Eine bibliometrische Analyse: Produktionsplanung und -steuerung und maschinelles Lernen

Publikation: Beiträge in ZeitschriftenZeitschriftenaufsätzeForschung

Standard

Eine bibliometrische Analyse: Produktionsplanung und -steuerung und maschinelles Lernen. / Schmidt, Matthias; Maier, Janine Tatjana; Grothkopp, Mark.
in: wt Werkstattstechnik online, Jahrgang 110, Nr. 4, 14.05.2020, S. 220-225.

Publikation: Beiträge in ZeitschriftenZeitschriftenaufsätzeForschung

Harvard

APA

Vancouver

Bibtex

@article{a19010520416433b80116da52edec9ab,
title = "Eine bibliometrische Analyse: Produktionsplanung und -steuerung und maschinelles Lernen",
abstract = "Produzierende Unternehmen stehen in einem dynamischen Umfeld vor der Herausforderung eine zunehmende Daten­menge effizienter zu verarbeiten. In diesem Zusammenhang werden h{\"a}ufig Ans{\"a}tze des maschinellen Lernens (ML) diskutiert. Der Beitrag stellt eine umfassende Aufarbeitung des Stands der Forschung bezogen auf den Einsatz von ML-­Ans{\"a}tzen in der Produktionsplanung und -steuerung (PPS) bereit. Daraus l{\"a}sst sich der Forschungsbedarf in den einzelnen Aufgaben­gebieten der PPS ableiten.",
keywords = "Ingenieurwissenschaften",
author = "Matthias Schmidt and Maier, {Janine Tatjana} and Mark Grothkopp",
year = "2020",
month = may,
day = "14",
language = "Deutsch",
volume = "110",
pages = "220--225",
journal = "wt Werkstattstechnik online",
issn = "1436-5006",
publisher = "VDI Verlag GmbH & Co. KG",
number = "4",

}

RIS

TY - JOUR

T1 - Eine bibliometrische Analyse

T2 - Produktionsplanung und -steuerung und maschinelles Lernen

AU - Schmidt, Matthias

AU - Maier, Janine Tatjana

AU - Grothkopp, Mark

PY - 2020/5/14

Y1 - 2020/5/14

N2 - Produzierende Unternehmen stehen in einem dynamischen Umfeld vor der Herausforderung eine zunehmende Daten­menge effizienter zu verarbeiten. In diesem Zusammenhang werden häufig Ansätze des maschinellen Lernens (ML) diskutiert. Der Beitrag stellt eine umfassende Aufarbeitung des Stands der Forschung bezogen auf den Einsatz von ML-­Ansätzen in der Produktionsplanung und -steuerung (PPS) bereit. Daraus lässt sich der Forschungsbedarf in den einzelnen Aufgaben­gebieten der PPS ableiten.

AB - Produzierende Unternehmen stehen in einem dynamischen Umfeld vor der Herausforderung eine zunehmende Daten­menge effizienter zu verarbeiten. In diesem Zusammenhang werden häufig Ansätze des maschinellen Lernens (ML) diskutiert. Der Beitrag stellt eine umfassende Aufarbeitung des Stands der Forschung bezogen auf den Einsatz von ML-­Ansätzen in der Produktionsplanung und -steuerung (PPS) bereit. Daraus lässt sich der Forschungsbedarf in den einzelnen Aufgaben­gebieten der PPS ableiten.

KW - Ingenieurwissenschaften

UR - http://www.scopus.com/inward/record.url?scp=85088298347&partnerID=8YFLogxK

M3 - Zeitschriftenaufsätze

VL - 110

SP - 220

EP - 225

JO - wt Werkstattstechnik online

JF - wt Werkstattstechnik online

SN - 1436-5006

IS - 4

ER -