Maschinelles Lernen in der Produktion - Anwendungsgebiete und frei verfügbare Datensätze

Jonathan Krauß, F. Ipt, Jonas Dorißen, Hendrik Mende, Maik Frye, R. Schmitt
{"title":"Maschinelles Lernen in der Produktion - Anwendungsgebiete und frei verfügbare Datensätze","authors":"Jonathan Krauß, F. Ipt, Jonas Dorißen, Hendrik Mende, Maik Frye, R. Schmitt","doi":"10.30844/I40M_19-4_S39-42","DOIUrl":null,"url":null,"abstract":"39 https://doi.org/10.30844/I40M_19-4_S39-42 Haupttreiber für den wirtschaftlichen Aufstieg von Hochtechnologieländern stellt die Produktion dar [1]. Die Rolle, welche die Produktion in diesen Ländern spielt, befi ndet sich im Wandel: Innovation und Produktivität haben eine größere Bedeutung als Wachstum [2]. Im Kontext der vierten Industriellen Revolution steigt der Grad der Digitalisierung und Vernetzung in der Produktion. Die so wachsende Datengrundlage bei gleichzeitiger Kostenreduktion von Rechenund Speicherkapazität führt dazu, dass Verfahren des maschinellen Lernens („Machine Learning“ oder kurz ML) vermehrt in der Produktion Anwendung fi nden. Der Einfl uss, den ML und künstliche Intelligenz (KI) auf die Produktion haben, wird voraussichtlich weiter steigen. Da sich Forschung und Anwendung in diesem Bereich im starken Wandel befi nden, fällt es schwer die aussichtsreichsten Anwendungsgebiete von ML zu identifi zieren. Im Rahmen dieser Veröff entlichung wird aufbauend auf einer ausführlichen Literaturrecherche eine Übersicht gegeben, in welchen Anwendungsgebieten der Produktion der Einsatz von ML aussichtsreich ist. Voraussetzungen für den Einsatz von ML","PeriodicalId":346026,"journal":{"name":"Industrie 4.0 Management","volume":"13 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-08-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Industrie 4.0 Management","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30844/I40M_19-4_S39-42","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2

Abstract

39 https://doi.org/10.30844/I40M_19-4_S39-42 Haupttreiber für den wirtschaftlichen Aufstieg von Hochtechnologieländern stellt die Produktion dar [1]. Die Rolle, welche die Produktion in diesen Ländern spielt, befi ndet sich im Wandel: Innovation und Produktivität haben eine größere Bedeutung als Wachstum [2]. Im Kontext der vierten Industriellen Revolution steigt der Grad der Digitalisierung und Vernetzung in der Produktion. Die so wachsende Datengrundlage bei gleichzeitiger Kostenreduktion von Rechenund Speicherkapazität führt dazu, dass Verfahren des maschinellen Lernens („Machine Learning“ oder kurz ML) vermehrt in der Produktion Anwendung fi nden. Der Einfl uss, den ML und künstliche Intelligenz (KI) auf die Produktion haben, wird voraussichtlich weiter steigen. Da sich Forschung und Anwendung in diesem Bereich im starken Wandel befi nden, fällt es schwer die aussichtsreichsten Anwendungsgebiete von ML zu identifi zieren. Im Rahmen dieser Veröff entlichung wird aufbauend auf einer ausführlichen Literaturrecherche eine Übersicht gegeben, in welchen Anwendungsgebieten der Produktion der Einsatz von ML aussichtsreich ist. Voraussetzungen für den Einsatz von ML
应用程序和自由的成套数据
39 j .霍斯芒讨生活者和穷人的经度,证明了高科技经济崛起的主要动力[1]。由于结构改变,在这些国家的生产力作用发生了变化:创新和生产力比增长更重要。数字化和连通性在第四次工业革命到来之际不断提高。如此庞大的数据基础在同时降低了计算和储存能力,这意味着机械学习程序(即缩写ML)的大量投入在产出上。faa武器,为ML和人工智能(人工智能)上市将继续上升。在这一领域的研究和应用有急剧变化,因此很难确定应用最大的应用区域。在这个退化的世界范围内,还提供了一个根据文献详细研究,数量说明了ML公司在应用到这些应用领域的情况。这是7毫升燃料
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信