Data Mining im Produktionsumfeld

Größe: px
Ab Seite anzeigen:

Download "Data Mining im Produktionsumfeld"

Transkript

1 Data Mining im Produktionsumfeld Dr. Thomas Bernard Fraunhofer-Symposium Netzwert 2011 München, 28./

2 Datengrab oder Goldgrube: Steigerung der Prozess-Effizienz und Produktqualität mit Data-Mining-Methoden 2 Fraunhofer IOSB 11/2011

3 Data Mining im Produktionsumfeld 1. Wozu Data-Mining im Produktionsumfeld? 2. ProDaMi-Suite: Flexible Data-Mining-Plattform 3. Anwendung der ProDaMi-Suite 4. Künftige Anwendungen 5. Zusammenfassung 3 Fraunhofer IOSB 11/2011

4 1. Wozu Data Mining im Produktionsumfeld? Problem: Stetige Zunahme der Komplexität von Produktionsprozessen Prozessüberwachung und Optimierung auf Grundlage physikalischer Modelle oftmals zeitaufwendig und kostenintensiv Sensor-, Qualitäts-, Anlagendaten bisher nur unzureichend genutzt Data Mining könnte wertvollen Beitrag leisten aber: Data Mining im Produktionsumfeld bisher nicht etabliert [Data Mining: aus einem Datenberg etwas Wertvolles extrahieren] 4 Fraunhofer IOSB 11/2011

5 Data Mining im Produktionsumfeld... kann unterstützen bei: Prozessführung, Prozessoptimierung Prozessüberwachung, Condition Monitoring Qualitätsüberwachung, Qualitätsmanagement Analyse von Key Performance Indices (KPIs) Versuchsplanung Produktdesign Produktionsplanung und Fertigungssteuerung Stammdatenmanagement Instandhaltungsmanagement Variantenmanagement... 5 Fraunhofer IOSB 11/2011

6 Data Mining im Produktionsumfeld ProDaMi DaMi In prototypisch realisiert: Prozessführung, Prozessoptimierung Prozessüberwachung, Condition Monitoring Qualitätsüberwachung, Qualitätsmanagement Analyse von Key Performance Indices (KPIs) Versuchsplanung Produktdesign Produktionsplanung und Fertigungssteuerung Stammdatenmanagement Instandhaltungsmanagement Variantenmanagement... 6 Fraunhofer IOSB 11/2011

7 Beispiel: Optimierung verfahrenstechnischer Prozesse Typische Probleme bei verfahrenstechnischen Batch-Prozessen: Optimierung der Anfahrphase; Lastwechsel; Unterdrückung von Störeinflüssen Physikalische Modellierung oft nur qualitativ möglich Gesucht: Einfluss von Prozessparametern auf Produkteigenschaften Zusammenhang? Prozess-Parameter - Maschinenparameter - Regelungsparameter - Rezepte -... Produktions- Prozess Produkt- Eigenschaften -Qualität -Kosten - Ressourcenverbrauch Fraunhofer IOSB 11/2011

8 Beispiel: Gießen von Motorblöcken Ziel: Ausschuss-Minimierung Temperaturen (Zeitverläufe)? Qualität, Ausschuss 8 Fraunhofer IOSB 11/2011

9 Beispiel: Glasziehprozess Ziel: Ausschuss-Minimierung Störungen in Endphase (Zeitverläufe) Abzugsgeschwindigkeit Durchmesser (soll konstant sein)? Qualität, Ausschuss Temperatur 1 Ziehkraft Temperatur 2 Temperatur 3 Ofentemperatur 9 Fraunhofer IOSB 11/2011

10 Beispiel: Monitoring von kontinuierlichen Prozessen Ziel: Sofortige Erkennung von Störungen / Anomalien Operator sieht meist nur aktuelle Zeitverläufe! Lernen von Normalzuständen bzw. Prozessphasen aus Messdaten Zeitverläufe von Sensoren / Aktoren bei einem verfahrenstechnischen Prozess 10 Fraunhofer IOSB 11/2011

11 2. ProDaMi-Suite: Flexible Data-Mining-Plattform Ziele des Projektes DaMi (WISA mit IOSB, ITWM, IPK, ) ProDaMi ProDaMi-Suite: Modulares System von Data-Mining-Werkzeugen Generierung von entscheidungsfähigem Wissen für Überwachungs-, Planungs- und Optimierungsaufgaben in verschiedenen Produktionsbereichen Verfügbare Data-Mining-Werkzeuge sollen sich leicht einbinden lassen ProDaMi-Suite soll sich leicht in heterogene Daten- und Kommunikationsstruktur des Produktionsumfeldes integrieren lassen Prototypische Realisierung für typische Anwendungsklassen aus der Stückgutfertigung und der Prozessindustrie 11 Fraunhofer IOSB 11/2011

12 Data-Mining-Workflow im Produktionsumfeld Iterativer Prozess (Expertenwissen notwendig)! Physikalisches Wissen integrieren (z.b. über Soft-Sensoren) Fayyad 1996: Knowledge Discovery in Databases (KDD) 12 Fraunhofer IOSB 11/2011

13 Module der ProDaMi-Suite GUI GUI GUI ProDaMi/PPS Produktionsplanung und -steuerung ProDaMi/PFÜ Prozessführung und -überwachung... ProDaMi/XX weitere Module ProDaMi/ Interface Anbindung an online Systeme Datenimport Konfektionierung Parametrierung Methodenauswahl Ergebnisse Wissen von Daten... Muster... zu Wissen! Zieldaten Vorverarbeitete Daten ProDaMi/ Data Warehouse Transformierte Daten ProDaMi/ DM-Engine ProDaMi/ Assistent 13 Fraunhofer IOSB 11/2011

14 Data Mining-Verfahren in ProDaMi-Suite strukturbeschreibende Verfahren (überwachtes Lernen) (z.b. Varianzanalyse, Diskriminanzanalyse, Regression, Klassifikation) strukturentdeckende Verfahren (unüberwachtes Lernen) (z.b. Assoziationsanalyse, Clusterverfahren, Self Organizing Maps) Nutzung von Bibliotheken unter Matlab, Rapid Miner, Open Source sowie Integration eigener Entwicklungen 14 Fraunhofer IOSB 11/2011

15 Generierung kundenspezifischer Applikationen Ziel: Schnelle Generierung von Customer Data-Mining Applications auf kundenspezifischen Plattformen und GUIs PRODAMI-Kernfunktionen Spezifikation, Kundenanforderungen Data Warehouse Data Mining Assistent Anwendungsklassenspezifische Funktionen Data Warehouse Data Mining GUI C++ Java Matlab... ProDami- Applikation 15 Fraunhofer IOSB 11/2011

