HMD 294, 50. Jahrgang, Dezember 2013

Human Computer Interaction

Herausgeber: Siegfried Reich

Menschliches Expertenwissen und Prozessdaten im Verbund

Six Sigma und Data Mining im Kontext von Industrie 4.0

Uwe Wieland, Marco Fischer, Andreas Hilbert

Zusammenfassung

Erklärungsmodelle dienen der Abbildung existierender Systeme, um Wissen über ein System zu erhalten. Six Sigma und Data Mining sind jeweils etablierte Ansätze zur Identifikation von Erklärungsmodellen in Form von Ursache-Wirkungs-Beziehungen. Während sich Six Sigma bei der Analyse auf menschliches Erfahrungswissen stützt, bieten Verfahren des Data Mining die Möglichkeit, nicht triviale Zusammenhänge zwischen Einfluss- und Prozessergebnisgrößen aus maschinengenerierten Prozessdaten zu ermitteln. Eine Integration beider Ansätze besitzt das Potenzial, Erklärungsmodelle zur Beherrschung und Verbesserung komplexer Prozesse in soziotechnischen Systemen zu schaffen.

Inhaltsübersicht

  1. Industrie 4.0 - komplexe Prozesse und deren Herausforderungen
  2. Six Sigma DMAIC - der bekannte Weg zum Erklärungsmodell
    1. Phasen, Aktivitäten und der Mensch
    2. Potenziale bestehender Prozessdaten
  3. Data Mining integriert Prozessdaten in das Erklärungsmodell
  4. "DMAIC-DM" - menschliches Expertenwissen und Prozessdaten im Verbund
    1. Prozess der explorativen Datenanalyse mittels Data Mining
    2. Data-Mining-Integration in DMAIC
  5. Fallbeispiel "DMAIC-DM" im diskreten Produktionsprozess
  6. Literatur