Der vermehrte Einsatz der Kombination aus BPMS- und CEP-Funktionen ermöglicht höhere Datenmengen und geringere Latenzzeiten bei der Verarbeitung. Monitoring von reinen Produktionsdaten kann durch bessere Vernetzung der bestehenden Systeme (z.B. ERP Systeme, Koppelung externer Systeme) und Analyse der Ereignisse bessere und zeitnahe Entscheidungen über Geschäftsprozesse ermöglichen. Die Integration der verschiedenen Aspekte der gestiegenen Komplexität der Geschäftsprozesse bietet innovative Möglichkeiten der besseren Verzahnung der verschiedenen Ebenen -- ausgehend vom Schichtenmodell der Automatisierungspyramide. Auf Grundlage von Big Data und des Internet der Dinge wird die Datenerhebung erst möglich sein. Die gezielte Auswertung und Aufbereitung sowie Kumulation der Daten zur Laufzeit wird durch den IBO-Ansatz ('intelligent business operations') geleistet.
%0 Book Section
%1 SchoeningDorchain14p543
%A Schöning, Harald
%A Dorchain, Marc
%B Industrie 4.0 in Produktion, Automatisierung und Logistik
%C Wiesbaden
%D 2014
%E Bauernhansl, Thomas
%E ten Hompel, Michael
%E Vogel-Heuser, Birgit
%I Springer Vieweg
%K 01624 springer paper embedded ai adaptive management factory data pattern recognition analysis process zzz.big zzz.i40
%P 543--554
%R 10.1007/978-3-658-04682-8_27
%T Data Mining und Analyse
%X Der vermehrte Einsatz der Kombination aus BPMS- und CEP-Funktionen ermöglicht höhere Datenmengen und geringere Latenzzeiten bei der Verarbeitung. Monitoring von reinen Produktionsdaten kann durch bessere Vernetzung der bestehenden Systeme (z.B. ERP Systeme, Koppelung externer Systeme) und Analyse der Ereignisse bessere und zeitnahe Entscheidungen über Geschäftsprozesse ermöglichen. Die Integration der verschiedenen Aspekte der gestiegenen Komplexität der Geschäftsprozesse bietet innovative Möglichkeiten der besseren Verzahnung der verschiedenen Ebenen -- ausgehend vom Schichtenmodell der Automatisierungspyramide. Auf Grundlage von Big Data und des Internet der Dinge wird die Datenerhebung erst möglich sein. Die gezielte Auswertung und Aufbereitung sowie Kumulation der Daten zur Laufzeit wird durch den IBO-Ansatz ('intelligent business operations') geleistet.
%@ 978-3-658-04681-1
@incollection{SchoeningDorchain14p543,
abstract = {Der vermehrte Einsatz der Kombination aus BPMS- und CEP-Funktionen ermöglicht höhere Datenmengen und geringere Latenzzeiten bei der Verarbeitung. Monitoring von reinen Produktionsdaten kann durch bessere Vernetzung der bestehenden Systeme (z.B. ERP Systeme, Koppelung externer Systeme) und Analyse der Ereignisse bessere und zeitnahe Entscheidungen über Geschäftsprozesse ermöglichen. Die Integration der verschiedenen Aspekte der gestiegenen Komplexität der Geschäftsprozesse bietet innovative Möglichkeiten der besseren Verzahnung der verschiedenen Ebenen -- ausgehend vom Schichtenmodell der Automatisierungspyramide. Auf Grundlage von Big Data und des Internet der Dinge wird die Datenerhebung erst möglich sein. Die gezielte Auswertung und Aufbereitung sowie Kumulation der Daten zur Laufzeit wird durch den IBO-Ansatz ('intelligent business operations') geleistet.},
added-at = {2017-02-28T16:43:34.000+0100},
address = {Wiesbaden},
author = {Sch\"{o}ning, Harald and Dorchain, Marc},
biburl = {https://www.bibsonomy.org/bibtex/22265b5f127e6d27931605539f5fb4276/flint63},
booktitle = {Industrie 4.0 in Produktion, Automatisierung und Logistik},
crossref = {BauernhanslHompelVogelHeuser2014},
doi = {10.1007/978-3-658-04682-8_27},
editor = {Bauernhansl, Thomas and ten Hompel, Michael and Vogel-Heuser, Birgit},
file = {SpringerLink:2014/SchoeningDorchain14p543.pdf:PDF},
groups = {public},
interhash = {82e68a1b5d9a56c5ed2c7b73ca1b4381},
intrahash = {2265b5f127e6d27931605539f5fb4276},
isbn = {978-3-658-04681-1},
keywords = {01624 springer paper embedded ai adaptive management factory data pattern recognition analysis process zzz.big zzz.i40},
pages = {543--554},
publisher = {Springer Vieweg},
timestamp = {2017-07-13T17:15:04.000+0200},
title = {{Data Mining und Analyse}},
username = {flint63},
year = 2014
}