TU Darmstadt / ULB / TUbiblio

Process Mining in einer Produktion mit kundenanonymer Bevorratung - Heuristischer Ansatz zur Vergabe von Case IDs

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 Send an inquiry

Options (only for editors)

View Item View Item