Eine bibliometrische Analyse: Produktionsplanung und -steuerung und maschinelles Lernen

Matthias Schmidt; Janine Tatjana Maier; Mark Grothkopp

Eine bibliometrische Analyse: Produktionsplanung und -steuerung und maschinelles Lernen

Translated title of the contribution: Ppc and machine learning a bibliometric analysis

Matthias Schmidt
, Janine Tatjana Maier
, Mark Grothkopp

University of St. Gallen

Research output: Journal contributions › Journal articles › Research

8 Citations (Scopus)

Abstract

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.

Translated title of the contribution	Ppc and machine learning a bibliometric analysis
Original language	German
Journal	wt Werkstattstechnik online
Volume	110
Issue number	4
Pages (from-to)	220-225
Number of pages	6
ISSN	1436-5006
Publication status	Published - 14.05.2020

Research areas and keywords

Engineering

ASJC Scopus Subject Areas

Automotive Engineering
Control and Systems Engineering

Cite this

@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 Fachmedien",

number = "4",

}

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 - https://www.scopus.com/pages/publications/85088298347

M3 - Zeitschriftenaufsätze

SN - 1436-5006

VL - 110

SP - 220

EP - 225

JO - wt Werkstattstechnik online

JF - wt Werkstattstechnik online

IS - 4

ER -