16 Nutzergruppen der ProDaMi-Suite 1. Wissenschaftler des Projektkonsortiums Bearbeitung von Industrieprojekten 2. Industriepartner Data-Mining-Experten Implementierung auf kundenspezfischer Plattform einfache GUIs ausreichend GUI - Anforderung 3. Industriepartner Data-Mining-Laien z. B. Prozessingenieure ohne vertieftes Data-Mining-Wissen ProDaMi-Suite soll komplett vorkonfektioniert sein Implementierung auf kundenspezfischer Plattform hochwertige und anwenderfreundliche GUI notwendig 16 Fraunhofer IOSB 11/2011

17 17 Fraunhofer IOSB 11/ Anwendung der ProDaMi-Suite

18 ProDaMi-Anwendungsklassen Bereich Prozessführung und überwachung für kontinuierliche (z.b. verfahrenstechnische) Prozesse Performance und Condition Monitoring Analyse und Optimierung Kennlinienbasierte Prognose und Prozessführung Bereich Produktionsplanung und -steuerung Kennwertekorrelationen in Fertigungsanlagen Generierung und Aktualisierung von Fertigungsstammdaten 18 Fraunhofer IOSB 11/2011

19 Anfahr-Optimierung eines Glasziehprozesses Problem in Anfahrphase: Störungen durch Schweissstelle zwischen Gutmaterial und Ansatzstück Ziel: Optimale Temperaturführung Einfluss der Schweissstelle minimieren schnelles Erreichen des Durchmesser-Sollwertes Glas Ofen Sollwert Schweisstelle Zeit 19 Fraunhofer IOSB 11/2011

20 Wissensgenerierung aus Zeitreihen Problem: Finden relevanter Merkmale in Zeitreihen Lösung: Automatisiertes Merkmalsranking Beispiel: 20 Fraunhofer IOSB 11/2011

21 Optimale Temperaturführungsmuster Ergebnis des Merkmalsranking Auswertung von 500 Produktionen Merkmal 1: Fluktuation Rohrtemperatur Merkmal 2: Gradient Rohrtemperatur (in Zeitintervall nach Austritt Schweisstelle aus dem Ofen) Gütekriterium Optimale Merkmalswerte Optimum Sollwert schneller erreicht 21 Fraunhofer IOSB 11/2011

22 Condition Monitoring bei kontinuierlichen Prozessen Lernen von Normal-Zuständen aus Messdaten schnelle Erkennung von Störungen Prozessdatenverlauf Komponentenausfall Quantisierungsfehlerverlauf Self-Organizing Map Industrielle Anwendung in chemischer Industrie 22 Fraunhofer IOSB 11/2011

23 Versuchsplanung - Design of Experiment (DoE) Kunststoffextruder Kunststoffplatten Produktionsprozess Von DoE bestimmte Prozessparameter Daten Expertenwissen Produkteigenschaften Maximale Güteerhöhung Modellwahl Automatische Versuchsplanung Vorgabe der Anzahl von Versuchen Aktuelles Modell Verbessertes Modell Umsetzung in Software-Modul Design 23 Fraunhofer IOSB 11/2011

24 Prozessführung bei Aquifergasspeicher Speicher wird durch ein Netz von ca. 500 im Boden verteilten Betriebssonden repräsentiert Wasseranfall bei Sonden ist kritisch, Sonden müssen rechtzeitig abgeschaltet werden Anlernen von kritischen Prozesszuständen aus Messdaten Generierung von Kennlinien Ausgabe von Warnungen an Operator 24 Fraunhofer IOSB 11/2011

25 Kennwerte- / Fehlerkorrelationen in Fertigungsprozessen Beispiel: Automobil-Produktion Kennwerte-Diagnose und Prognose: Ursachen für eine Veränderung Risiko eines Kennwerteeinbruchs Fehlerkorrelation: Ermittlung von Fehlerkombinationen und zeitlichen Relationen in komplexen Montageprozessen 25 Fraunhofer IOSB 11/2011

26 Generierung und Aktualisierung von Fertigungsstammdaten Fertigungsstammdaten beschreiben Eigenschaften / Abhängigkeiten von Maschinen, Materialien, Personal, Werkzeugen, Produkten, Prozessen Sind in der Praxis oftmals fehlerhaft Planung / Optimierung unmöglich! Ziel: Generierung / Aktualisierung von Fertigungsstammdaten aus Produktionsdaten Beispiel: Platinenbestückung 26 Fraunhofer IOSB 11/

27 27 Fraunhofer IOSB 11/ Künftige Anwendungen

28 Energie-Effizienzcontrolling für die Produktion BMWI-Projekt EnEffCo (Fraunhofer IPK, BMW, Brose, Witte, Ökotec, ENSYS) Quelle: Fraunhofer IPK, EnEffCo Projekt 28 Fraunhofer IOSB 11/2011

29 Analyse von Kommunikationssystemen Ziele: Erstellen Anforderungsprofil automatisierungstechnischer Kommunikationssysteme Leistungsanalyse, -prognose, -optimierung Kommunikations-Daten (Traces) Generierter Zustandsgraph der Kommunikationsprozesse "56057"," ","PhoenixC_12:ef:51","Siemens_6c:03:73","PNIO", "RTC1, ID:0xc000, Len: 40, Cycle:16288 (Valid,Primary,Ok,Run) "56058"," "," "," ","TCP", "3714 > [PSH, ACK] Seq=72027 Ack= Win=65535 Len=10 "56059"," ","PhoenixC_18:d4:23","PhoenixC_12:ef:51","PNIO", "RTC1, ID:0xc003, Len: 40, Cycle:11688 (Valid,Primary,Ok,Run) "56060"," ","PhoenixC_12:ef:51","PhoenixC_07:47:b4","PNIO", "RTC1, ID:0xd000, Len: 515, Cycle:16352 (Valid,Primary,Ok,Run) 29 Fraunhofer IOSB 11/2011

30 Monitoring Trinkwasser-Qualität Lernfähiges Monitoringsystem zur Detektion toxischer Stoffe in Trinkwassernetzen Anlernen von Normalzustand aus Messdaten Schnelle Erkennung von Anomalien Eingesetzt im Sensorsystem AquaBioTox 30 Fraunhofer IOSB 11/

31 Monitoring von Windkraftanlagen (Getriebe) Frühzeitige Erkennung von Getriebeschäden unabdingbar (sonst droht Totalausfall) Anlernen von Normalzustand aus Messdaten Schnelle Erkennung von Anomalien Aktuell Durchführung von Pilot-Studie 31 Fraunhofer IOSB 11/2011

