II. DATA MINING IN MANUFACTURINGDue

II. DATA MINING IN MANUFACTURING
Due to the large amounts of data generated and collected
during manufacturing execution, manufacturing is a promising
area of application for data mining to extract knowledge
for optimization purposes [11]. Yet, data mining approaches
in manufacturing practice are rare compared to various successful
data mining applications in the service industry, e.g.
in banking, telecommunications or retailing. Thus, we conducted
a meta-analysis of research literature for data mining
in manufacturing [12], [11], [13], [14]. Existing data mining
approaches in manufacturing mainly address the following
fields of application:
 Quality analysis of products to correlate output quality
and system parameters, esp. machine settings, in order
to identify causes for deteriorating product quality, e. g.,
in [15], [16].
 Failure analysis of production resources, esp. machines,
to analyse causes of errors and prevent break downs in
the future, e. g., in [17], [18].
 Maintenance analysis to enhance the availability of production
resources, e. g., by optimized maintenance
planning, e. g., in [19], [20].
 Production planning and scheduling analysis to improve
planning quality, e. g., by a higher capacity utilisation of
production resources, e. g., in [21], [22].
A multiplicity of existing approaches focuses on quality
analysis and failure analysis with the semiconductor industry
as one important field for implementations due to its high
degree of automation and the multiplicity of parameters
affecting product quality [12]. In general, existing approaches
are typically based on manually integrated and isolated
process data extracts to analyse certain partial aspects of
manufacturing processes in individual industry-specific
cases, e. g., selected machines or particular quality measures,
missing a holistic view on the process.
Our literature survey hence clearly shows a significant
need for research on universal data integration and data
storage concepts for data mining in manufacturing to generate
versatile pre-configured and truly process-centric data
mining applications that can be adapted to heterogeneous
manufacturing environments and different branches. An
initial approach to standardized data mining in manufacturing
is the Fraunhofer ProDaMi-Suite [23] mainly focusing
on quality analysis and failure analysis aspects.

ผลลัพธ์ (ไทย) 1:

II. ข้อมูลการทำเหมืองในผลิต
เนื่องจากสร้าง และรวบรวมข้อมูลจำนวนมาก
ในระหว่างการดำเนินการผลิต ผลิตจะมีแนวโน้ม
ของแอพลิเคชันสำหรับการทำเหมืองข้อมูลเพื่อขยายความรู้
เพื่อประสิทธิภาพสูงสุด [11] ยัง วิธีการทำเหมืองข้อมูล
ในการผลิตมีน้อยเมื่อเทียบกับต่าง ๆ ประสบความสำเร็จ
โปรแกรมประยุกต์การทำเหมืองข้อมูลในอุตสาหกรรมบริการ e.g.
ธนาคาร โทรคมนาคม หรือค้าปลีก ดังนั้น เราดำเนิน
meta-analysis ของวรรณกรรมวิจัยสำหรับการทำเหมืองข้อมูล
ในผลิต [12], [11], [13], [14] การทำเหมืองข้อมูลที่มีอยู่
ที่ใช้ในการผลิตส่วนใหญ่ต่อไปนี้
เขตข้อมูลของโปรแกรมประยุกต์:
คล้ายการวิเคราะห์คุณภาพของผลิตภัณฑ์ซึ่งคุณภาพผลผลิต
และพารามิเตอร์ระบบ เครื่อง ตั้งค่าในใบสั่ง esp.
ระบุสาเหตุการเสื่อมสภาพผลิตภัณฑ์คุณภาพ e. กรัม,
ใน [15], [16] .
คล้ายการวิเคราะห์ความล้มเหลวของทรัพยากรการผลิต เครื่อง esp.,
เพื่อวิเคราะห์สาเหตุของข้อผิดพลาด และป้องกันการทำลายลงของใน
อนาคต e. กรัม ใน [17], [18] .
คล้ายบำรุงรักษาวิเคราะห์เพื่อเสริมสร้างความพร้อมของการผลิต
ทรัพยากร e. กรัม โดยบำรุงรักษาให้เหมาะ
วางแผน e. กรัม [19], [20] .
คล้ายผลิตวางแผน และการวางแผนวิเคราะห์ปรับปรุง
คุณภาพ e. กรัม การวางแผน โดยการจัดสรรกำลังการผลิตสูงของ
งาน e. กรัม ใน [21], [22] .
มากมายหลายหลากของวิธีการที่มีอยู่เน้นคุณภาพ
การวิเคราะห์และการวิเคราะห์ความล้มเหลวกับอุตสาหกรรมสารกึ่งตัวนำ
เป็นหนึ่งสำคัญสำหรับการใช้งานเนื่องจากความสูง
อัตโนมัติและมากมายหลายหลากของพารามิเตอร์
ส่งผลกระทบต่อคุณภาพของผลิตภัณฑ์ [12] มีอยู่ทั่วไป วิธี
โดยทั่วไปขึ้นอยู่กับตนเองรวม และแยกต่างหาก
กระบวนการแยกข้อมูลเพื่อวิเคราะห์ลักษณะบางส่วนของ
ผลิตกระบวนการในแต่ละอุตสาหกรรมเฉพาะ
กรณี e. กรัม เลือกเครื่อง หรือคุณภาพเฉพาะ มาตรการ,
ขาดมุมมองแบบองค์รวมในกระบวนการ
เราสำรวจวรรณกรรมจึงชัดเจนแสดงความสำคัญ
ต้องวิจัยสากลข้อมูลรวมและข้อมูล
เก็บแนวคิดสำหรับการทำเหมืองข้อมูลในการผลิตเพื่อสร้าง
หลากหลายกำหนดไว้ล่วงหน้า และได้กระบวนการเกี่ยวกับข้อมูล
โปรแกรมประยุกต์การทำเหมืองแร่ที่สามารถดัดแปลงให้แตกต่างกัน
ผลิตสภาพแวดล้อมและสาขาต่าง ๆ การ
เริ่มต้นวิธีการทำเหมืองข้อมูลเป็นมาตรฐานในการผลิต
เป็นแบบฟรอนโฮเฟอร์ ProDaMi ท [23] ส่วนใหญ่เน้น
ในคุณภาพการวิเคราะห์และความล้มเหลวด้านการวิเคราะห์การ

