Urnauer, Christian and Gräff, Victoria and Metternich, Joachim Urnauer, Christian (ed.) TU Darmstadt (Corporate Creator) (2020):
Process Mining in einer Produktion mit kundenanonymer Bevorratung - Heuristischer Ansatz zur Vergabe von Case IDs.
DOI: 10.25534/tuprints-00011297,
[Online-Edition: https://tuprints.ulb.tu-darmstadt.de/11297],
[Report]
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.
| Item Type: | Report |
|---|---|
| Erschienen: | 2020 |
| Editors: | Urnauer, Christian |
| Creators: | Urnauer, Christian and Gräff, Victoria and Metternich, Joachim |
| Title: | Process Mining in einer Produktion mit kundenanonymer Bevorratung - Heuristischer Ansatz zur Vergabe von Case IDs |
| Language: | German |
| 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. |
| Divisions: | 16 Department of Mechanical Engineering 16 Department of Mechanical Engineering > Institute of Production Technology and Machine Tools (PTW) 16 Department of Mechanical Engineering > Institute of Production Technology and Machine Tools (PTW) > CiP Center for industrial Productivity |
| Date Deposited: | 26 Jan 2020 20:56 |
| DOI: | 10.25534/tuprints-00011297 |
| Official URL: | https://tuprints.ulb.tu-darmstadt.de/11297 |
| URN: | urn:nbn:de:tuda-tuprints-112974 |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Send an inquiry |
Options (only for editors)
 |
View Item |
Drucken
Impressum