32 Modellierung komplexer biologischer Prozesse Ziel: Lernen von kausalen Strukturen aus Messdaten Modell basierend auf Expertenwissen Erlernte kausale Strukturen aus Messdaten kombinieren 32 Fraunhofer IOSB 11/2011

33 5. Zusammenfassung Modulares System von Data-Mining-Werkzeugen (ProDaMi-Suite) zur Generierung von entscheidungsfähigem Wissen im Produktionsumfeld Flexible Ausprägung der ProDaMi-Suite für unterschiedliche Nutzergruppen; Generierung kundenspezifischer Applikationen Anwendungsklassen / Demonstratoren aus den Bereichen Prozessführung und überwachung sowie Produktionsplanung und steuerung Hemmnis bei Industrieprojekten: Datenerhebung zunächst aufwändig; Erfolgsrisiko bei Projekten Aktuelle Forschung: Erlernen kausaler Zusammenhänge aus Messdaten ProDaMi 33 Fraunhofer IOSB 11/2011

Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden

Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden Dr. Thomas Bernard 6. Karlsruher Automations-Treff (KAT) Leit- und Automatisierungstechnik der Zukunft Karlsruhe,

Mehr

Datengrab oder Goldgrube: Steigerung der Prozess-Effizienz und Produktqualität mit Data-Mining-Methoden

Datengrab oder Goldgrube: Steigerung der Prozess-Effizienz und Produktqualität mit Data-Mining-Methoden Datengrab oder Goldgrube: Steigerung der Prozess-Effizienz und Produktqualität mit Data-Mining-Methoden Dr. Thomas Bernard Fraunhofer-Institut für Systemtechnik, Optronik und Bildauswertung Karlsruhe HANNOVER

Mehr

Data Mining zur Prozessoptimierung

Data Mining zur Prozessoptimierung Data Mining zur Prozessoptimierung Dr. Michael Heizmann Dipl.-Ing. Christian Kühnert Dr. Thomas Bernard VDI-Fachtagung Prüfprozessmanagement im Fahrzeug- und Maschinenbau 2012 Leonberg, 24.10.2012 Datengrab

Mehr

ProDaMi Entscheidungsunterstützung im Produktionsumfeld mit Data- Mining-Werkzeugen

ProDaMi Entscheidungsunterstützung im Produktionsumfeld mit Data- Mining-Werkzeugen ProDaMi Entscheidungsunterstützung im Produktionsumfeld mit Data- Mining-Werkzeugen Dr. Thomas Bernard, Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB, Karlsruhe Stichworte Data

Mehr

PROCMON. Performance und Condition Monitoring komplexer verfahrenstechnischer Prozesse. Christian W. Frey. christian.frey@iosb.fraunhofer.

PROCMON. Performance und Condition Monitoring komplexer verfahrenstechnischer Prozesse. Christian W. Frey. christian.frey@iosb.fraunhofer. PROCMON Performance und Condition Monitoring komplexer verfahrenstechnischer Prozesse Christian W. Frey 2011 PROCMON Performance und Condition Monitoring komplexer verfahrenstechnischer Prozesse 1. Motivation

Mehr

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?

Mehr

Data Mining für die industrielle Praxis

Data Mining für die industrielle Praxis Data Mining für die industrielle Praxis von Ralf Otte, Viktor Otte, Volker Kaiser 1. Auflage Hanser München 2004 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 22465 0 Zu Leseprobe schnell und

Mehr

Prozessnahe Qualitätssicherung

Prozessnahe Qualitätssicherung 3 Pi Consulting & Management GmbH Prozessnahe Qualitätssicherung Die Prozessnahe Qualitätssicherung beschäftigt sich aus dem Blickwinkel des Kunststoffverarbeitungsprozesses mit allen Fragestellungen,

Mehr

Data Mining als Arbeitsprozess

Data Mining als Arbeitsprozess Data Mining als Arbeitsprozess Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 31. Dezember 2015 In Unternehmen werden umfangreichere Aktivitäten oder Projekte im Bereich des Data Mining

Mehr

Instandhaltung. Jakob Krause, Sebastian Cech. TU Dresden - Fakultät Informatik

Instandhaltung. Jakob Krause, Sebastian Cech. TU Dresden - Fakultät Informatik Ein Prototyp zur zustandsorientierten Instandhaltung Jakob Krause, Sebastian Cech TU Dresden - Fakultät Informatik Gliederung 1. Motivation 2. Der Prognoseprozess 3. Die Frameworkarchitektur 4. Implementierung

Mehr

Wege zur industriellen Datenanalyse

Wege zur industriellen Datenanalyse Wege zur industriellen Michael Hoffmann Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU 1. Sächsischer Tag der Automation 05. November 2015, 8:30 Uhr, Technologie- und Gründerzentrum Bautzen

Mehr

Data Mining zur Prozessoptimierung

Data Mining zur Prozessoptimierung Data Mining zur Prozessoptimierung Dr.-Ing. M. Heizmann, Dipl.-Ing. C. Kühnert, Dr.-Ing. T. Bernard, Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB, Fraunhoferstraße 1, 76131 Karlsruhe

Mehr

Making Things Right mit Industry Services

Making Things Right mit Industry Services Dirk Hoke, CEO Customer Services Making Things Right mit Industry Services siemens.com/hannovermesse Making Things Right mit Industry Services Services Seite 2 18. Februar 2014 Wachsende Herausforderungen

Mehr

Anwendung der Predictive Analytics

Anwendung der Predictive Analytics TDWI Konferenz mit BARC@TDWI Track 2014 München, 23. 25. Juni 2014 Anwendung der Predictive Analytics Prof. Dr. Carsten Felden Dipl. Wirt. Inf. Claudia Koschtial Technische Universität Bergakademie Freiberg

Mehr

Embedded-Spectroscopy in industriellen und mobilen Anwendungen

Embedded-Spectroscopy in industriellen und mobilen Anwendungen Spec tro sco py {f}, Studying the interaction between light and matter. [ Partnership ] We strive for sustainable business relationships with a long-term vision. Embedded-Spectroscopy in industriellen

Mehr

Zeitgemäße Verfahren für ganzheitliche Auswertungen

Zeitgemäße Verfahren für ganzheitliche Auswertungen Intelligente Vernetzung von Unternehmensbereichen Zeitgemäße Verfahren für ganzheitliche Auswertungen Sächsische Industrie- und Technologiemesse Chemnitz, 27. Juni 2012, Markus Blum 2012 TIQ Solutions

Mehr

Standard Monitoringsystem

Standard Monitoringsystem Standard Monitoringsystem Reinraum-Anforderungen nach Annex 1, EU-GMP-Leitfaden Strikte Anforderungen an die Einhaltung der Umgebungsbedingungen in den entsprechenden Reinraum-Klassen Kontinuierliche Datenaufzeichnung

