Maschinelles Lernen zur Prognose von Auftragskennzahlen

Prognosen bilden oft die Grundlage für Entscheidungen in der Produktion. Heute werden solche Voraussagen meist erfahrungs- oder modellbasiert getroffen. Bei komplexen Systemen stößt das an die Grenzen der Zuverlässigkeit oder ist mit hohem zeitlichen Aufwand verbunden. Klassierungsmethoden des Maschinellen Lernens versprechen dafür Lösungen. Automatisch erstellte Entscheidungsbäume können eine Möglichkeit sein, echtzeitnah Prognosen für Kennzahlen in der Produktion zu erstellen.

Forecasts often form the basis for decisions on the shop floor. Today, forecasts in production are mostly derived from personal experience or digital models. With complex systems, this approach reaches the limits of reliability or is associated with a high expenditure of time. Classification methods of machine learning promise solutions for this. Automatically generated decision trees can be a possibility to generate real-time forecasts for key figures in production.