I. INTRODUCTIONA. MotivationGlobali

I. INTRODUCTION
A. Motivation
Globalization, shorter product lifecycles and rapidly changing customer needs lead to high competitive pressure in the manufacturing industry. Apart from product quality and product variety, flexibility, short lead times and a high adherence to delivery dates have become essential success factors [1]. Thus, efficient, effective and continuously opti-mized manufacturing processes are central prerequisite to perform successfully on the market [2].
Looking at other industry sectors, Business Intelligence (BI) technology is successfully applied for the optimization of workflow-based business processes, esp. in the service industry [3], [4]. This emphasizes the potential of using comprehensive analytics to improve business activities.
Regarding BI approaches in manufacturing, there are mainly two types, wide-spread in industry practice: On the one hand, pre-packaged dashboard applications based on
Manuscript received March 14, 2012; revised April 12, 2012. The au-thors would like to thank the German Research Foundation (DFG) for financial support of this project as part of the Graduate School of Excel-lence advanced Manufacturing Engineering (GSaME) at the University of Stuttgart, Germany.
C. Gröger is with the Institute of Parallel and Distributed Systems (IPVS), University of Stuttgart, 70569 Stuttgart, Germany. He is a member of the Graduate School of Excellence advanced Manufacturing Engineer-ing (GSaME) at the University of Stuttgart (phone: [phone]; fax: [phone]; e-mail: [e-mail]).
F. Niedermann and B. Mitschang are with the Institute of Parallel and Distributed Systems (IPVS), University of Stuttgart, 70569 Stuttgart, Germany (e-mail: [e-mail], [e-mail]).
metrics visualization and basic reporting, typically part of Manufacturing Execution Systems (MES) [5]; on the other hand, custom BI applications that mainly focus on spread-sheet-based Online Analytical Processing (OLAP) [6]. The-se existing BI approaches are coined by the following major shortcomings, considerably limiting continuous process improvement:
 Being based on isolated data extracts, they do not adopt a holistic view integrating operational and process data, e. g., from MES and Enterprise Resource Planning (ERP) Systems.
 They focus on OLAP-like analysis and classical report-ing and do not employ advanced analytics techniques, esp. data mining, to extract knowledge from data.
 They only provide limited means for sharing and com-bination of analysis results, for example in different sub processes of Manufacturing Process Management.
 They offer no guidance for transforming analysis results into concrete process modifications – leaving this step entirely up to the subjective judgement and skills of the process analyst.
Eliminating these insufficiencies is the key motivation of the Advanced Manufacturing Analytics (AdMA) Platform, which is being developed as part of our overall work. In this article, we focus on indication-based and pattern-based op-timization as novel concepts for process-centric data mining in manufacturing provided by the AdMA Platform.
The remainder is organized as follows: First, we introduce the AdMA Platform and characterize existing data mining approaches in manufacturing in Section 2. Next, we present Indication-based and Pattern-based Manufacturing Optimi-zation in Section 3. Section 4 details the former and defines corresponding uses cases. In addition, adequate data mining techniques for a selected use case are discussed and the prototypical implementation as well as a first proof of con-cept is presented. We conclude in Section 5 and point out future work.

ผลลัพธ์ (ไทย) 1:

I. แนะนำ
จูง A.
โลกาภิวัตน์ วัฐจักรของผลิตภัณฑ์สั้นลง และเปลี่ยนแปลงอย่างรวดเร็วลูกค้าต้องรอคอยกดดันการแข่งขันสูงในอุตสาหกรรมการผลิต นอกจากคุณภาพสินค้าและผลิตภัณฑ์ต่าง ๆ ความยืดหยุ่น เวลารอคอยสินค้าที่สั้น และติดสูงวันส่งได้กลายเป็น ปัจจัยความสำเร็จสำคัญ [1] ดังนั้น มี ประสิทธิภาพ มีประสิทธิภาพและอย่างต่อเนื่อง opti mized กระบวนการผลิตมีข้อกำหนดเบื้องต้นที่ศูนย์กลางเพื่อดำเนินการประสบความสำเร็จในตลาด [2] .