Mehr

CEPaaS. Complex Event Processing as a Service. Bernhard Seeger Philipps-Universität Marburg RTM Realtime Monitoring GmbH

CEPaaS. Complex Event Processing as a Service. Bernhard Seeger Philipps-Universität Marburg RTM Realtime Monitoring GmbH CEPaaS Complex Event Processing as a Service Bernhard Seeger Philipps-Universität Marburg RTM Realtime Monitoring GmbH Daniar Achakeyev, Daniel Schäfer, Philip Schmiegelt CEP-Forschung in Marburg: aus

Mehr

KRIWAN Condition Monitoring. Umfassender Schutz, effiziente Regelung und Diagnose für Hersteller und Betreiber von Maschinen

KRIWAN Condition Monitoring. Umfassender Schutz, effiziente Regelung und Diagnose für Hersteller und Betreiber von Maschinen KRIWAN Condition Monitoring Umfassender Schutz, effiziente Regelung und Diagnose für Hersteller und Betreiber von Maschinen Umfassender Maschinenschutz: Effizienz + Sicherheit durch Condition Monitoring.

Mehr

Plug & Play für Automatisierungssysteme

Plug & Play für Automatisierungssysteme Plug & Play für Automatisierungssysteme Dr. Alois Zoitl fortiss GmbH An-Institut Technische Universität München Herausforderungen für die Produktion der Zukunft Industrie 4.0 Schneller Technologiewandel

Mehr

Funktionsentwicklung im Fahrwerk: Umsetzung des Application Life Cycle Managements in der Fahrwerkentwicklung bei Audi Dr. Thomas Reiß 20.05.

Funktionsentwicklung im Fahrwerk: Umsetzung des Application Life Cycle Managements in der Fahrwerkentwicklung bei Audi Dr. Thomas Reiß 20.05. Funktionsentwicklung im Fahrwerk: Umsetzung des Application Life Cycle Managements in der Fahrwerkentwicklung bei Audi Dr. Thomas Reiß 20.05.2014 Inhalt Innovationen im Fahrwerk Entwicklungsprozess in

Mehr

Data/Information Quality Management

Data/Information Quality Management Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!

Mehr

Session 8: Projektvorstellung Transferprojekt itsowl-tt-savez 18. August 2015, Gütersloh. www.its-owl.de

Session 8: Projektvorstellung Transferprojekt itsowl-tt-savez 18. August 2015, Gütersloh. www.its-owl.de Session 8: Projektvorstellung Transferprojekt itsowl-tt-savez 18. August 2015, Gütersloh www.its-owl.de Agenda Abschlusspräsentation itsowl-tt-savez Einführung Zielsetzung Ergebnisse Resümee und Ausblick

Mehr

ML-Werkzeuge und ihre Anwendung

ML-Werkzeuge und ihre Anwendung Kleine Einführung: und ihre Anwendung martin.loesch@kit.edu (0721) 608 45944 Motivation Einsatz von maschinellem Lernen erfordert durchdachtes Vorgehen Programmieren grundlegender Verfahren aufwändig fehlerträchtig

Mehr

Produktionssysteme der Zukunft und die Rolle des Mittelstandes. Dr. Niklas Kramer

Produktionssysteme der Zukunft und die Rolle des Mittelstandes. Dr. Niklas Kramer Produktionssysteme der Zukunft und die Rolle des Mittelstandes Dr. Niklas Kramer Kernelemente aus Web 2.0 Potenziale für Industrie 4.0 Von Nutzern generierte Inhalte Selbstpublizierend Aktuell Fehlertolerant

Mehr

PR SAM. Intelligent Fault Prognosis Systems for Anticipative Maintenance Strategies

PR SAM. Intelligent Fault Prognosis Systems for Anticipative Maintenance Strategies Intelligent Fault Prognosis Systems for Anticipative Maintenance Strategies Intelligentes Instandhaltungsmanagement (4.0) Kein ungeplanter Stillstand durch rechtzeitige Wartung bei Nennbetrieb Intelligente,

Mehr

Maschinelles Lernen und Data Mining: Methoden und Anwendungen

Maschinelles Lernen und Data Mining: Methoden und Anwendungen Maschinelles Lernen und Data Mining: Methoden und Anwendungen Eyke Hüllermeier Knowledge Engineering & Bioinformatics Fachbereich Mathematik und Informatik GFFT-Jahrestagung, Wesel, 17. Januar 2008 Knowledge

Mehr

Entwicklung von Visualisierungskomponenten

Entwicklung von Visualisierungskomponenten Entwicklung von Visualisierungskomponenten Das Assistenzsystem proknows, das am Fraunhofer Institut in Lemgo entwickelt wird, ermöglicht neben der Durchführung verschiedener Assistenzfunktionen wie der

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

INDUSTRIE 4.0 CHANCEN, HERAUSFORDERUNGEN UND RISIKEN FÜR DEN MITTELSTAND CHAM, 06. JULI 2015

INDUSTRIE 4.0 CHANCEN, HERAUSFORDERUNGEN UND RISIKEN FÜR DEN MITTELSTAND CHAM, 06. JULI 2015 PROJEKTGRUPPE RESSOURCENEFFIZIENTE MECHATRONISCHE VERARBEITUNGSMASCHINEN INDUSTRIE 4.0 CHANCEN, HERAUSFORDERUNGEN UND RISIKEN FÜR DEN MITTELSTAND CHAM, 06. JULI 2015 Prof. Dr.-Ing. Gunther Reinhart 06.07.2015

Mehr

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte

Mehr

FRAUNHOFER-INSTITUT FÜR OPTRONIK, SYSTEMTECHNIK UND BILDAUSWERTUNG IOSB. Überwachung und Optimierung. und intelligente Datenanalyse

FRAUNHOFER-INSTITUT FÜR OPTRONIK, SYSTEMTECHNIK UND BILDAUSWERTUNG IOSB. Überwachung und Optimierung. und intelligente Datenanalyse FRAUNHOFER-INSTITUT FÜR OPTRONIK, SYSTEMTECHNIK UND BILDAUSWERTUNG IOSB Überwachung und Optimierung von anlagen Condition Monitoring und intelligente Datenanalyse Anlagenausfälle vermeiden Verfügbarkeit

Mehr

FLEXIBLE SOFTWAREPLATTFORM FÜR ENERGIEMANAGEMENT

FLEXIBLE SOFTWAREPLATTFORM FÜR ENERGIEMANAGEMENT FLEXIBLE SOFTWAREPLATTFORM FÜR ENERGIEMANAGEMENT Energiesymposium Energietechnik im Wandel 27. Oktober 2014 Peter Heusinger, Fraunhofer IIS Fraunhofer IIS Einführung Gründe für Energiemanagement Energiebewusst

