Diese Arbeit untersucht und bewertet die Anwendung alternativer Methoden zur Prognose von Komponenten und Teilen in einer variantenreichen Serienfertigung am Beispiel eines Automobilherstellers. Zur Modellierung werden drei Ansätze untersucht, nämlich probabilistische graphische Modelle, Neuronale Netze sowie Clusteranalyse mit anschließender Prognose anhand von Fuzzy-Methoden. Die Konzeption des jeweiligen Prognosemodells beginnt mit der Darstellung der Abhängigkeiten zwischen den vom Kunden wählbaren (Ausstattungs-) Merkmalen eines Fahrzeugs beziehungsweise den daraus ableitbaren Einbaubedingungen. Diese Abhängigkeitsstruktur bildet dann die Grundlage für Bedarfsprognosen bis hinunter zur Ebene der Teile. Die drei genannten Ansätze aus dem Forschungsgebiet des Data Mining bieten dabei vielversprechende Verfahren, um Abhängigkeitsstrukturen aus verfügbarem Datenmaterial erlernen zu können. Sie führen auf neuartige Modellierungen des Kundenverhaltens für die Bedarfsprognose von Komponenten und Teilen. Im Anschluss an die Konzeption der Prognosemodelle erfolgt sowohl eine konzeptionelle als auch eine experimentelle Bewertung auf der Basis umfangreicher Untersuchungen mit Daten aus einer Produktionsdatenbank des Volkswagen-Konzerns. Die Clusteranalyse und Prognose mit Fuzzy-Ansätzen stellt eine eher heuristisch geprägte Modellierung dar. Sie basiert auf der verlaufsorientierten Clusterung von Zeitreihen für Einbaubedingungen beziehungsweise Teile sowie einer anschließenden unscharfen Beschreibung der so gefundenen Prototypen. Neuronale Netze modellieren Abhängigkeiten, indem sie den funktionalen Zusammenhang zwischen Einbaubedingungen und einzelnen Merkmalswerten approximieren. Die Untersuchungen zeigen, dass die probabilistischen graphischen Modelle, hier vertreten durch die Bayes-Netze, das höchste Anwendungspotential aufweisen. Die konzeptionellen Stärken werden durch die experimentellen Untersuchungen der Prognosen bestätigt.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Data mining in der Bedarfsprognose von Komponenten und Teilen


    Beteiligte:
    Holtze, P. (Autor:in)


    Erscheinungsdatum :

    2000


    Format / Umfang :

    149 Seiten, Bilder, Tabellen, 56 Quellen




    Medientyp :

    Hochschulschrift


    Format :

    Print


    Sprache :

    Deutsch




    SAVOY : e. Programmsystem zur Bedarfsprognose

    Wever, Hartfried / Stillhammer, Manfred / Popp, Reinhold | TIBKAT | 1972


    Bedarfsprognose von Ausfallteilen für Instandhaltungsdienstleister in der zivilen Luftfahrt

    Weckenborg, Sebastian / Technische Universität Braunschweig / Shaker Verlag | TIBKAT | 2017



    Pruefung von Teilen und Komponenten: technischer Fortschritt auf sicherer Basis

    Binar,J. / Schwipps,F. / DEKRA,Stuttgart,DE | Kraftfahrwesen | 2003


    Anwendungen teilen

    Schepp, Thoma | IuD Bahn | 1995