มองในภาคอุตสาหกรรมอื่น ๆ ข่าวกรองธุรกิจ (BI) เรียบร้อยแล้วแนะนำให้ใช้สำหรับการเพิ่มประสิทธิภาพของกระบวนการธุรกิจตามลำดับ esp. ในบริการอุตสาหกรรม [3], [4] นี้เน้นศักยภาพของการใช้วิเคราะห์ครอบคลุมกิจกรรมทางธุรกิจขึ้น
ใกล้ BI ที่เกี่ยวข้องในการผลิต มีสองส่วนใหญ่เป็นชนิด วงกว้างในทางปฏิบัติของอุตสาหกรรม: คง ก่อนบรรจุงานแดชบอร์ดตาม
ฉบับรับ 14 มีนาคม 2012 แก้ไข 12 พฤษภาคม 2012 Au-thors อยากจะขอบคุณเยอรมันวิจัยมูลนิธิ (DFG) สำหรับการสนับสนุนทางการเงินของโครงการนี้เป็นส่วนหนึ่งของการสำเร็จการศึกษาโรงเรียนของ Excel-lence ขั้นสูงผลิตวิศวกรรม (GSaME) ที่มหาวิทยาลัยของสตุทการ์ท เยอรมนี
C. Gröger เป็นสถาบันขนานและกระจายระบบ (IPVS), มหาวิทยาลัยการ์ท 70569 สตุทการ์ท เยอรมนี เขาเป็นสมาชิกสำเร็จการศึกษาโรงเรียนของเชี่ยวชาญขั้นสูงผลิตวิศวกร-ไอเอ็นจี (GSaME) ที่มหาวิทยาลัยสตุตการ์ต (โทรศัพท์: 49 711 685 88242 โทรสาร: 49 711 685 88424 อีเมล์: [e-mail]) .
F. Niedermann และ B. Mitschang มีสถาบันขนานและกระจายระบบ (IPVS), มหาวิทยาลัยการ์ท 70569 สตุทการ์ท เยอรมนี (อีเมล์: ชาญ [e-mail], [e-mail]) .
วัดแสดงภาพประกอบเพลงและ basic รายงาน โดยทั่วไปเป็นส่วนหนึ่งของการผลิตการดำเนินการระบบ (MES) [5]; บนมืออื่น ๆ BI โปรแกรมประยุกต์ที่กำหนดเองที่ส่วนใหญ่เน้นในกระจายแผ่นใช้ออนไลน์วิเคราะห์ประมวลผล (OLAP) [6] วิธี BI ที่มีอยู่ se เป็นจังหวะ โดยแสดงหลักต่อไปนี้ จำกัดมากปรับปรุงกระบวนการอย่างต่อเนื่อง:
คล้ายกำลังตามข้อมูลแยกสารสกัด พวกเขาไม่นำมุมมองแบบองค์รวมบูรณาการการดำเนินงาน และประมวลผลข้อมูล e. กรัม MES และองค์กรทรัพยากรการวางแผน (ERP) ระบบการ
คล้ายจะเน้นการวิเคราะห์เช่น OLAP และคลาสสิกรายงาน-ing และจ้างขั้นสูงการวิเคราะห์เทคนิค ข้อมูล esp. การทำเหมือง การสกัดความรู้จากข้อมูล
คล้ายเท่านั้นให้หมายถึงจำกัดร่วมและ com-bination ของผลการวิเคราะห์ ตัวอย่างในกระบวนการย่อยแตกต่างกันของกระบวนการผลิตการจัดการ
คล้ายมีไม่แนะนำสำหรับการเปลี่ยนผลการวิเคราะห์การปรับเปลี่ยนกระบวนการคอนกรีต – ออกจากขั้นตอนนี้ทั้งหมดได้ตัดสินตามอัตวิสัยและทักษะของนักวิเคราะห์กระบวนการ
ตัด insufficiencies เหล่านี้เป็นแรงจูงใจที่สำคัญของแพลตฟอร์มการวิเคราะห์การผลิตขั้นสูง (AdMA) ซึ่งจะถูกพัฒนาเป็นส่วนหนึ่งของงานโดยรวม ในบทความนี้ เรามุ่งเน้น ตามรูปแบบ และตัวบ่งชี้ตาม op timization เป็นนวนิยายแนวคิดสำหรับการทำเหมืองข้อมูลเกี่ยวกับกระบวนการในการผลิตให้โดย AdMA แพลตฟอร์ม
ส่วนเหลือจัดเป็นดังนี้: ครั้งแรก เราแนะนำแพลตฟอร์ม AdMA และลักษณะวิธีทำเหมืองข้อมูลที่มีอยู่ในการผลิตในส่วนที่ 2 ถัดไป เรานำเสนอ ตามรูปแบบ และ ตามข้อบ่งชี้ผลิต Optimi-ความใน 3 ส่วน 4 ส่วนรายละเอียดเดิม และกำหนดกรณีใช้ที่สอดคล้องกัน นอกจากนี้ มีการกล่าวถึงเทคนิคการทำเหมืองข้อมูลที่เพียงพอสำหรับกรณีที่เลือกใช้ และนำเสนองาน prototypical เป็นหลักฐานแรกของคอน cept เราสรุปใน 5 ส่วน และชี้ให้เห็นการทำงานในอนาคต

ผลลัพธ์ (ไทย) 3:

ผมแนะนำ
. แรงจูงใจ
โลกาภิวัตน์ผลิตภัณฑ์สั้น lifecycles อย่างรวดเร็วและการเปลี่ยนแปลงความต้องการของลูกค้านำไปสู่แรงกดดันในการแข่งขันสูงในอุตสาหกรรมการผลิต นอกจากคุณภาพของผลิตภัณฑ์และความหลากหลายของผลิตภัณฑ์มีความยืดหยุ่น เวลานำสั้น ๆและสูงในวันที่ส่งมอบจะเป็นปัจจัยแห่งความสำเร็จ [ 1 ] ดังนั้น , ที่มีประสิทธิภาพที่มีประสิทธิภาพและต่อเนื่อง OPTI mized กระบวนการผลิตมีกลางมีการประสบความสำเร็จในตลาด [ 2 ] .
ดูภาค อุตสาหกรรม อื่น ๆ , ข่าวกรองธุรกิจ ( BI ) เป็นเทคโนโลยีที่ใช้สำหรับการเพิ่มประสิทธิภาพของเวิร์กโฟลว์สําเร็จตามกระบวนการทางธุรกิจ โดยเฉพาะในอุตสาหกรรมบริการ [ 3 ] [ 4 ]นี้เน้นศักยภาพของการใช้การวิเคราะห์ที่ครอบคลุมเพื่อเพิ่มกิจกรรมทางธุรกิจ แนวทางในการผลิต
เกี่ยวกับ บี มีหลักสองประเภทแผ่กว้างในการปฏิบัติอุตสาหกรรม : บนมือข้างหนึ่งก่อนบรรจุโปรแกรมแผงควบคุมขึ้นอยู่กับ
ต้นฉบับได้รับ 14 เมษายน , 2012 ; ฉบับวันที่ 12 เมษายน 2555AU ทอร์สขอขอบคุณมูลนิธิวิจัยเยอรมัน ( DFG ) สำหรับการสนับสนุนทางการเงินของโครงการนี้เป็นส่วนหนึ่งของโรงเรียนระดับบัณฑิตศึกษาของ Excel lence วิศวกรรมการผลิตขั้นสูง ( gsame ) ที่มหาวิทยาลัยสตุทการ์ท ประเทศเยอรมนี .