Mehr

Geschäftsprozessoptimierung am Beispiel eines Veredelungsprozesses in einem KMU

Geschäftsprozessoptimierung am Beispiel eines Veredelungsprozesses in einem KMU Geschäftsprozessoptimierung am Beispiel eines Veredelungsprozesses in einem KMU Gemeinschaftsprojekt von TC&T dem RKW Hessen und der Fachhochschule Giessen-Friedberg Vortrag auf dem Symposion des TÜV-Süddeutschland

Mehr

CAIRO if knowledge matters

CAIRO if knowledge matters CAIRO if knowledge matters Monitoring mit Microsoft Operations Manager 2007 Ein Überblick Johann Marin, Inhalt if knowledge matters Warum Monitoring? Was soll überwacht werden? SCOM Key Features Das SCOM

Mehr

Check_MK. 11. Juni 2013

Check_MK. 11. Juni 2013 Check_MK 11. Juni 2013 Unsere Vision IT-Monitoring muss werden: 1. einfach 2. performant 2 / 25 Was macht IT-Monitoring? IT-Monitoring: Aktives Überwachen von Zuständen Verarbeiten von Fehlermeldungen

Mehr

Prozessinformationen für die Fertigung

Prozessinformationen für die Fertigung Sonderforschungsbereich 653 Leibniz Universität Hannover Prozessinformationen für die Fertigung Garbsen, 15. Januar 2015 Prof. Dr.-Ing. L. Rissing Leibniz Universität Hannover Rückführung von Zustandsinformationen

Mehr

Optimierung von Produktionsprozessen und Methoden der Qualitätssicherung

Optimierung von Produktionsprozessen und Methoden der Qualitätssicherung Übersicht Kursangebot: Optimierung von Produktionsprozessen und Methoden der Qualitätssicherung Unser Angebot richtet sich an Produktionsbetriebe, die ihre Techniker mit effizienten Methoden zur Optimierung

Mehr

Statistische Prozesskontrolle in der Holzverarbeitung ein Brückenschlag zu Bioenergie

Statistische Prozesskontrolle in der Holzverarbeitung ein Brückenschlag zu Bioenergie Statistische Prozesskontrolle in der Holzverarbeitung ein Brückenschlag zu Bioenergie BioUp Fachtag 2015 Biomasse: Forschung - Normung Technik Themenblock: Prozessoptimierung Wien, 22.April 2015 Martin

Mehr

Teil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3

Teil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3 xi Teil A Grundlagen und Methoden 1 1 Customer Relationship Management ein Bezugsrahmen 3 1.1 Die Entwicklung zum kundenzentrierten Unternehmen 3 1.2 Ziel und Kernkonzepte des CRM 5 1.2.1 Ziel: Profitable

Mehr

Innovative Lösungen für Klimaschutz und Energieeffizienz Energieeffizienz-Controlling Dienstleistungen und Software EnEffCo

Innovative Lösungen für Klimaschutz und Energieeffizienz Energieeffizienz-Controlling Dienstleistungen und Software EnEffCo Innovative Lösungen für Klimaschutz und Energieeffizienz Energieeffizienz-Controlling Dienstleistungen und Software EnEffCo Roland Berger Geschäftsführer Berlin, 08. Juli 2015 0 Unternehmensvorstellung

Mehr

Pressemitteilung. Produktoptimierung mittels Data-Mining BMW setzt auf ClearVu Analytics. Dortmund, 30.01.2012

Pressemitteilung. Produktoptimierung mittels Data-Mining BMW setzt auf ClearVu Analytics. Dortmund, 30.01.2012 Pressemitteilung ANSCHRIFT Joseph-von-Fraunhofer-Str.20 44227 Dortmund TEL +49 (0)231 97 00-340 FAX +49 (0)231 97 00-343 MAIL kontakt@divis-gmbh.de WEB www.divis-gmbh.de Dortmund, 30.01.2012 Produktoptimierung

Mehr

Presse-Information Seite: 1 / 5

Presse-Information Seite: 1 / 5 Seite: 1 / 5 Weidmüller gibt Antworten zu Industrie 4.0 während der Hannover Messe auf seinem Messestand in Halle 11, Stand B 60 vom 08.04.2013 bis 12.04.2013. Weidmüller Industrie 4.0 Weiterdenken für

Mehr

Customer Relationship Ana lyt ics

Customer Relationship Ana lyt ics Peter Necke1 Bernd Knobloch Customer Relationship Ana lyt ics Praktische Anwendung des Data Mining im CRM d p u n kt.ve r I ag 1 1.1 1.2 1.3 Customer Relationship Management. ein Bezugsrahmen Die Entwicklung

Mehr

MODULAR END SEALER SEALING SOLUTIONS. PEEL OFF ENDS. ALLES DENKBARE IST MACHBAR

MODULAR END SEALER SEALING SOLUTIONS. PEEL OFF ENDS. ALLES DENKBARE IST MACHBAR II RHO SEALING SOLUTIONS. PEEL OFF ENDS. ALLES DENKBARE IST MACHBAR RHO II ÜBERSICHT Der RHO I modular end sealer ermöglicht das gasdichte Fügen siegelfähiger Membranen mit Deckelringen aus Weißblech oder

Mehr

Systems Management bei ZFLS

Systems Management bei ZFLS ZF Lenksysteme GmbH ZF Lenksysteme GmbH FIR Thilo Helmig & Stefan Zeul 02.10.2009 Systems Management bei ZFLS Abt.: Design 29.09.2009 1 vorlage.ppt ZF Lenksysteme GmbH Agenda ZF Lenksysteme stellt sich

Mehr

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen VIADEE CRM VIEL MEHR ALS EIN STÜCK SOFTWARE Eine Vielzahl von unterschiedlichen

Mehr

Qualitätsberichte im MS Word-Format

Qualitätsberichte im MS Word-Format Qualitätsberichte im MS Word-Format StatSoft GmbH und STATISTICA 9.1 auf dem Forum der Control 2010 www.statsoft.de StatSoft (Europe) GmbH 2010 Michael Busch Inhalt StatSoft STATISTICA Anwendungen in der

Mehr

BPM: Integrierte Prozesse im ecommerce

BPM: Integrierte Prozesse im ecommerce BPM: Integrierte Prozesse im ecommerce Vom Geschäftsprozess bis zur lauffähigen Applikation. Thomas Grömmer Head of Business Process Solutions Ulf Ackermann Consultant Business Process Solutions Solution