ผลลัพธ์ (ไทย) 2:

ครั้งที่สอง การทำเหมืองข้อมูลในอุตสาหกรรมการผลิต
เนื่องจากการจำนวนมากของข้อมูลที่สร้างและเก็บรวบรวม
ในระหว่างการดำเนินการผลิต, การผลิตที่มีแนวโน้มเป็น
พื้นที่ของการประยุกต์ใช้สำหรับการทำเหมืองข้อมูลเพื่อดึงความรู้
เพื่อเพิ่มประสิทธิภาพ [11] แต่วิธีการทำเหมืองข้อมูล
ในการผลิตที่เป็นของหายากเมื่อเทียบกับที่ประสบความสำเร็จต่างๆ
การใช้งานการทำเหมืองข้อมูลในอุตสาหกรรมการบริการเช่น
ธนาคาร, การสื่อสารโทรคมนาคมหรือการค้าปลีก ดังนั้นเราจึงดำเนินการ
วิเคราะห์วรรณกรรมการวิจัยเพื่อการทำเหมืองข้อมูล
ในการผลิต [12], [11], [13], [14] การทำเหมืองข้อมูลที่มีอยู่
วิธีการในการผลิตส่วนใหญ่อยู่ต่อไปนี้
สาขาของโปรแกรม:
การวิเคราะห์คุณภาพของผลิตภัณฑ์ให้มีความสัมพันธ์ที่มีคุณภาพส่งออก
พารามิเตอร์และระบบอีเอสพี การตั้งค่าของเครื่องเพื่อ
ที่จะระบุสาเหตุของการเสื่อมคุณภาพของผลิตภัณฑ์เช่น
ใน [15], [16]
การวิเคราะห์ความล้มเหลวของทรัพยากรการผลิตทาย เครื่องจักร
ในการวิเคราะห์สาเหตุของความผิดพลาดและป้องกันไม่ให้ดาวน์แบ่งใน
อนาคตเช่นใน [17], [18]
การวิเคราะห์การบำรุงรักษาเพื่อเพิ่มความพร้อมของการผลิต
ทรัพยากรเช่นการบำรุงรักษาที่ดีที่สุดโดย
การวางแผนเช่นใน [19] , [20]
วางแผนการผลิตและการวิเคราะห์การกำหนดเวลาในการปรับปรุง
คุณภาพการวางแผนเช่นโดยการใช้กำลังการผลิตที่สูงขึ้นของ
ทรัพยากรการผลิตเช่นใน [21] [22]
หลายหลากของวิธีการที่มีอยู่มุ่งเน้นไปที่คุณภาพของ
การวิเคราะห์และการวิเคราะห์ความล้มเหลว กับอุตสาหกรรมเซมิคอนดักเตอร์
เป็นเขตข้อมูลที่สำคัญสำหรับการใช้งานเนื่องจากความสูงของ
ระดับของระบบอัตโนมัติและหลายหลากของพารามิเตอร์ที่
มีผลกระทบต่อคุณภาพของผลิตภัณฑ์ [12] โดยทั่วไปวิธีการที่มีอยู่
มักจะขึ้นอยู่กับแบบบูรณาการด้วยตนเองและแยก
สารสกัดจากการประมวลผลข้อมูลในการวิเคราะห์แง่มุมบางส่วนหนึ่งของ
กระบวนการผลิตในอุตสาหกรรมที่เฉพาะเจาะจงของแต่ละ
กรณีเช่นเครื่องที่เลือกหรือมาตรการที่มีคุณภาพโดยเฉพาะอย่างยิ่ง
ที่หายไปมุมมองที่องค์รวมเกี่ยวกับกระบวนการ
วรรณกรรมของเรา การสำรวจแสดงให้เห็นอย่างชัดเจนจึงมีความสำคัญ
ที่จำเป็นสำหรับการวิจัยเกี่ยวกับการรวมข้อมูลสากลและข้อมูล
แนวคิดจัดเก็บข้อมูลสำหรับการทำเหมืองข้อมูลในการผลิตเพื่อสร้างความ
หลากหลายก่อนการกำหนดค่าอย่างแท้จริงและการเป็นศูนย์กลางข้อมูล
การใช้งานการทำเหมืองแร่ที่สามารถนำไปปรับใช้แตกต่างกัน
สภาพแวดล้อมการผลิตและสาขาที่แตกต่างกัน
วิธีการเริ่มต้นการทำเหมืองข้อมูลที่เป็นมาตรฐานในการผลิต
เป็น Fraunhofer ProDaMi-Suite [23] ส่วนใหญ่เน้น
ไปที่การวิเคราะห์คุณภาพและการวิเคราะห์ความล้มเหลวด้าน

