Urnauer, Christian ; Gräff, Victoria ; Metternich, Joachim
Hrsg.: Urnauer, Christian ; TU Darmstadt (2020)
Process Mining in einer Produktion mit kundenanonymer Bevorratung - Heuristischer Ansatz zur Vergabe von Case IDs.
doi: 10.25534/tuprints-00011297
Report, Erstveröffentlichung
Kurzbeschreibung (Abstract)
Prozessmodelle werden eingesetzt, um ein qualitatives Verständnis für den Prozess zu schaffen, indem ein idealisiertes Bild der Realität erzeugt wird. Dabei erfolgt die Visualisierung der Abfolge von Prozessschritten eines Material- oder Informationsflusses. Das Erstellen von Prozesskarten kann durch den Einsatz von Process Mining Techniken automatisiert werden. Dabei werten Discovery Algorithmen Zeitstempel aus, um Prozesse und Prozessverbindungen zu rekonstruieren. Die Verfügbarkeit von Daten aus der Produktion nimmt durch die voranschreitende Digitalisierung stetig zu, wodurch die Relevanz solcher datengestützter Analysen wächst. Dieser Artikel stellt einen heuristischen Ansatz zur Vorverarbeitung nicht-korrelierter Zeitstempeldaten aus der Produktion vor, um mit diesen den Einsatz von Process Mining zu ermöglichen.
| Typ des Eintrags: | Report |
|---|---|
| Erschienen: | 2020 |
| Herausgeber: | Urnauer, Christian |
| Autor(en): | Urnauer, Christian ; Gräff, Victoria ; Metternich, Joachim |
| Art des Eintrags: | Erstveröffentlichung |
| Titel: | Process Mining in einer Produktion mit kundenanonymer Bevorratung - Heuristischer Ansatz zur Vergabe von Case IDs |
| Sprache: | Deutsch |
| Publikationsjahr: | Januar 2020 |
| DOI: | 10.25534/tuprints-00011297 |
| URL / URN: | https://tuprints.ulb.tu-darmstadt.de/11297 |
| Kurzbeschreibung (Abstract): | Prozessmodelle werden eingesetzt, um ein qualitatives Verständnis für den Prozess zu schaffen, indem ein idealisiertes Bild der Realität erzeugt wird. Dabei erfolgt die Visualisierung der Abfolge von Prozessschritten eines Material- oder Informationsflusses. Das Erstellen von Prozesskarten kann durch den Einsatz von Process Mining Techniken automatisiert werden. Dabei werten Discovery Algorithmen Zeitstempel aus, um Prozesse und Prozessverbindungen zu rekonstruieren. Die Verfügbarkeit von Daten aus der Produktion nimmt durch die voranschreitende Digitalisierung stetig zu, wodurch die Relevanz solcher datengestützter Analysen wächst. Dieser Artikel stellt einen heuristischen Ansatz zur Vorverarbeitung nicht-korrelierter Zeitstempeldaten aus der Produktion vor, um mit diesen den Einsatz von Process Mining zu ermöglichen. |
| URN: | urn:nbn:de:tuda-tuprints-112974 |
| Sachgruppe der Dewey Dezimalklassifikatin (DDC): | 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau 600 Technik, Medizin, angewandte Wissenschaften > 650 Management 600 Technik, Medizin, angewandte Wissenschaften > 670 Industrielle und handwerkliche Fertigung |
| Fachbereich(e)/-gebiet(e): | 16 Fachbereich Maschinenbau 16 Fachbereich Maschinenbau > Institut für Produktionsmanagement und Werkzeugmaschinen (PTW) 16 Fachbereich Maschinenbau > Institut für Produktionsmanagement und Werkzeugmaschinen (PTW) > CiP Center für industrielle Produktivität |
| Hinterlegungsdatum: | 26 Jan 2020 20:56 |
| Letzte Änderung: | 26 Jan 2020 20:56 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum