Einsatz von Data Mining im Regenerationsprozess von Schienenfahrzeug-Transformatoren: Potenziale für die Kapazitätsplanung und Angebotskalkulation

Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review

Autoren

  • Melissa Seitz
  • Maren Sobotta
  • Peter Nyhuis

Organisationseinheiten

Forschungs-netzwerk anzeigen

Details

Titel in ÜbersetzungPossible application of data mining for supporting the regeneration process of rail vehicle transformers
OriginalspracheDeutsch
Seiten (von - bis)814-818
Seitenumfang5
FachzeitschriftZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb
Jahrgang113
Ausgabenummer12
PublikationsstatusVeröffentlicht - 17 Dez. 2018

Abstract

Die Kapazitätsplanung für die Regeneration komplexer Investitionsgüter, wie z. B. Schienenfahrzeug-Transformatoren, ist aufgrund der Informationsunschärfe sehr herausfordernd. Der Grund dafür ist, dass die für die Regeneration einzuplanenden Tätigkeiten und deren Umfänge zum Zeitpunkt der Planung oftmals nicht vollständig bekannt sind. Dies ist insbesondere dann schwierig, wenn die Regenerationsaufträge in eine laufende Fertigung integriert werden müssen und sich die Abweichung der aktuellen von der eingeplanten Belastung somit direkt auf den Produktionsplan auswirkt. Aufgrund der fortschreitenden Digitalisierung und der damit einhergehenden zunehmenden Datenverfügbarkeit eröffnen sich jedoch neue Potenziale für eine Verbesserung der Planungsgrundlage. In diesem Zusammenhang können Data-Mining-Ansätze für die Generierung von Belastungsprognosen genutzt werden und damit die Kapazitätsplanung unterstützen.

ASJC Scopus Sachgebiete

Zitieren

Einsatz von Data Mining im Regenerationsprozess von Schienenfahrzeug-Transformatoren: Potenziale für die Kapazitätsplanung und Angebotskalkulation. / Seitz, Melissa; Sobotta, Maren; Nyhuis, Peter.
in: ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb, Jahrgang 113, Nr. 12, 17.12.2018, S. 814-818.

Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review

Seitz, M, Sobotta, M & Nyhuis, P 2018, 'Einsatz von Data Mining im Regenerationsprozess von Schienenfahrzeug-Transformatoren: Potenziale für die Kapazitätsplanung und Angebotskalkulation', ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb, Jg. 113, Nr. 12, S. 814-818. https://doi.org/10.3139/104.112025
Seitz M, Sobotta M, Nyhuis P. Einsatz von Data Mining im Regenerationsprozess von Schienenfahrzeug-Transformatoren: Potenziale für die Kapazitätsplanung und Angebotskalkulation. ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb. 2018 Dez 17;113(12):814-818. doi: 10.3139/104.112025
Seitz, Melissa ; Sobotta, Maren ; Nyhuis, Peter. / Einsatz von Data Mining im Regenerationsprozess von Schienenfahrzeug-Transformatoren : Potenziale für die Kapazitätsplanung und Angebotskalkulation. in: ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb. 2018 ; Jahrgang 113, Nr. 12. S. 814-818.
Download
@article{2b12f9a2809a4bd8b3bb962587ae153a,
title = "Einsatz von Data Mining im Regenerationsprozess von Schienenfahrzeug-Transformatoren: Potenziale f{\"u}r die Kapazit{\"a}tsplanung und Angebotskalkulation",
abstract = "Die Kapazit{\"a}tsplanung f{\"u}r die Regeneration komplexer Investitionsg{\"u}ter, wie z. B. Schienenfahrzeug-Transformatoren, ist aufgrund der Informationsunsch{\"a}rfe sehr herausfordernd. Der Grund daf{\"u}r ist, dass die f{\"u}r die Regeneration einzuplanenden T{\"a}tigkeiten und deren Umf{\"a}nge zum Zeitpunkt der Planung oftmals nicht vollst{\"a}ndig bekannt sind. Dies ist insbesondere dann schwierig, wenn die Regenerationsauftr{\"a}ge in eine laufende Fertigung integriert werden m{\"u}ssen und sich die Abweichung der aktuellen von der eingeplanten Belastung somit direkt auf den Produktionsplan auswirkt. Aufgrund der fortschreitenden Digitalisierung und der damit einhergehenden zunehmenden Datenverf{\"u}gbarkeit er{\"o}ffnen sich jedoch neue Potenziale f{\"u}r eine Verbesserung der Planungsgrundlage. In diesem Zusammenhang k{\"o}nnen Data-Mining-Ans{\"a}tze f{\"u}r die Generierung von Belastungsprognosen genutzt werden und damit die Kapazit{\"a}tsplanung unterst{\"u}tzen.",
author = "Melissa Seitz and Maren Sobotta and Peter Nyhuis",
note = "{\textcopyright} 2018, Carl Hanser Verlag, M{\"u}nchen",
year = "2018",
month = dec,
day = "17",
doi = "10.3139/104.112025",
language = "Deutsch",
volume = "113",
pages = "814--818",
number = "12",

}

Download

TY - JOUR

T1 - Einsatz von Data Mining im Regenerationsprozess von Schienenfahrzeug-Transformatoren

T2 - Potenziale für die Kapazitätsplanung und Angebotskalkulation

AU - Seitz, Melissa

AU - Sobotta, Maren

AU - Nyhuis, Peter

N1 - © 2018, Carl Hanser Verlag, München

PY - 2018/12/17

Y1 - 2018/12/17

N2 - Die Kapazitätsplanung für die Regeneration komplexer Investitionsgüter, wie z. B. Schienenfahrzeug-Transformatoren, ist aufgrund der Informationsunschärfe sehr herausfordernd. Der Grund dafür ist, dass die für die Regeneration einzuplanenden Tätigkeiten und deren Umfänge zum Zeitpunkt der Planung oftmals nicht vollständig bekannt sind. Dies ist insbesondere dann schwierig, wenn die Regenerationsaufträge in eine laufende Fertigung integriert werden müssen und sich die Abweichung der aktuellen von der eingeplanten Belastung somit direkt auf den Produktionsplan auswirkt. Aufgrund der fortschreitenden Digitalisierung und der damit einhergehenden zunehmenden Datenverfügbarkeit eröffnen sich jedoch neue Potenziale für eine Verbesserung der Planungsgrundlage. In diesem Zusammenhang können Data-Mining-Ansätze für die Generierung von Belastungsprognosen genutzt werden und damit die Kapazitätsplanung unterstützen.

AB - Die Kapazitätsplanung für die Regeneration komplexer Investitionsgüter, wie z. B. Schienenfahrzeug-Transformatoren, ist aufgrund der Informationsunschärfe sehr herausfordernd. Der Grund dafür ist, dass die für die Regeneration einzuplanenden Tätigkeiten und deren Umfänge zum Zeitpunkt der Planung oftmals nicht vollständig bekannt sind. Dies ist insbesondere dann schwierig, wenn die Regenerationsaufträge in eine laufende Fertigung integriert werden müssen und sich die Abweichung der aktuellen von der eingeplanten Belastung somit direkt auf den Produktionsplan auswirkt. Aufgrund der fortschreitenden Digitalisierung und der damit einhergehenden zunehmenden Datenverfügbarkeit eröffnen sich jedoch neue Potenziale für eine Verbesserung der Planungsgrundlage. In diesem Zusammenhang können Data-Mining-Ansätze für die Generierung von Belastungsprognosen genutzt werden und damit die Kapazitätsplanung unterstützen.

UR - http://www.scopus.com/inward/record.url?scp=85064088776&partnerID=8YFLogxK

U2 - 10.3139/104.112025

DO - 10.3139/104.112025

M3 - Artikel

AN - SCOPUS:85064088776

VL - 113

SP - 814

EP - 818

JO - ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb

JF - ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb

SN - 0947-0085

IS - 12

ER -