برنامه های کاربردی برای مدیریت پیچیدگی تولید
ترجمه نشده

برنامه های کاربردی برای مدیریت پیچیدگی تولید

عنوان فارسی مقاله: تعاریف داده کاوی و برنامه های کاربردی برای مدیریت پیچیدگی تولید
عنوان انگلیسی مقاله: Data Mining Definitions and Applications for the Management of Production Complexity
مجله/کنفرانس: Procedia Cirp
رشته های تحصیلی مرتبط: مدیریت، مهندسی صنایع
گرایش های تحصیلی مرتبط: مدیریت صنعتی، تولید و عملیات، داده کاوی، تولید صنعتی
کلمات کلیدی فارسی: داده کاوی، یادگیری ماشین، هوش مصنوعی، پیچیدگی تولید
کلمات کلیدی انگلیسی: data mining، machine learning، artificial intelligence، production complexity
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procir.2019.03.217
دانشگاه: Laboratory for Machine Tools and Production Engineering (WZL) of RWTH Aachen University, 52074 Aachen, Germany
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
شناسه ISSN: 2212-8271
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 6
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E13011
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- Definition of AI, ML and DM


3- Application of DM methods for managing production complexity


4- Findings and conclusion


References

نمونه متن انگلیسی مقاله

Abstract


Production complexity has increased considerably in recent years due to increasing customer requirements for individual products. At the same time, continuous digitization has led to the recording of extensive, granular production data. Research claims that using production data in data mining methods can lead to managing production complexity effectively. However, manufacturing companies widely do not use such data mining methods. In order to support manufacturing companies in utilizing data mining, this paper presents both a literature review on definitions of data mining, artificial intelligence and machine learning as well as a categorization of existing approaches of applying data mining to manage production complexity.


Findings and conclusion


At the interface of rising production complexity due to shifting market demands and vast amounts of production data, DM can be a valid tool to support managing complexity. Most applications of DM in production management have so far been related to quality management. There are very few applications of DM directly related to production complexity. However, other applications of DM in other fields of production management serve the purpose of managing production complexity very well. We have presented some of these applications and plan to extend the categories in future work to present a holistic framework of DM, as well as other ML and AI applications able to cover all relevant aspects of managing production complexity.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

برنامه های کاربردی برای مدیریت پیچیدگی تولید
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها