Datengrundlage für das APS-System

Selbsteinschätzung oft zu kritisch

Fehler erkennen

Aber auch gepflegte Daten können fehlerhaft sein, wenn zum Beispiel ein Lieferant unwissentlich einen falschen Liefertermin angibt. Daher macht es Sinn, die eigenen Daten stetig zu prüfen. Als Teil von APS-Systemen können Machine Learning-Algorithmen Datenbestände auf Muster und Zusammenhänge prüfen und daraus Schlüsse ableiten. Beispielsweise sagen sie auf Basis vergangener Bestelldaten Lieferzeiten für Kaufteile vorher – dann allerdings nicht als festen Wert, sondern als dynamische Funktion, abhängig von den aktuellen Rahmenbedingungen. Dies ermöglicht eine genauere Terminermittlung und eine zuverlässigere Planung. n bei der Inform GmbH.

www.inform-software.de

Seiten: 1 2 3


  • Strömungsmesser mit IO-Link

    EGE-Elektronik präsentiert ein neues Strömungsmesssystem mit abgesetzter Auswerteelektronik und IO-Link-Schnittstelle.


  • Deutsche Hersteller bereiten Smart Manufacturing vor

    Für dauerhafte Wettbewerbsfähigkeit müssen deutsche Hersteller angesichts weiterhin drohender Rezession und hoher Energiekosten die nächste Stufe der Digitalisierung erreichen. Die Mehrheit der…


  • NEONEX, Fabasoft Approve & KSB: „Win-win-win-Situation“ durch starke Partnerschaft

    Im Zuge einer Smart-Factory-Potenzialanalyse für ihren Kunden KSB identifizierte die Managementberatung NEONEX Opti mierungschancen bei der Beschaffung der Lieferantendokumentation sowie der Erstellung…


  • Die Maschine, die mich versteht

    Wer in der Industrie eine Maschine bedient, muss sich oft durch eine Vielzahl an Menüs und Bedienfeldern kämpfen. Die Folgen sind Zeitverlust…