c GR ö Ger กับสถาบันแบบขนานและแบบกระจายระบบ ( ipvs ) มหาวิทยาลัยสตุทการ์ท 70569 , Stuttgart , เยอรมนีเขาเป็นสมาชิกของบัณฑิตวิทยาลัย เลิศวิศวกรการผลิตขั้นสูงไอเอ็นจี ( gsame ) ที่มหาวิทยาลัยสตุทการ์ท ( โทรศัพท์ : 49 711 685-88242 ; โทรสาร : 49 711 685-88424 ; e-mail : คริสทอฟ groeger @ ipvs . Uni Stuttgart . de )
. niedermann และ B mitschang กับสถาบันแบบขนานและแบบกระจาย ระบบ ( ipvs ) มหาวิทยาลัยสตุทการ์ท 70569 Stuttgart , Germany ( E-mail : ฟล [e-mail] เบิร์นหนัก mitschang @ ipvs . Uni Stuttgart . de ) .
สำหรับการแสดงและพื้นฐานการรายงานมักจะเป็นส่วนหนึ่งของระบบการดําเนินการผลิต ( MES ) [ 5 ] ; บนมืออื่น ๆที่กำหนดเอง บิ โปรแกรมที่ส่วนใหญ่มุ่งเน้นไปที่แผ่นกระจายการประมวลผลเชิงวิเคราะห์แบบออนไลน์ ( OLAP ) ตาม [ 6 ] ความเร็วที่มีอยู่สองวิธีจะใช้ข้อบกพร่องที่สำคัญต่อไปนี้มากจำกัดการปรับปรุงกระบวนการอย่างต่อเนื่อง :
ถูกยึดแยกสารสกัดจากข้อมูลที่พวกเขาไม่ได้รับการบูรณาการแบบองค์รวม ดูข้อมูล และขั้นตอนการปฏิบัติงาน เช่น จากเดือน และการวางแผนทรัพยากรองค์กร ( ERP ) ระบบ .
พวกเขามุ่งเน้นไปที่การวิเคราะห์ OLAP และรายงานไอเอ็นจีเช่นคลาสสิกและไม่ใช้เทคนิคการวิเคราะห์ขั้นสูง การทำเหมืองข้อมูล พลังจิต เพื่อสกัดความรู้จากข้อมูล .
พวกเขาเพียง แต่ให้ความหมายจำกัดสำหรับการแบ่งปัน com ชุดวัดการวิเคราะห์ ตัวอย่างในที่ต่าง ๆ ย่อย กระบวนการจัดการ กระบวนการผลิต .
พวกเขาให้มีแนวทางในการปรับเปลี่ยนกระบวนการเปลี่ยนการวิเคราะห์ผลคอนกรีต–ออกจากขั้นตอนนี้ขึ้นอยู่กับวิจารณญาณส่วนตัวและทักษะของกระบวนการ
นักวิเคราะห์ขจัด insufficiencies เหล่านี้เป็นแรงจูงใจที่สำคัญของการวิเคราะห์การผลิตขั้นสูง ( adma ) แพลตฟอร์มซึ่งจะถูกพัฒนาเป็นส่วนหนึ่งของการทำงานโดยรวมของเรา ในบทความนี้เราจะมุ่งเน้นไปที่รูปแบบพื้นฐานและบ่งชี้จาก OP timization เป็นแนวคิดใหม่สำหรับกระบวนการวิพากษ์การทำเหมืองข้อมูลในการผลิตโดย adma แพลตฟอร์ม .
ส่วนที่เหลือจะจัดเป็นดังนี้ : ครั้งแรกเราแนะนำ adma แพลตฟอร์มและลักษณะวิธีการทำเหมืองข้อมูลที่มีอยู่ในการผลิตในส่วนที่ 2 ต่อไป เราเสนอตามรูปแบบตามข้อบ่งชี้และรับรองเอกสาร optimi การผลิตในมาตรา 3 ส่วนที่ 4 รายละเอียดอดีตและนิยามที่ใช้กรณี นอกจากนี้เทคนิคเหมืองข้อมูลที่เพียงพอสำหรับเลือกใช้กรณีที่มีการกล่าวถึง และการใช้งานแบบ ตลอดจนหลักฐานแรกของคอน เว้นแต่จะแสดง เราสรุปในส่วนที่ 5 และชี้ให้เห็นถึงการทำงานในอนาคต