ผลลัพธ์ (ไทย) 3:

2 . การทำเหมืองข้อมูลในการผลิต
เนื่องจากข้อมูลจำนวนมากที่สร้างขึ้นและเก็บรวบรวม
ในการดําเนินการผลิต การผลิต คือ พื้นที่ที่มีแนวโน้ม
ใบสมัครการทำเหมืองข้อมูลเพื่อสกัดความรู้
เพิ่มประสิทธิภาพวัตถุประสงค์ [ 11 ] ยัง , การทำเหมืองข้อมูลวิธีการ
ในการปฏิบัติการผลิตมีน้อยมากเมื่อเทียบกับต่าง ๆที่ประสบความสําเร็จข้อมูลการใช้งานในอุตสาหกรรมเหมืองแร่

บริการ เช่นในธนาคาร โทรคมนาคม และค้าปลีก ดังนั้นเราจึงได้จัดทำการวิเคราะห์อภิมานงานวิจัยสำหรับ

การทำเหมืองข้อมูลในการผลิต [ 12 ] [ 11 ] [ 13 ] [ 14 ] ข้อมูลที่มีอยู่เหมืองแร่
แนวทางในการผลิตส่วนใหญ่ที่อยู่ตามเขตสมัคร :

การวิเคราะห์คุณภาพของผลิตภัณฑ์สัมพันธ์
คุณภาพผลผลิตและพารามิเตอร์ของระบบการตั้งค่าเครื่อง โดยเฉพาะ เพื่อ
ระบุสาเหตุการเสื่อมคุณภาพของผลิตภัณฑ์ , E . G
[ 15 ] [ 16 ] .
การวิเคราะห์ความเสียหายของทรัพยากรการผลิต เครื่องจักร โดยเฉพาะ
, วิเคราะห์สาเหตุของความผิดพลาด และป้องกันการทำลายลงใน
ในอนาคต เช่น ใน [ 17 ] , [ 18 ] .
บำรุงรักษา วิเคราะห์ เพิ่มความพร้อมของการผลิต
ทรัพยากร เช่น โดยเพิ่มประสิทธิภาพการบำรุงรักษา
การวางแผน เช่น ใน [ 19 ] , [ 20 ] .
การผลิตการวางแผนการวิเคราะห์เพื่อปรับปรุง
คุณภาพ การวางแผน เช่น โดยมีความจุสูงใช้
ทรัพยากรการผลิต เช่น ใน [ 21 ] , [ 22 ] .
หลายหลากแนวทางที่มีอยู่เน้นคุณภาพ
การวิเคราะห์ความล้มเหลวกับอุตสาหกรรมสารกึ่งตัวนำ
เป็นเขตข้อมูลหนึ่งสำคัญสำหรับการใช้งานเนื่องจาก ของระดับของระบบอัตโนมัติและมากมาย

ของพารามิเตอร์มีผลกระทบต่อคุณภาพผลิตภัณฑ์ [ 12 ] โดยทั่วไปมีอยู่แนวทาง
มักจะตามด้วยตนเองแบบบูรณาการและกระบวนการแยกสารวิเคราะห์ข้อมูล

บางแง่มุมบางส่วนของกระบวนการผลิตในแต่ละอุตสาหกรรม
กรณี เช่น เครื่องจักรที่เลือกหรือมาตรการที่มีคุณภาพโดยเฉพาะ
หายไปทัศนะแบบองค์รวมในกระบวนการ .
การสำรวจวรรณกรรมของเราจึงแสดงให้เห็นชัดเจนว่า
ต้องการวิจัยบูรณาการข้อมูลทั่วไปและข้อมูล
แนวคิดกระเป๋าสำหรับการทำเหมืองข้อมูลในการผลิตเพื่อสร้างหลากหลายก่อนการกำหนดค่าและกระบวนการอย่างแท้จริง

ศูนย์กลางข้อมูลเหมืองแร่ โปรแกรมที่สามารถปรับให้เข้ากับสภาพแวดล้อมการผลิตที่แตกต่างกัน
และสาขาต่าง ๆ เป็นวิธีการเริ่มต้นการทําเหมืองข้อมูล

ได้มาตรฐานในการผลิตคือ Fraunhofer prodami แต่งงาน [ 23 ] ส่วนใหญ่เน้นในด้านคุณภาพและความล้มเหลว
การวิเคราะห์การวิเคราะห์