Mehr

Einführung in Generatives Programmieren. Bastian Molkenthin

Einführung in Generatives Programmieren. Bastian Molkenthin Einführung in Generatives Programmieren Bastian Molkenthin Motivation Industrielle Entwicklung *!!*,(% % - #$% #!" + '( & )!* Softwareentwicklung Rückblick auf Objektorientierung Objektorientierte Softwareentwicklung

Mehr

2. Automotive SupplierS Day. Business Enablement

2. Automotive SupplierS Day. Business Enablement 2. Automotive SupplierS Day Business Enablement Erfolge liefern und Erwartungen übertreffen! GDC SCM/SC MES INHALT 1 Motivation und ZielE 2 Flexibilität Kontrollieren und Entwicklung Optimieren 3 T-Systems

Mehr

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG Inhalt Globale und unternehmensspezifische Herausforderungen Von Big Data zu Smart Data Herausforderungen und Mehrwert von Smart Data 2

Mehr

Viele physikalische Grössen können einfach direkt gemessen werden. Die Messinstrumente sind dafür ausgestattet:

Viele physikalische Grössen können einfach direkt gemessen werden. Die Messinstrumente sind dafür ausgestattet: Verbesserung von Prozessen durch Beherrschung mit Messtechnik. Die Beurteilung von Prozesswerten ist mehr als nur die Integrierung des Sensors und das Ablesen von Messwerten. Um gut und effizient messen

Mehr

IBM SPSS Justiz-Tage: Datenerhebung, Datenanalyse und Data Mining für Justiz und kriminologische Forschung

IBM SPSS Justiz-Tage: Datenerhebung, Datenanalyse und Data Mining für Justiz und kriminologische Forschung IBM SPSS Justiz-Tage: Datenerhebung, Datenanalyse und Data Mining für Justiz und kriminologische Forschung Evaluieren & Erkennen, Weiterentwickeln & Reporten Datenerhebung, Datenanalyse und Data Mining

Mehr

DEFIS Design und flexible Integration von Sensoren aus Nanodispersionen zur Strukturüberwachung

DEFIS Design und flexible Integration von Sensoren aus Nanodispersionen zur Strukturüberwachung Mikro-Nano-Integration als Schlüsseltechnologie für die nächste Generation von Sensoren und Aktoren (MNI-mst) DEFIS Design und flexible Integration von Sensoren aus Nanodispersionen zur Strukturüberwachung

Mehr

Zentrale Produktionsüberwachung in der Automobilindustrie. Information als Produktionsfaktor

Zentrale Produktionsüberwachung in der Automobilindustrie. Information als Produktionsfaktor Zentrale Produktionsüberwachung in der Automobilindustrie Information als Produktionsfaktor Zentrale Produktionsüberwachung in der Automobilindustrie: Information als Produktionsfaktor Condition Monitoring

Mehr

Manufacturing Execution Systems - Ein Überblick

Manufacturing Execution Systems - Ein Überblick Manufacturing Execution Systems - Ein Überblick Dresden, 11.06.2010 Erik Steckler 00 Inhalt 1. Motivation 2. Einführung in MES 3. AIS-MES als Beispiel 4. Zusammenfassung TU Dresden, 11.06.2010 HS TIS MES

Mehr

Präsentation zur Diplomprüfung. Thema der Diplomarbeit:

Präsentation zur Diplomprüfung. Thema der Diplomarbeit: Präsentation zur Diplomprüfung Thema der Diplomarbeit: Analyse der Einsatzmöglichkeiten von Data Mining- Verfahren innerhalb einer Unternehmens - Balanced Scorecard und Entwicklung eines Empfehlungskatalogs.

Mehr

Prozessoptimierung in der Produktion heute Lean Production - maximale Effizienz und Produktivität durch das passende Manufacturing Execution System

Prozessoptimierung in der Produktion heute Lean Production - maximale Effizienz und Produktivität durch das passende Manufacturing Execution System Prozessoptimierung in der Produktion heute Lean Production - maximale Effizienz und Produktivität durch das passende Manufacturing Execution System Lean Management sind alle Methoden, die dazu beitragen,

Mehr

Text Mining Praktikum. Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818

Text Mining Praktikum. Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818 Text Mining Praktikum Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818 Rahmenbedingungen Gruppen von 2- (max)4 Personen Jede Gruppe erhält eine Aufgabe Die

Mehr

Industrie 4.0 22.07.2014

Industrie 4.0 22.07.2014 Industrie 4.0 Georg Weissmüller 22.07.2014 Senior Consultant Fertigungsindustrie Agenda Überblick Industrie 4.0/Anwendungsfälle Intelligenter Service Augmented Reality Diskussion 2014 SAP AG or an SAP

Mehr

Data Mining Anwendungen und Techniken

Data Mining Anwendungen und Techniken Data Mining Anwendungen und Techniken Knut Hinkelmann DFKI GmbH Entdecken von Wissen in banken Wissen Unternehmen sammeln ungeheure mengen enthalten wettbewerbsrelevantes Wissen Ziel: Entdecken dieses

Mehr

Axel Haller, Symposium 25-26 März 2010 Engineering Workflow: Potential und Praxis bei der Integration von Verfahrenstechnik und Automation

Axel Haller, Symposium 25-26 März 2010 Engineering Workflow: Potential und Praxis bei der Integration von Verfahrenstechnik und Automation Axel Haller, Symposium 25-26 März 2010 Engineering Workflow: Potential und Praxis bei der Integration von Verfahrenstechnik und Automation March 25, 2010 Slide 1 Agenda Die Problematik Das Lösungsmittel

Mehr

Mobile Endgeräte in der Produktion. Inhalt. eine Fallstudie aus dem Maschinenbau. Abstract

Mobile Endgeräte in der Produktion. Inhalt. eine Fallstudie aus dem Maschinenbau. Abstract Mobile Endgeräte in der Produktion eine Fallstudie aus dem Maschinenbau Abstract Aktuellen Studien der Fraunhofer Gruppe zufolge wird ein wesentlicher Aspekt des aktuellen und zukünftigen Arbeitsumfeldes

Mehr

Asset Lifecycle Management für die Industrie

Asset Lifecycle Management für die Industrie SAP OPRA Asset Lifecycle Management für die Industrie IT-Informatik Asset Lifecycle Management ERFOLGREICHE LÖSUNGSKONZEPTE FÜR DIE INDUSTRIE Die großen Herausforderungen für Hersteller und Betreiber von

Mehr

Mehr als nur Inspektion Innovatives Gesamtsystem für perfekte Metalloberflächen (SMASH)

Mehr als nur Inspektion Innovatives Gesamtsystem für perfekte Metalloberflächen (SMASH) Mehr als nur Inspektion Innovatives Gesamtsystem für perfekte Metalloberflächen (SMASH) -klassifi- höchster Auflösung, optimaler Fehlererkennung und zierung und sichert so höchste Qualitätsanforderungen.

