Logo des Repositoriums

Auflistung nach Schlagwort "Forecast"

1 - 2 von 2
  • Zeitschriftenartikel
    Automatisierung von Geschäftsprozessen im Maschinen- und Anlagenbau – Fallstudie zu Predictive Maintenance
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 5, 2019) Gluchowski, Peter; Schieder, Christian; Gmeiner, Andreas; Trenz, Stefan
    Die Chancen, die sich durch die zielgerichtete Auswertung und Verwendung von Sensordaten für den Maschinen- und Anlagenbau ergeben, sind immens. Große Anlagen weisen hunderte oder gar tausende von verbauten Sensoren auf, die in kurzen Zeitabständen Daten über aktuelle Zustände einzelner Maschinenkomponenten sowie der Produktionsprozesse erzeugen. Die Produktion von Wellpappe, die als vielseitiges Verpackungsmaterial für Endkunden- und Industrieprodukte weltweit zum Einsatz kommt, stellt hierbei ein besonders anschauliches Beispiel dar. Die Entwicklung digitaler Dienstleistungen wie die vorausschauende Wartung (sog. „Predictive Maintenance“) basieren auf Daten, die an der Anlage erzeugt werden. Ein im Produktionsprozess von Wellpappe kritisches Bauteil stellt das bei der Verklebung der Wellpapp-Schichten verwendete Anpressband dar. Die neueste Generation von Wellpappenanlagen wird zu diesem Zweck mit spezieller Sensorik ausgestattet, die laufend Daten zum Zustand des Bandes liefern. Mit diesen Daten lassen sich mit Hilfe modellbasierter maschineller Lernverfahren Prognosen zur Lebensdauer treffen und damit Automatisierungspotenziale bei nachfolgenden Geschäftsprozessen ausschöpfen. Ziel ist die Minimierung der Produktions- und Qualitätsverluste sowie die Automatisierung der Ersatzteilprozesse. Der Beitrag skizziert die Vorgehensweise und Ergebnisse des zugehörigen Projekts und gibt einen Ausblick auf zukünftige Entwicklungen. The systematic evaluation and use of sensor data create immense opportunities for mechanical engineering and machine operations. Production lines have hundreds or even thousands of built-in sensors that generate data on the current status of individual machine components and production processes at short intervals. The production of corrugated board, which is used worldwide as a versatile packaging material for end customer and industrial products, is a particularly vivid example of this. The development of digital services such as predictive maintenance is based on data generated at the production line. A critical component in the production process of corrugated board is the pressure belt used to bond the layers of corrugated board. For this purpose, the latest generation of corrugators is equipped with special sensors that continuously provide data on the condition of the belt. These data can be used to predict the service life with the aid of model-based machine learning methods and thus exploit automation potential in subsequent business processes. The aim is to minimize production and quality losses and automate spare parts processes. The paper outlines the approach and results of the associated project and gives an outlook on future developments.
  • Zeitschriftenartikel
    Decision Analytics mit Heatmap-Visualisierung von mehrschrittigen Ensembledaten
    (Wirtschaftsinformatik: Vol. 56, No. 3, 2014) Köpp, Cornelius; Mettenheim, Hans-Jörg; Breitner, Michael H.
    Heutige in verschiedenen Informationssystemen integrierte Prognosetechniken nutzen oft Ensembles zur Darstellung verschiedener zukünftiger Szenarien. Die Aggregation dieser Prognosen stellt eine anspruchsvolle Aufgabe da: Bei der Nutzung von Mittelwert und Median (gängige Praxis) gehen wichtige Informationen verloren, vor allem wenn die zugrunde liegende Verteilung zu jedem Schritt multimodal ist. Um dies zu vermeiden präsentieren wir einen Heatmap-Visualisierungsansatz. Visuell ist eine einfache Unterscheidung zwischen Bereichen mit hoher Aktivität (hohe Wahrscheinlichkeit der Realisierung) und solchen mit niedriger Aktivität möglich. Diese Form der Darstellung ermöglicht eine Identifikation von sich aufspaltenden Pfaden im Prognoseensemble und schafft dadurch eine „dritte Alternative“ im Entscheidungsraum. Die meisten Prognosesysteme bieten nur Ergebnisse „auf“ oder „ab“ an. Die vorgestellte Heatmap-Visualisierung führt zusätzlich ein Ergebnis „weiß nicht“ ein. Durch Blick auf die Heatmap können somit Bereiche identifiziert werden, in denen sich das zugrunde liegende Prognosemodell nicht sicher ist über den zukünftigen Ausgang. Wir präsentieren einen Softwareprototyp zur Unterstützung von Entscheidern durch eine interaktive Visualisierung und diskutieren den Informationsgewinn durch die Nutzung. Der Prototyp wurde bereits anderen Forschern und Praktikern präsentiert und mit diesen diskutiert.AbstractToday’s forecasting techniques, which are integrated into several information systems, often use ensembles that represent different scenarios. Aggregating these forecasts is a challenging task: when using the mean or median (common practice), important information is lost, especially if the underlying distribution at every step is multimodal. To avoid this, the authors present a heatmap visualization approach. It is easy to visually distinguish regions of high activity (high probability of realization) from regions of low activity. This form of visualization allows to identify splitting paths in the forecast ensemble and adds a “third alternative” to the decision space. Most forecast systems only offer “up” or “down”: the presented heatmap visualization additionally introduces “don’t know”. Looking at the heatmap, regions can be identified in which the underlying forecast model cannot predict the outcome. The authors present a software prototype with interactive visualization to support decision makers and discuss the information gained by its use. The prototype has already been presented to and discussed with researchers and practitioners.