Zusammenfassung
Es wird erwartet, dass datengetriebene Methoden künstlicher Intelligenz im Kontext Industrie 4.0 die Zukunft industrieller Fertigung prägen werden. Obwohl das Thema in der Forschung sehr präsent ist, bleibt der Umfang der tatsächlichen Nutzung dieser Methoden unklar. Dieser Beitrag analysiert daher von 2013 bis 2018 veröffentlichte wissenschaftliche Artikel, um statistische Daten über den Einsatz von Methoden künstlicher Intelligenz in der Industrie zu gewinnen. Besonderes Augenmerk wird dabei auf die Trainings- und Evaluations-Datentypen, die Verbreitung in verschiedenen Industriezweigen, die betrachteten Anwendungsfälle sowie die geografische Herkunft dieser Artikel gelegt. Die resultierenden Erkenntnisse werden in praxisnahe Hinweise für Entscheider destilliert.
Similar content being viewed by others
Literatur
Alcala-Fdez J, Alonso JM (2016) A survey of fuzzy systems software: taxonomy, current research trends, and prospects. IEEE Trans Fuzzy Syst 24(1):40–56
Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e. V (Bitkom e.V.). (2018) Digitalisierung gestalten mit dem Periodensystem der Künstlichen Intelligenz – Ein Navigationssystem für Entscheider. Bitkom e.V., Berlin
Diez-Olivan A, Del Ser J, Galar D, Sierra B (2019) Data fusion and machine learning for industrial prognosis: Trends and perspectives towards Industry 4.0. Inf Fusion 50:92–111
Flasiński M (2016) Introduction to artificial intelligence, 1. Aufl. Springer, Wiesbaden
Fukunaga K (2013) Introduction to statistical pattern recognition. Elsevier, Amsterdam
Glover FW, Kochenberger GA (Hrsg) (2006) Handbook of metaheuristics, 57. Aufl. Springer, Wiesbaden
Hesenius M, Schwenzfeier N, Meyer O, Koop W, Gruhn V (2019) Towards a software engineering process for developing data-driven applications. In: Proceedings of the 7th international workshop on realizing artificial intelligence synergies in software engineering. IEEE Press, Piscataway, New Jersey, S 35–41
Jeschke S, Brecher C, Meisen T, Özdemir D, Eschert T (2017) Industrial internet of things and cyber manufacturing systems. In: Jeschke S, Brecher C, Song H, Rawat DB (Hrsg) Industrial Internet of Things. Springer, Berlin/Heidelberg, S 9–13
Jordan MI, Mitchell TM (2015) Machine learning: Trends, perspectives, and prospects. Science 349(6245):255–260
Kagermann H, Wahlster W, Helbig J (2013) Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0. Abschlussbericht des Arbeitskreises Industrie 4.0
Kitchenham B (2004) Procedures for performing systematic reviews. Technical Report der Keele University, Keele
Mankins JC (2009) Technology readiness assessments: A retrospective. Acta Astronautica 65(9–10):1216–1223
Muhuri PK, Shukla AK, Abraham A (2019) Industry 4.0: A bibliometric analysis and detailed overview. Eng Appl Artif Intell 78:218–235
Niggemann O, Biswas G, Kinnebrew JS, Khorasgani H, Voglmann S, Bunte A (2017) Datenanalyse in der intelligenten Fabrik. In: Vogel-Heuser B, Bauernhansl T, ten Hompel M (Hrsg) Handbuch Industrie 4.0, Bd 2. Springer Vieweg, Berlin/Heidelberg, S 471–490
Runkler TA (2015) Data Mining-Methoden und Algorithmen intelligenter Datenanalyse, 2. Aufl. Vieweg+Teubner, Wiesbaden
Salcedo-Sanz S, Rojo-Álvarez JL, Martínez-Ramón M, Camps-Valls G (2014) Support vector machines in engineering: an overview. WIREs Data Mining Knowl Discov 4(3):234–267
Schmidhuber J (2015) Deep learning in neural networks: an overview. Neural Netw 61:85–117
Sharp M, Ak R, Hedberg T (2018) A survey of the advancing use and development of machine learning in smart manufacturing. J Manuf Sys 48:170–179
Vogel-Heuser B (2011) Erhöhte Verfügbarkeit und transparente Produktion. In: Tagungsband Automation Symposium. Kassel University Press, Kassel
Vogel-Heuser B (2017) Herausforderungen und Anforderungen aus Sicht der IT und der Automatisierungstechnik. In: Vogel-Heuser B, Bauernhansl T, ten Hompel M (Hrsg) Handbuch Industrie 4.0, Bd 4. Springer Vieweg, Berlin/Heidelberg, S 33–44
Wang J, Ma Y, Zhang L, Gao RX, Wu D (2018) Deep learning for smart manufacturing: Methods and applications. J Manuf Sys 48:144–156
Author information
Authors and Affiliations
Corresponding authors
Editor information
Editors and Affiliations
Section Editor information
Rights and permissions
Copyright information
© 2020 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this entry
Cite this entry
Maschler, B., White, D., Weyrich, M. (2020). Anwendungsfälle und Methoden der künstlichen Intelligenz in der anwendungsorientierten Forschung im Kontext von Industrie 4.0. In: ten Hompel, M., Vogel-Heuser, B., Bauernhansl, T. (eds) Handbuch Industrie 4.0. Springer Reference Technik (). Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-45537-1_123-1
Download citation
DOI: https://doi.org/10.1007/978-3-662-45537-1_123-1
Received:
Accepted:
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-45537-1
Online ISBN: 978-3-662-45537-1
eBook Packages: Springer Referenz Technik und Informatik