Applications of Neural Networks in Engineer-to-order Environment

Digitale Transformation produktionsnaher Prozesse in KMUs des metallverarbeitenden Gewerbes

“…Zur Lösung dieser Problemstellung eignen sich Machine-Learning(ML)-Modelle und hier insbesondere Künstliche Neuronale Netze (KNN). Diese werden mit Vergangenheitsdaten trainiert und können je nach Modell, Situation und Trainingsdaten, Entscheidungen im aktuellen Kontext übernehmen (Ziegler et al, 2021). KNNs als intelligente 42 Methoden können aber nur entsprechend effizient und effektiv eingesetzt werden, wenn die Voraussetzungen für den Einsatz von den KMUs geschaffen werden (Schkarin und Dobhan, 2022).…”

“…Die unterschiedliche Herangehensweise an die beiden Fragestellungen bedingt auch unterschiedliche Methoden (Schkarin und Dobhan, 2022;Ziegler et al, 2021). Zur Sicherstellung einer unternehmensübergreifenden Ausrichtung bei der Beantwortung der ersten Fragestellung dienen Experteninterviews.…”

“…(Schkarin und Dobhan, 2022) Um den Geschäftskontext zu verstehen, dient eine Geschäftsprozessanalyse mit Hilfe der Business Process Modelling and Notation (BPMN) zur Darstellung der Prozesse (siehe Abbildung 4). Dabei wurde der relevante Teil des Engineer-To-Order Prozesses bei der Franken GmbH & Co. KG, einem Hersteller von Präzisionswerkzeugen und OBerA-Projektpartner, untersucht und auch in Zusammenhang mit bislang veröffentlichten Forschungsarbeiten betrachtet(Ziegler et al, 2021). Dadurch wurden die Probleme, zu deren Lösung KI angewendet werden sollte, präzisiert.…”

“…Hier mussten nach dem GoLive noch Nachjustierungen sowohl hinsichtlich der Interpretationsmöglichkeit der Ergebnisse als auch im Hinblick auf die Erweiterung der Datenbasis geschaffen werden. (Schkarin und Dobhan, 2022;Ziegler et al, 2021)…”