neuronale Netze

In diesem Beitrag werden verschiedene Prognoseverfahren und -modelle zur Vorhersage von kritischen Situationen in den Supply Chains von Unternehmen in der Automobil- und Elektronikindustrie untersucht, wobei der Schwerpunkt auf deutschen Unternehmen liegt. Anhand eines Vergleichs der Leistungsfähigkeit branchenüblicher Modelle soll eine Empfehlung eines Best-Practice-Modells für die Branche ermittelt werden. Um die Anwenderbarkeit der Modelle und der einhergehenden Erkenntnis aufzuzeigen, werden reale Geschäftsszenarien diskutiert, die die Rolle des Risikomanagements in den Abteilungen Einkauf/Beschaffung oder Supply Chain Management umfassen. Im Vergleich wurde ermittelt, dass das effektivste Modell für die Vorhersage von Krisen in der Automobilindustrie das Vector-Auto-Regressionsverfahren/VAR-Modell ist, während das Early-Warning-System/EWS-Modell am besten für die Elektronikindustrie geeignet ist. Darüber hinaus wurden die wichtigsten Risikofaktoren ermittelt, die ...

In vielen Einsatzbereichen müssen Menschen auf die Sicherheit von Drahtseilen vertrauen, weshalb mögliche Schäden zuverlässig und rechtzeitig erkannt werden müssen. Die hierfür notwendigen Überprüfungen werden von Sachverständigen durchgeführt, was das Risiko nicht erkannter Schäden beinhaltet. Damit diese keine Unfälle verschulden, werden Drahtseile oft verfrüht getauscht, was vermeidbare Kosten erzeugt. Das in diesem Beitrag vorgestellte Projekt MOBISTAR soll Fehler im Prozess der Instandhaltung und Überprüfung weiter reduzieren. Das System nutzt zwei unterschiedliche Messarten, die mit einer selbstlernenden Convolutional Neural Networks (CNN) Auswertungssoftware gekoppelt sind, um so zuverlässiger und genauer die Ablegereife von Seilen beurteilen zu können.