%0 Journal Article %1 FreitagKueckEtAl15im-gito1 %A Freitag, Michael %A Kück, Mirko %A Alla, Abderrahim Ait %D 2015 %J Industrie 4.0 Management %K 01841 gito paper embedded ai factory logistics data analysis pattern recognition science learn zzz.big zzz.i40 %N 5 %P 22--26 %T Potenziale von Data Science in Produktion und Logistik: Teil 1 -- Eine Einführung in aktuelle Ansätze der Data Science %V 31 %X In den letzten zehn Jahren hat es im IT-Bereich rasante Entwicklungen gegeben, um immer größere Datenmengen speichern und performant verarbeiten zu können. Dadurch wurde eine wesentliche Voraussetzung für die Umsetzung der vernetzten Produktion im Sinne von Industrie 4.0 geschaffen. Die vernetzte Produktion verfolgt die Idee, dass mittels des Internet der Dinge eine Kommunikation zwischen Maschinen, Transportmitteln und Werkstücken stattfindet, um gemeinsam mit dem Menschen bislang unerschlossene Effizienzpotenziale im Hinblick auf Materialbereitstellungs-, Instandhaltungs- und Fertigungskonzepte auszuschöpfen. Zur Umsetzung dieser Konzepte bedarf es in Analogie zur Business Intelligence eines neuartigen Verständnisses der Datenverarbeitung für den Produktionsbereich. Mit Verweis auf das übergeordnete Rahmenkonzept der Data Science ist hierzu ein integrierter Ansatz bestehend aus mathematischer Modellierung, performanter Softwareimplementierung und spezifischem Anwendungswissen erforderlich. In diesem ersten Beitrag werden die Grundlagen der Data Science vorgestellt und Perspektiven für eine datengestützte Produktion und Logistik als Entwicklungsrichtung von Industrie 4.0 diskutiert. Darauf aufbauend werden in einem späteren zweiten Beitrag Prozessschritte zur strukturierten Datenanalyse erläutert und anhand verschiedener Anwendungsbeispiele veranschaulicht.

@article{FreitagKueckEtAl15im-gito1, abstract = {In den letzten zehn Jahren hat es im IT-Bereich rasante Entwicklungen gegeben, um immer größere Datenmengen speichern und performant verarbeiten zu können. Dadurch wurde eine wesentliche Voraussetzung für die Umsetzung der vernetzten Produktion im Sinne von Industrie 4.0 geschaffen. Die vernetzte Produktion verfolgt die Idee, dass mittels des Internet der Dinge eine Kommunikation zwischen Maschinen, Transportmitteln und Werkstücken stattfindet, um gemeinsam mit dem Menschen bislang unerschlossene Effizienzpotenziale im Hinblick auf Materialbereitstellungs-, Instandhaltungs- und Fertigungskonzepte auszuschöpfen. Zur Umsetzung dieser Konzepte bedarf es in Analogie zur Business Intelligence eines neuartigen Verständnisses der Datenverarbeitung für den Produktionsbereich. Mit Verweis auf das übergeordnete Rahmenkonzept der Data Science ist hierzu ein integrierter Ansatz bestehend aus mathematischer Modellierung, performanter Softwareimplementierung und spezifischem Anwendungswissen erforderlich. In diesem ersten Beitrag werden die Grundlagen der Data Science vorgestellt und Perspektiven für eine datengestützte Produktion und Logistik als Entwicklungsrichtung von Industrie 4.0 diskutiert. Darauf aufbauend werden in einem späteren zweiten Beitrag Prozessschritte zur strukturierten Datenanalyse erläutert und anhand verschiedener Anwendungsbeispiele veranschaulicht.}, added-at = {2017-11-05T10:44:13.000+0100}, author = {Freitag, Michael and K{\"u}ck, Mirko and Alla, Abderrahim Ait}, biburl = {https://www.bibsonomy.org/bibtex/2ca195cc9035303f35ee777d382102242/flint63}, file = {Gito Download:2015/FreitagKueckEtAl15im-gito1.pdf:PDF}, groups = {public}, interhash = {60c98c3aa0863dfdabd2153f28abe1d5}, intrahash = {ca195cc9035303f35ee777d382102242}, issn = {1434-1980}, journal = {Industrie 4.0 Management}, keywords = {01841 gito paper embedded ai factory logistics data analysis pattern recognition science learn zzz.big zzz.i40}, number = 5, pages = {22--26}, timestamp = {2018-04-16T12:29:47.000+0200}, title = {{Potenziale von Data Science in Produktion und Logistik: Teil 1 -- Eine Einf{\"u}hrung in aktuelle Ans{\"a}tze der Data Science}}, username = {flint63}, volume = 31, year = 2015 }