Dissertation DIS-2017-05

Bibliograph.
Daten
Kassner, Laura Bernadette: Product Life Cycle Analytics - Analytics auf unstrukturierten Daten für eine intelligentere Fertigung.
Universität Stuttgart, Fakultät Informatik, Elektrotechnik und Informationstechnik, Dissertation (2017).
255 Seiten, deutsch.
CR-Klassif.H.3.1 (Content Analysis and Indexing)
H.3.3 (Information Search and Retrieval)
H.4.2 (Information Systems Applications Types of Systems)
J.1 (Administration Data Processing)
Kurzfassung

Die vorliegende Arbeit untersucht die Analytics-Potenziale unstrukturierter Textdaten rund um den Produktlebenszyklus industriell gefertigter Produkte, hauptsächlich am Beispiel von Produktqualitätsdaten aus der Automobilindustrie und mit besonderem Fokus auf die Entwicklung einer leistungsfähigen IT für die Produktion im Zuge von Industrie 4.0. Übergeordnetes Ziel ist die Schaffung eines Rahmenwerks für die Integra\tion und Analyse unstrukturierter und strukturierter Daten, insbesondere unstrukturierter Textdaten. Ein solches Rahmenwerk soll die Erfüllung dreier untergeordneter Forschungsziele gewährleisten: (1) die Unterstützung von bestehenden, manuell ausgeführten Analyseaufgaben mit hohem Textdatenanteil im Tagesgeschäft durch Teilautomatisierung, (2) die Durchführung von neuen, wertschöpfenden und produktlebenszyklusübergreifenden Analyse-Aufgaben unter Verwendung von unstrukturierten Daten sowie (3) die bessere Integration des Menschen in die flexible Produktion im Rahmen von Industrie 4.0 durch Analytics und Datenintegration. Um diese Ziele zu erfüllen, wird das Konzept Product Life Cycle Analytics (PLCA) zur Integration und Analyse von Daten strukturierter und unstrukturierter Form aus dem gesamten Produktlebenszyklus entwickelt und eine Architektur als Rahmenwerk zur Umsetzung dieses Konzepts entworfen. Innerhalb dieser Architektur werden mehrere Anwendungsfälle aus dem Bereich Qualitätsdaten in der Automobilindustrie -- vor allem AftersalesTeilequalität -- prototypisch umgesetzt oder auf Machbarkeit untersucht, die sich vor allem auf die ersten zwei Forschungsziele beziehen. Die Unterstützung von manueller Analysearbeit durch Teilautomatisierung wird prototypisch umgesetzt für die Klassifizierung von Schadteilen im AftersalesBereich auf Basis von Textbefunden aus verschiedenen Quellen (Forschungsziel 1). Die Machbarkeit verschiedener lebenszyklusübergreifender Analyseszenarien wird an Quellen aus Entwicklung und Aftersales gezeigt, zum Beispiel für das Ableiten möglicher Fehlerursachen in einer neuen Fahrzeugbaureihe aus bekannten AftersalesDiagnosen in der vorigen Baureihe (Forschungsziel 2). In einem Exkurs wird die Wiederverwendung und Wartung domänenspezifischen strukturierten unternehmensinternen Wissens behandelt, das für Text Analytics gebraucht wird. Schließlich wird Forschungsziel 3 durch das Konzept einer Sozialen Fabrik für Industrie 4.0 bearbeitet, in der sich menschliche Arbeiter durch eine starke Datenintegrations- und Analytics-Infrastruktur optimal als flexible Problemlöser einbringen können. Die Soziale Fabrik baut auf dem definierten Integrations- und Analytics-Rahmenwerk auf und wird ebenfalls prototypisch implementiert.

Abteilung(en)Universität Stuttgart, Institut für Parallele und Verteilte Systeme, Anwendersoftware
BetreuerMitschang, Bernhard
Projekt(e)GSaME-NFG
Eingabedatum20. April 2018
   Publ. Abteilung   Publ. Institut   Publ. Informatik