应用程序和自由的成套数据

Jonathan Krauß, F. Ipt, Jonas Dorißen, Hendrik Mende, Maik Frye, R. Schmitt
{"title":"应用程序和自由的成套数据","authors":"Jonathan Krauß, F. Ipt, Jonas Dorißen, Hendrik Mende, Maik Frye, R. Schmitt","doi":"10.30844/I40M_19-4_S39-42","DOIUrl":null,"url":null,"abstract":"39 https://doi.org/10.30844/I40M_19-4_S39-42 Haupttreiber für den wirtschaftlichen Aufstieg von Hochtechnologieländern stellt die Produktion dar [1]. Die Rolle, welche die Produktion in diesen Ländern spielt, befi ndet sich im Wandel: Innovation und Produktivität haben eine größere Bedeutung als Wachstum [2]. Im Kontext der vierten Industriellen Revolution steigt der Grad der Digitalisierung und Vernetzung in der Produktion. Die so wachsende Datengrundlage bei gleichzeitiger Kostenreduktion von Rechenund Speicherkapazität führt dazu, dass Verfahren des maschinellen Lernens („Machine Learning“ oder kurz ML) vermehrt in der Produktion Anwendung fi nden. Der Einfl uss, den ML und künstliche Intelligenz (KI) auf die Produktion haben, wird voraussichtlich weiter steigen. Da sich Forschung und Anwendung in diesem Bereich im starken Wandel befi nden, fällt es schwer die aussichtsreichsten Anwendungsgebiete von ML zu identifi zieren. Im Rahmen dieser Veröff entlichung wird aufbauend auf einer ausführlichen Literaturrecherche eine Übersicht gegeben, in welchen Anwendungsgebieten der Produktion der Einsatz von ML aussichtsreich ist. Voraussetzungen für den Einsatz von ML","PeriodicalId":346026,"journal":{"name":"Industrie 4.0 Management","volume":"13 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-08-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":"{\"title\":\"Maschinelles Lernen in der Produktion - Anwendungsgebiete und frei verfügbare Datensätze\",\"authors\":\"Jonathan Krauß, F. Ipt, Jonas Dorißen, Hendrik Mende, Maik Frye, R. Schmitt\",\"doi\":\"10.30844/I40M_19-4_S39-42\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"39 https://doi.org/10.30844/I40M_19-4_S39-42 Haupttreiber für den wirtschaftlichen Aufstieg von Hochtechnologieländern stellt die Produktion dar [1]. Die Rolle, welche die Produktion in diesen Ländern spielt, befi ndet sich im Wandel: Innovation und Produktivität haben eine größere Bedeutung als Wachstum [2]. Im Kontext der vierten Industriellen Revolution steigt der Grad der Digitalisierung und Vernetzung in der Produktion. Die so wachsende Datengrundlage bei gleichzeitiger Kostenreduktion von Rechenund Speicherkapazität führt dazu, dass Verfahren des maschinellen Lernens („Machine Learning“ oder kurz ML) vermehrt in der Produktion Anwendung fi nden. Der Einfl uss, den ML und künstliche Intelligenz (KI) auf die Produktion haben, wird voraussichtlich weiter steigen. Da sich Forschung und Anwendung in diesem Bereich im starken Wandel befi nden, fällt es schwer die aussichtsreichsten Anwendungsgebiete von ML zu identifi zieren. Im Rahmen dieser Veröff entlichung wird aufbauend auf einer ausführlichen Literaturrecherche eine Übersicht gegeben, in welchen Anwendungsgebieten der Produktion der Einsatz von ML aussichtsreich ist. Voraussetzungen für den Einsatz von ML\",\"PeriodicalId\":346026,\"journal\":{\"name\":\"Industrie 4.0 Management\",\"volume\":\"13 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2019-08-12\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"2\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Industrie 4.0 Management\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.30844/I40M_19-4_S39-42\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Industrie 4.0 Management","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30844/I40M_19-4_S39-42","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2

摘要

39 j .霍斯芒讨生活者和穷人的经度,证明了高科技经济崛起的主要动力[1]。由于结构改变,在这些国家的生产力作用发生了变化:创新和生产力比增长更重要。数字化和连通性在第四次工业革命到来之际不断提高。如此庞大的数据基础在同时降低了计算和储存能力,这意味着机械学习程序(即缩写ML)的大量投入在产出上。faa武器,为ML和人工智能(人工智能)上市将继续上升。在这一领域的研究和应用有急剧变化,因此很难确定应用最大的应用区域。在这个退化的世界范围内,还提供了一个根据文献详细研究,数量说明了ML公司在应用到这些应用领域的情况。这是7毫升燃料
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Maschinelles Lernen in der Produktion - Anwendungsgebiete und frei verfügbare Datensätze
39 https://doi.org/10.30844/I40M_19-4_S39-42 Haupttreiber für den wirtschaftlichen Aufstieg von Hochtechnologieländern stellt die Produktion dar [1]. Die Rolle, welche die Produktion in diesen Ländern spielt, befi ndet sich im Wandel: Innovation und Produktivität haben eine größere Bedeutung als Wachstum [2]. Im Kontext der vierten Industriellen Revolution steigt der Grad der Digitalisierung und Vernetzung in der Produktion. Die so wachsende Datengrundlage bei gleichzeitiger Kostenreduktion von Rechenund Speicherkapazität führt dazu, dass Verfahren des maschinellen Lernens („Machine Learning“ oder kurz ML) vermehrt in der Produktion Anwendung fi nden. Der Einfl uss, den ML und künstliche Intelligenz (KI) auf die Produktion haben, wird voraussichtlich weiter steigen. Da sich Forschung und Anwendung in diesem Bereich im starken Wandel befi nden, fällt es schwer die aussichtsreichsten Anwendungsgebiete von ML zu identifi zieren. Im Rahmen dieser Veröff entlichung wird aufbauend auf einer ausführlichen Literaturrecherche eine Übersicht gegeben, in welchen Anwendungsgebieten der Produktion der Einsatz von ML aussichtsreich ist. Voraussetzungen für den Einsatz von ML
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Erfolgskriterien für Innovationen als Managementkonzept im Kontext von Industrie 4.0 – Theoretische Ansätze und deren Umsetzung bei sechs ausgewählten Unternehmen Dimensions of Industrial Openness - Understanding Openness and Its Implications for Sustainable Transformation Effiziente Produktionssimulation - Eine Methode zur softwaregestützten Zusammenarbeit von Produktions- und Simulationsexperten Innovationslabor Digitalisierung - Produktentwicklung mittels Design Thinking im Makerspace Makigami im Produktentstehungsprozess - Einsatz einer Lean-Methodik zur Integration eines nachhaltigen und zirkulären Produktdesigns
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1