Zusammenfassung
In der Dissertation „Effektivität und Effizienz durch problemspezifische Abstraktion – ein Beitrag zum maschinellen Lernen von Regeln zur Steuerung von Produktionsnetzwerken der Serienfertigung“ wird untersucht, wie ein maschinelles Lernsystem Regeln zur Steuerung der Änderungsplanung in Produktionsnetzwerken erlernen kann. Besondere Randbedingungen für den Lernprozess in diesem anwendungsorientierten Forschungskontext sind der große Zustandsraum von Produktionsnetzwerken, die herrschende Unsicherheit bei der unternehmensübergreifenden Planung und die Nachvollziehbarkeit der Lernprozessergebnisse durch menschliche Planer.
This is a preview of subscription content, log in via an institution to check access.
Literatur
Hartigan JA, Wong MA (1979) A K-means clustering algorithm. Appl Stat 28:100–108
Heidenreich J (2006) Adaptierbare Änderungsplanung der Mengen und Kapazitäten in Produktionsnetzwerken der Serienfertigung. Dissertation, Universität Paderborn, Heinz Nixdorf Institut, Wirtschaftsinformatik, insbesondere CIM
Hellingrath B, Mandel J (2007) Das 5-Tage-Auto – Serienfertigung gehört schon bald zum alten Eisen. In: Hänsch TW (Hrsg) 100 Produkte der Zukunft: Wegweisende Ideen, die unser Leben verändern werden. Springer, Berlin, S 242–243
Mitchell TM (1997) Machine learning. McGraw-Hill, New York
Viera GE, Herrmann JW, Lin E (2003) Rescheduling manufacturing systems: a framework of strategies, policies and methods. Research Report Funded by CAPES Brazil, grant number 3135/95-3, University of Maryland
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Döring, A. Intelligente Steuerung der Änderungsplanung in Produktionsnetzwerken der Serienfertigung. Künstl Intell 24, 165–168 (2010). https://doi.org/10.1007/s13218-010-0030-6
Published:
Issue Date:
DOI: https://doi.org/10.1007/s13218-010-0030-6