%0 Journal Article %1 WielandFischerHilbert13hmd %A Wieland, Uwe %A Fischer, Marco %A Hilbert, Andreas %D 2013 %J HMD Praxis der Wirtschaftsinformatik %K 01624 springer paper ai knowledge processing process analysis data pattern recognition optimize zzz.i40 %N 6 %P 66--75 %R 10.1007/BF03342070 %T Menschliches Expertenwissen und Prozessdaten im Verbund: Six Sigma und Data Mining im Kontext von Industrie 4.0 %V 50 %X Erklärungsmodelle dienen der Abbildung existierender Systeme, um Wissen über ein System zu erhalten. Six Sigma und Data Mining sind jeweils etablierte Ansätze zur Identifikation von Erklärungsmodellen in Form von Ursache-WirkungsBeziehungen. Während sich Six Sigma bei der Analyse auf menschliches Erfahrungswissen stützt, bieten Verfahren des Data Mining die Möglichkeit, nicht triviale Zusammenhänge zwischen Einfluss- und Prozessergebnisgrößen aus maschinengenerierten Prozessdaten zu ermitteln. Eine Integration beider Ansätze besitzt das Potenzial, Erklärungsmodelle zur Beherrschung und Verbesserung komplexer Prozesse in soziotechnischen Systemen zu schaffen.

@article{WielandFischerHilbert13hmd, abstract = {Erklärungsmodelle dienen der Abbildung existierender Systeme, um Wissen über ein System zu erhalten. Six Sigma und Data Mining sind jeweils etablierte Ansätze zur Identifikation von Erklärungsmodellen in Form von Ursache-WirkungsBeziehungen. Während sich Six Sigma bei der Analyse auf menschliches Erfahrungswissen stützt, bieten Verfahren des Data Mining die Möglichkeit, nicht triviale Zusammenhänge zwischen Einfluss- und Prozessergebnisgrößen aus maschinengenerierten Prozessdaten zu ermitteln. Eine Integration beider Ansätze besitzt das Potenzial, Erklärungsmodelle zur Beherrschung und Verbesserung komplexer Prozesse in soziotechnischen Systemen zu schaffen.}, added-at = {2016-06-17T16:37:46.000+0200}, author = {Wieland, Uwe and Fischer, Marco and Hilbert, Andreas}, biburl = {https://www.bibsonomy.org/bibtex/2b7c921d53732a17b6fc315655ed0b86e/flint63}, doi = {10.1007/BF03342070}, file = {SpringerLink:2013/WielandFischerHilbert13hmd.pdf:PDF}, groups = {public}, interhash = {b9917675f7dcc55a3e05e61bd294879e}, intrahash = {b7c921d53732a17b6fc315655ed0b86e}, issn = {1436-3011}, journal = {HMD Praxis der Wirtschaftsinformatik}, keywords = {01624 springer paper ai knowledge processing process analysis data pattern recognition optimize zzz.i40}, month = {#dec#}, number = 6, pages = {66--75}, timestamp = {2017-07-13T18:12:49.000+0200}, title = {{Menschliches Expertenwissen und Prozessdaten im Verbund: Six Sigma und Data Mining im Kontext von Industrie 4.0}}, username = {flint63}, volume = 50, year = 2013 }