Mehr

Industrie 4.0 / Internet der Dinge Big Data Big Chaos?

Industrie 4.0 / Internet der Dinge Big Data Big Chaos? Industrie 4.0 / Internet der Dinge Big Data Big Chaos? Referent: Dipl. Ing. (FH) Frank Trenkwald Geschäftsführer e-manager GmbH Industrie 4.0 Internet der Dinge Big Data Big Chaos? Seite 2 Kurz Vorstellung

Mehr

SEKAS ist seit 1988 Premium Dienstleister im Bereich Software. Engineering für Kommunikations- und Automatisierungssysteme.

SEKAS ist seit 1988 Premium Dienstleister im Bereich Software. Engineering für Kommunikations- und Automatisierungssysteme. 2 SEKAS ist seit 1988 Premium Dienstleister im Bereich Software Engineering für Kommunikations- und Automatisierungssysteme. Wir stehen für innovative Produkte, komplette zukunftssichere Lösungen und Dienstleistungen

Mehr

Firmenprofil IBS Prüfsysteme

Firmenprofil IBS Prüfsysteme Übersicht entwickelt, baut und betreut seit 1992 Getriebeprüfeinrichtungen für namhafte Prüfstands- und Getriebehersteller. Wir liefern folgende Prüfstandskomponenten Getriebe Schaltroboter zum positions-/kraftgeregelten

Mehr

9 Resümee. Resümee 216

9 Resümee. Resümee 216 Resümee 216 9 Resümee In der vorliegenden Arbeit werden verschiedene Methoden der Datenreduktion auf ihre Leistungsfähigkeit im sozialwissenschaftlichstatistischen Umfeld anhand eines konkreten Anwendungsfalls

Mehr

Analytisches CRM in der Automobilindustrie

Analytisches CRM in der Automobilindustrie Analytisches CRM in der Automobilindustrie Dr. Frank Säuberlich Practice Manager European Customer Solutions Urban Science International GmbH Automobilhersteller müssen neue Wege gehen Anforderungen in

Mehr

Alanda Eine offene Plattform für datenbasierte Anwendungen

Alanda Eine offene Plattform für datenbasierte Anwendungen Alanda Eine offene Plattform für datenbasierte Anwendungen Dr.-Ing. Frank Alsmeyer e.v. 5. Symposium Informationstechnologien für Entwicklung und Produktion in der Verfahrenstechnik 3.-4. April 2008, Aachen

Mehr

Entscheidungsunterstützungssysteme

Entscheidungsunterstützungssysteme Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business

Mehr

Erfahrungen mit Systemen zur Anlagenüberwachung und Steuerung von FV-Anlagen

Erfahrungen mit Systemen zur Anlagenüberwachung und Steuerung von FV-Anlagen Seite 1 Erfahrungen mit Systemen zur Anlagenüberwachung und Steuerung von FV-Anlagen Am Weichselgarten 7, 91058 Erlangen Tel.: 09131/691-270, www.empuron.de empuron AG Web-basierte Automatisierungslösungen

Mehr

2010 Promotion in Informatik am Lehrstuhl Technische Informatik, Eberhard Karls Universität Tübingen

2010 Promotion in Informatik am Lehrstuhl Technische Informatik, Eberhard Karls Universität Tübingen Personalprofil Dr. Michael Bensch Manager E-Mail: michael.bensch@arcondis.com AUSBILDUNG BERUFLICHE WEITERBILDUNG BESONDERE TÄTIGKEITEN 2010 Promotion in Informatik am Lehrstuhl Technische Informatik,

Mehr

Data Mining mit RapidMiner

Data Mining mit RapidMiner Motivation Data Mining mit RapidMiner CRISP: DM-Prozess besteht aus unterschiedlichen Teilaufgaben Datenvorverarbeitung spielt wichtige Rolle im DM-Prozess Systematische Evaluationen erfordern flexible

Mehr

Industrie 4.0 Grundlagen und Überblick mainproject am 15.07.2014

Industrie 4.0 Grundlagen und Überblick mainproject am 15.07.2014 Grundlagen und Überblick mainproject am 15.07.2014 Gliederung 2 1. Vorstellung 2. Initiatoren und Ziel 3. Die Geschichte der Industrie 4. Technologische Grundlage 5. Folgen und Potenziale für die Industrie

Mehr

SOA im Zeitalter von Industrie 4.0

SOA im Zeitalter von Industrie 4.0 Neue Unterstützung von IT Prozessen Dominik Bial, Consultant OPITZ CONSULTING Deutschland GmbH Standort Essen München, 11.11.2014 OPITZ CONSULTING Deutschland GmbH 2014 Seite 1 1 Was ist IoT? OPITZ CONSULTING

Mehr

Mit Risk Analytics Kundenrisiken aktiv steuern

Mit Risk Analytics Kundenrisiken aktiv steuern Mit Risk Analytics Kundenrisiken aktiv steuern Was sind Risk Analytics? Unter Risk Analytics versteht man statistische Analysen und Data Mining-Verfahren. Sie untersuchen Risiken im Zusammenhang mit Kundenbeziehungen

Mehr

sascha.zinke@splone.com

sascha.zinke@splone.com Verteiltes Scannen in Industrie- Sascha Zinke sascha.zinke@.com Version 1.0 1 1 4 Zusammenfassung Industrielle Netzwerke stellen für die Sicherheit besondere Herausforderungen dar. War bis jetzt vor allem

Mehr

Industrie 4.0 Eine Vision auf dem Weg zur Wirklichkeit

Industrie 4.0 Eine Vision auf dem Weg zur Wirklichkeit Eckard Eberle, CEO Industrial Automation Systems Industrie 4.0 Eine Vision auf dem Weg zur Wirklichkeit siemens.com/answers Industrie 4.0 Was ist das? Der zeitliche Ablauf der industriellen Revolution

Mehr

Software, Services & Success

Software, Services & Success Unser Team sucht für den Standort Stuttgart einen Diplomand Softwareentwicklung (m/w) Thema: Regelbasierte Messdatenauswertung Im Verlauf der Entwicklung und der Integration von neuen Automotive-Steuergeräten

Mehr

Supermann-Prinzip REConf Schweiz 2010

Supermann-Prinzip REConf Schweiz 2010 Supermann-Prinzip REConf Schweiz 2010 Thomas Kordt, CIGM Oktober 2010 Agenda Supermann-Prinzip MAN Nutzfahrzeuge - Kurzvorstellung Prozessübersicht Die Prozesse Beispiel: Demand Prozess Look & feel Rahmenbedingungen

Mehr

Wie kommen Sie zuverlässig zu einem zukunftsfähigen HMI-Konzept? Auf welche Plattformen, Auflösungen und mobilen Geräte soll gesetzt werden?

