Auflistung nach Schlagwort "Process Automation"
1 - 2 von 2
Treffer pro Seite
Sortieroptionen
- ZeitschriftenartikelBewertung der Einsatzpotenziale und Risiken von Robotic Process Automation(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 6, 2020) Brettschneider, JenniferIn der heutigen Zeit nimmt die Bedeutung schlanker und effektiver Prozesse in Unternehmen vor dem Hintergrund des Wettbewerbs sowie Kostendrucks stetig zu. Um dieser Herausforderung entgegenzuwirken, fokussieren sich Unternehmen auf die Identifikation neuer innovativer Potenziale. Aufgrund der Tatsache, dass monotone und regelbasierte Prozesse durch Softwareroboter automatisiert werden können, ist das Interesse an Robotic Process Automation (RPA) in den letzten Jahren stetig gestiegen. Bevor sich Unternehmen allerdings für oder gegen den Einsatz von RPA entscheiden, ist es zunächst notwendig, dass die Entscheidungsträger ein Verständnis von RPA erlangen sowie die entsprechenden Einsatzpotenziale und Risiken einschätzen können. Dieser Artikel trägt diesem Bedürfnis Rechnung, indem es diese auf Basis einer Literaturrecherche ermittelt und bewertet. Im Ausblick wird das zukünftige Potenzial von RPA eingeschätzt. Nowadays, the importance of lean and effective processes in companies is increasing considering the background of business rivalry and cost pressure. To counteract this challenge, companies focus on identifying new innovative potentials. Due to the fact that monotonous and rule-based processes can be automated through software robots, the interest in robotic process automation (RPA) has been growing steadily over the last few years. But before a company decides whether or not to use RPA, it is firstly necessary for decision-makers to get an understanding of RPA and to be able to assess the potential uses and risks. This paper takes this need into account by determining and evaluating them on the basis of a literature review. The outlook evaluates future significance of RPA.
- TextdokumentFrom Physical to Virtual: Leveraging Drone Imagery to Automate Photovoltaic System Maintenance(INFORMATIK 2021, 2021) Lowin, Maximilian; Kellner, Domenic; Kohl, Tobias; Mihale-Wilson, CristinaOptimizing the maintenance of large-scale infrastructure can be a significant cost driver for small and medium-sized enterprises (SMEs). This paper presents a feasible approach to combine data from real-world physical structures collected through an automated maintenance process with cloud-based AI services to generate a meaningful virtual representation of such structures. We use photovoltaic systems as an exemplary physical structure and thermal imaging, collected through scheduled drone monitoring. With help of these unstructured data sources, we demonstrate our approach's applicability. Our solution artifact provides a lightweight AI application that is adoptable for other problem spaces, enabling an easier knowledge transfer from research to SMEs. By combining Cloud Computing with Machine Learning, the artifact identifies present and emerging damages of physical objects. It provides a virtual representation of the object's state and empowers a meaningful visualization.