based Filtering werden mehr als 50 Empfehlungssysteme in kompakter Form vorgestellt und verglichen.
Aktualisiert: 2023-03-14
> findR *
Das Buch beleuchtet den Stellenwert des Empfehlungsmarketings und erweitert existierende Theorie um eine Systematisierung des Themenkomplexes. Der digitale Zukunftstrend wird objektiv untersucht. Am Beispiel von Amazon wird die Branchenrelevanz für den E-Commerce aufgezeigt. Chancen und Risiken von Empfehlungsmarketing im Internet – am Beispiel von Amazon, beweist, dass sich durch das Empfehlungsmarketing und dem damit verbundenen Qualitätsfokus ein interessanter Zukunftstrend für kleine sowie große Unternehmen abzeichnet.
Aktualisiert: 2023-03-21
> findR *
Aktualisiert: 2020-01-14
> findR *
Diese Arbeit beschäftigt sich mit Assoziationsregeln und dem Auffinden häufiger Muster und Strukturen in komplexen Daten, z.B. in folgenwertigen Daten oder Daten, die als Folgen von Mengen beschrieben werden können. Solche Daten fallen in einer Vielzahl von Anwendungskontexten an, unter anderem als Protokolldaten in elektronischen Transaktionssystemen, z.B. in Form von Warenkörben wiederkehrender Besucher eines Online-Shops. Als Hauptbeitrag wird ein abstraktes Verfahren für das Mining häufiger Muster in allgemeinen Musterräumen entwickelt. Klassische Verfahren wie der Apriori-Algorithmus sowie seine zahllosen Varianten können als Spezialisierungen dieses abstrakten Verfahrens aufgefaßt werden. Eine spezielle Datenstruktur, der geschachtelte Prefixbaum, ermöglicht die effiziente Implementation dieses Verfahrens. Mit Hilfe von Schachtelungsoperatoren wird schließlich ein Baukasten für Apriori-artige Mining-Algorithmen zur Verfügung gestellt.
Aktualisiert: 2023-04-12
> findR *
Mobile Geräte werden immer häufiger mit Sensoren zur Bestimmung der eigenen Position ausgestattet, zum Beispiel mit GPS. Mit Hilfe der Ortsinformationen dieser Sensoren können beispielsweise moderne Bildmanagementanwendungen digitale Fotos automatisch nach geografischen Regionen gruppieren oder passende Schlagworte generieren. Dies führt unter anderem zu einer besseren Suchbarkeit dieser digitalen Daten. Grundsätzlich geben Ortsinformationen in digitalen Fotos nicht nur Hinweise auf das Foto selbst, sondern machen auch sichtbar, welche geografischen Entscheidungen der Fotograf bei deren Erstellung getroffen hat. Diese Arbeit nutzt diese Entscheidungen für die Berechnung von weiteren Empfehlungen für den Nutzer, beispielsweise einer Bildmanagementanwendung. Ein konkreter Anwendungsfall lautet folgendermaßen: Einem Nutzer sollen für eine frei wählbare geographische Region (z.B. einer Stadt), mehrere Bilder empfohlen werden, die zum einen typisch für diese Region sind, zum anderen aber auch für ihn persönlich interessant sein könnten. Um diese geografischen Mehr-Objekt-Empfehlungen zu berechnen, wurde ein neuartiger Algorithmus entwickelt, der zunächst die Ortsinformationen aller Nutzer zu einem geografischen Modell bündelt. Auf Grundlage dieser prototypischen Konzeptualisierung von einzelnen Regionen, können dann typische Bilder empfohlen werden. Weiterhin werden diese geografischen Modelle in einem zweiten Schritt für die zusätzliche Gewichtung der einzelnen geografischen Entscheidungen der Nutzer verwendet, um über den Ansatz eines kollaborativen Filters zu einer persönlichen Empfehlung zu gelangen. Dazu wurden mehrere Verfahren entwickelt und miteinander verglichen. Diese Arbeit ist im Rahmen des europäischen Projektes Tripod entstanden, für das der entwickelte geografische Empfehlungsalgorithmus als Softwaremodul prototypisch implementiert wurde. Damit wurden die Empfehlungen mit Hilfe von georeferenzierten Bildern evaluiert, die auf den Online-Galerien Panoramio.com und Flickr.de veröffentlicht wurden. Durch die Auswertung der geografischen Informationen und der daraus berechneten Ortsmodelle, ließen sich deutlich präzisere Empfehlungen vorschlagen, als mit anderen bekannten Empfehlungsverfahren.
Aktualisiert: 2020-05-25
> findR *
Aktualisiert: 2020-01-14
> findR *
Aktualisiert: 2020-01-14
> findR *
Produktbegleitende Dienstleistungen gewinnen als Differenzierungsmerkmal im Wettbewerb zunehmend an Relevanz. Allerdings sehen sich Industriegüterhersteller angesichts einer mangelnden Kenntnis der Kundenpräferenzen oftmals nicht in der Lage, Dienstleistungen gleichermaßen kundenorientiert und profitabel anzubieten. Vor diesem Hintergrund analysiert Margarethe Frohs, wie Recommender Systeme für die nachfragerorientierte Ausgestaltung, Bepreisung und Kommunikation von Dienstleistungsangeboten eingesetzt werden können. Hierbei konzipiert die Autorin ein eigenständiges Recommender System und demonstriert dessen Eignung im Rahmen einer umfassenden empirischen Untersuchung.
Aktualisiert: 2019-12-20
> findR *
In der Arbeit wird erstmalig ein Unterstützungssystem für die Geschäftsprozessmodellierung vorgestellt, das dem Benutzer zu seinem gerade editierten Prozess Prozessfragmente aus einer Bibliothek vorschlägt. Der Vorschlag von Prozessfragmenten erfolgt auf Basis von Geschäftsregeln und Korrektheits- und Semantikkriterien. Zusätzlich werden Ähnlichkeitsmaße definiert, durch die Prozessteile mit unterschiedlichem Vokabular zur Beschreibung gleicher Prozessobjekte wieder verwendet werden können.
Aktualisiert: 2021-02-11
> findR *
Aktualisiert: 2020-01-14
> findR *
Die Arbeit untersucht die Einordnung von Peer-to-Peer-Systemen in das Datenschutzrecht und Folgen für selbstorganisierende Empfehlungssysteme. Ein nutzer- und ein objektbasierter Ansatz für ein solches System werden entworfen und evaluiert. Spezifische Vorteile bezüglich Empfehlungsqualität einerseits sowie Skalierbarkeit andererseits werden in einem kombinierten Ansatz vereint. Vorschläge zur Fortentwicklung des Rechts der Peer-to-Peer-Systeme bilden den Abschluss der Dissertation.
Aktualisiert: 2021-02-11
> findR *
Aktualisiert: 2020-01-14
> findR *
MEHR ANZEIGEN
Bücher zum Thema Empfehlungssystem
Sie suchen ein Buch über Empfehlungssystem? Bei Buch findr finden Sie eine große Auswahl Bücher zum
Thema Empfehlungssystem. Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr
hat zahlreiche Bücher zum Thema Empfehlungssystem 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 Empfehlungssystem einfach online und lassen Sie es sich bequem nach
Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch.
Empfehlungssystem - Große Auswahl Bücher bei Buch findr
Bei uns finden Sie Bücher beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher zum
Thema Empfehlungssystem, 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 Empfehlungssystem 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.
