Machine Learning-based Prediction of Missing Parts for Assembly (eBook)
XXII, 155 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-45033-5 (ISBN)
Manufacturing companies face challenges in managing increasing process complexity while meeting demands for on-time delivery, particularly evident during critical processes like assembly. The early identification of potential missing parts at the beginning assembly emerges as a crucial strategy to uphold delivery commitments. This book embarks on developing machine learning-based prediction models to tackle this challenge. Through a systemic literature review, deficiencies in current predictive methodologies are highlighted, notably the underutilization of material data and a late prediction capability within the procurement process. Through case studies within the machine industry a significant influence of material data on the quality of models predicting missing parts from in-house production was verified. Further, a model for predicting delivery delays in the purchasing process was implemented, which makes it possible to predict potential missing parts from suppliers at the time of ordering. These advancements serve as indispensable tools for production planners and procurement professionals, empowering them to proactively address material availability challenges for assembly operations.
Fabian Steinberg studied production technology at the Rheinisch-Westfälische Technische Hochschule (RWTH) Aachen with a Master's degree. In his subsequent doctorate at the Chair of International Production Engineering and Management (IPEM) at the University of Siegen, he focussed on the prediction of missing parts for assembly using artificial intelligence.
| Erscheint lt. Verlag | 18.6.2024 |
|---|---|
| Reihe/Serie | Findings from Production Management Research |
| Zusatzinfo | XXII, 155 p. 47 illus. |
| Sprache | englisch |
| Themenwelt | Technik ► Bauwesen |
| Wirtschaft ► Betriebswirtschaft / Management ► Logistik / Produktion | |
| Schlagworte | Assembly • lead time • machine learning • prediction methods • Production planning and control • supervised learning |
| ISBN-10 | 3-658-45033-9 / 3658450339 |
| ISBN-13 | 978-3-658-45033-5 / 9783658450335 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 1,7 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
