{"title":"统一道路","authors":"Marvin Müller, J. Metternich","doi":"10.30844/i40m_21-6_s11-14","DOIUrl":null,"url":null,"abstract":"Die Werkstattführung im Rahmen des sogenannten Shopfloor Managements (SFM) greift zunehmend auf digital erfasste Daten zurück. Die im Rahmen des SFM erkannten Abweichungen führen im besten Fall zu einer systematischen und nachhaltigen Lösung der zugrundeliegenden Probleme. Besonders wertvoll ist dabei das in Form von Freitext dokumentierte Wissen der Beschäftigten in der Ursachenforschung und Maßnahmendefinition. Im Transferprojekt TexPrax werden daher Ansätze aus dem Natural Language Processing (NLP) auf diese Textdaten angewendet, um Assistenzfunktionen im SFM zu realisieren. Dieser Beitrag stellt verschiedene, erprobte Assistenzsysteme im digitalen SFM (dSFM) vor und zeigt situationsspezifische Umsetzungsstrategien für Unternehmen auf.","PeriodicalId":346026,"journal":{"name":"Industrie 4.0 Management","volume":"103 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-11-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Assistenzsysteme durch Natural Language Processing - Umsetzungsstrategien für den Shopfloor\",\"authors\":\"Marvin Müller, J. Metternich\",\"doi\":\"10.30844/i40m_21-6_s11-14\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Die Werkstattführung im Rahmen des sogenannten Shopfloor Managements (SFM) greift zunehmend auf digital erfasste Daten zurück. Die im Rahmen des SFM erkannten Abweichungen führen im besten Fall zu einer systematischen und nachhaltigen Lösung der zugrundeliegenden Probleme. Besonders wertvoll ist dabei das in Form von Freitext dokumentierte Wissen der Beschäftigten in der Ursachenforschung und Maßnahmendefinition. Im Transferprojekt TexPrax werden daher Ansätze aus dem Natural Language Processing (NLP) auf diese Textdaten angewendet, um Assistenzfunktionen im SFM zu realisieren. Dieser Beitrag stellt verschiedene, erprobte Assistenzsysteme im digitalen SFM (dSFM) vor und zeigt situationsspezifische Umsetzungsstrategien für Unternehmen auf.\",\"PeriodicalId\":346026,\"journal\":{\"name\":\"Industrie 4.0 Management\",\"volume\":\"103 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-11-23\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Industrie 4.0 Management\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.30844/i40m_21-6_s11-14\",\"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_21-6_s11-14","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Assistenzsysteme durch Natural Language Processing - Umsetzungsstrategien für den Shopfloor
Die Werkstattführung im Rahmen des sogenannten Shopfloor Managements (SFM) greift zunehmend auf digital erfasste Daten zurück. Die im Rahmen des SFM erkannten Abweichungen führen im besten Fall zu einer systematischen und nachhaltigen Lösung der zugrundeliegenden Probleme. Besonders wertvoll ist dabei das in Form von Freitext dokumentierte Wissen der Beschäftigten in der Ursachenforschung und Maßnahmendefinition. Im Transferprojekt TexPrax werden daher Ansätze aus dem Natural Language Processing (NLP) auf diese Textdaten angewendet, um Assistenzfunktionen im SFM zu realisieren. Dieser Beitrag stellt verschiedene, erprobte Assistenzsysteme im digitalen SFM (dSFM) vor und zeigt situationsspezifische Umsetzungsstrategien für Unternehmen auf.
京公网安备 11010802042870号
京ICP备2023020795号-1
分享
求助内容：
应助结果提醒方式：
扫码关注我们