Wie kommen Sie zuverlässig zu einem zukunftsfähigen HMI-Konzept? Auf welche Plattformen, Auflösungen und mobilen Geräte soll gesetzt werden? sellingpix istockphoto.com Software hat im industriellen Umfeld einen festen Platz eingenommen. Nicht nur die leistungsfähige Steuerung macht das bessere Produkt aus. Design und Technik der Benutzerschnittstellen

Mehr

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3 I Einführung in STATISTICA 1 1 Erste Schritte in STATISTICA 3 2 Datenhaltung in STATISTICA 11 2.1 Die unterschiedlichen Dateitypen in STATISTICA....... 11 2.2 Import von Daten......... 12 2.3 Export von

Mehr

EINE MODULARE TESTPLATTFORM FÜR DAS PROTOTYPING VON DRAHTLOSEN SYSTEMEN

EINE MODULARE TESTPLATTFORM FÜR DAS PROTOTYPING VON DRAHTLOSEN SYSTEMEN EINE MODULARE TESTPLATTFORM FÜR DAS PROTOTYPING VON DRAHTLOSEN SYSTEMEN Einleitung Zunehmender Einsatz von Kurzstreckenfunk in Form drahtloser Datenkommunikation im Bereich IEEE Standard 802.15.4 - Zigbee

Mehr

Die Schlüssel-Lösung zur Ertragssteigerung: Enterprise PROduction Management E PROMI datenbasierte Entscheidungsunterstützung mit integrierter

Die Schlüssel-Lösung zur Ertragssteigerung: Enterprise PROduction Management E PROMI datenbasierte Entscheidungsunterstützung mit integrierter Korrekte Entscheidungen für Qualität und Produktivität effizient finden und treffen Die Schlüssel-Lösung zur Ertragssteigerung: Enterprise PROduction Management E PROMI datenbasierte Entscheidungsunterstützung

Mehr

Abschluss- und Studienarbeiten. Entwicklung. Elektrik / Elektronik

Abschluss- und Studienarbeiten. Entwicklung. Elektrik / Elektronik Entwicklung Elektrik / Elektronik Ihr Ansprechpartner: ANDREAS STIHL AG & Co. KG Personalmarketing Andreas-Stihl-Str. 4 71336 Waiblingen Tel.: 07151-26-2489 oder über: www.stihl.de www.facebook.com/stihlkarriere

Mehr

Erfolgsquote von IT-Projekten

Erfolgsquote von IT-Projekten PMO in a box Erfolgsquote von IT-Projekten IT-Projekte brauchen klare Strukturen, um erfolgreich zu sein 75% 66% 50% 25% 0% 33% -17% Budget Zeit Scope -25% Quelle: 2012 McKinsey-Oxford study on reference-class

Mehr

Scheduling von Versuchen im Umfeld MDM

Scheduling von Versuchen im Umfeld MDM Scheduling von Versuchen im Umfeld MDM Peak Resource Planner (PRP) Immer ein Stück weiter Dipl.-Math. Senior Consultant g.schneider@peak-solution.de Übersicht Versuche zeitlich einplanen MDM Prozess Anforderungen

Mehr

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe

Mehr

Presseinformation. Pimp your Production! Mai 2015. GLAESS Software & Automation Wir machen industrielle Optimierung möglich.

Presseinformation. Pimp your Production! Mai 2015. GLAESS Software & Automation Wir machen industrielle Optimierung möglich. Presseinformation Mai 2015 GLAESS Software & Pimp your Production! GLAESS Software & entwickelt Software, die Effizienz in der industriellen Automatisierung ermöglicht. Die Software realisiert die sofortige

Mehr

Industrial Data Intelligence. Datenbasierte Produktionsoptimierung

Industrial Data Intelligence. Datenbasierte Produktionsoptimierung !DI Industrial Data Intelligence Datenbasierte Produktionsoptimierung Industrial Data Intelligence Sammeln Analysieren Mit dem Industrial Data Intelligence-Angebot ermöglicht Softing Industrial die datenbasierte

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

Mehr

für Ihr gesamtes Unternehmen CSB-Branchenlösung Heimtiernahrung Die Business-IT-Lösung Programmiert für Ihren Erfolg

für Ihr gesamtes Unternehmen CSB-Branchenlösung Heimtiernahrung Die Business-IT-Lösung Programmiert für Ihren Erfolg Die Business-IT-Lösung für Ihr gesamtes Unternehmen CSB-Branchenlösung Heimtiernahrung Programmiert für Ihren Erfolg D ERTRAGSSICHER PRODUZIEREN Ertragssicher produzieren und so dem Wettbewerb einen Schritt

Mehr

Efficient Production Management / Industry 4.0 Smart IT Solutions for Manufacturing Efficiency

Efficient Production Management / Industry 4.0 Smart IT Solutions for Manufacturing Efficiency Peter Lindlau pol Solutions GmbH www.pol-it.de peter.lindlau@pol-it.de Telefon +49 89 55 26 57-0 Efficient Production Management / Industry 4.0 Smart IT Solutions for Manufacturing Efficiency Das Internet

Mehr

Visualisierung modellbasierter Prozessdaten in der verfahrenstechnischen Leitwarte -

Visualisierung modellbasierter Prozessdaten in der verfahrenstechnischen Leitwarte - Visualisierung modellbasierter Prozessdaten in der verfahrenstechnischen Leitwarte - Ein Ansatz zur nutzerzentrierten Gestaltung höherer Prozessführungssysteme Tilman Barz Wissenschaftliche Aussprache,

Mehr

Integrierte modellgestützte Risikoanalyse komplexer Automatisierungssysteme

Integrierte modellgestützte Risikoanalyse komplexer Automatisierungssysteme Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner Integrierte modellgestützte Risikoanalyse komplexer Automatisierungssysteme Dipl.-Ing. Michael

Mehr

RISIKOMANAGEMENT ZUM SCHUTZ VOR ANSCHLÄGEN VORSTELLUNG EINES LEITFADENS

RISIKOMANAGEMENT ZUM SCHUTZ VOR ANSCHLÄGEN VORSTELLUNG EINES LEITFADENS RISIKOMANAGEMENT ZUM SCHUTZ VOR ANSCHLÄGEN VORSTELLUNG EINES LEITFADENS Forum Trinkwasseraufbereitung, Karlsruhe, 25.09.2014 Dr.-Ing. Marcel Riegel, Dipl.-Ing. Detlef Bethmann HINTERGRUND: MÖGLICHE ANSCHLÄGE

Mehr