03/04/2019
In Zusammenarbeit mit dem ehemaligen Studenten Raphael Bink und dem Kollegen Janis Neufeld der Professur für Industrielles Management konnte das Lehrstuhl-Team erfolgreich einen Artikel im BISE-Journal (Business & Information Systems Engineering) platzieren.
Der Artikel adressiert die Problematik von fehlenden Label-Informationen bei der Entwicklung von Prognosemodellen im Bereich der prädiktiven Instandhaltung. Ausgehend von einer realen Fallstudie eines Automobilherstellers wurde mithilfe verschiedener Data-Science-Methoden ein Lösungsansatz entwickelt, mit dem es möglich ist, bisher subjektiv getroffene Entscheidungen der Maschinenbediener durch datengetriebene Entscheidungsgrundlagen zu ersetzen, um so die Werkzeugstandzeit einer Fräßmaschine zu erhöhen.
Aktuell steht der Beitrag als "Online First"-Version zur Verfügung (https://rdcu.be/butaB) und erscheint im Juni als Print-Version im Rahmen des Special Issue "Data Analytics and Optimization for Decision Support".
Zschech P., Heinrich K., Bink R., Neufeld S.J. (2019) Prognostic Model Development with Missing Labels - A Condition-Based Maintenance Approach Using Machine Learning. Business & Information Systems Engineering 61(3). https://doi.org/10.1007/s12599-019-00596-1