Zur Kurzanzeige

dc.contributor.authorWieland, Uwe
dc.contributor.authorFischer, Marco
dc.contributor.authorHilbert, Andreas
dc.date2013-10-01
dc.date.accessioned2018-01-16T12:16:43Z
dc.date.available2018-01-16T12:16:43Z
dc.date.issued2013
dc.identifier.issn2198-2775
dc.identifier.urihttp://dl.gi.de/handle/20.500.12116/14135
dc.description.abstractErklärungsmodelle dienen der Abbildung existierender Systeme, um Wissen über ein System zu erhalten. Six Sigma und Data Mining sind jeweils etablierte Ansätze zur Identifikation von Erklärungsmodellen in Form von Ursache-WirkungsBeziehungen. Während sich Six Sigma bei der Analyse auf menschliches Erfahrungswissen stützt, bieten Verfahren des Data Mining die Möglichkeit, nicht triviale Zusammenhänge zwischen Einfluss- und Prozessergebnisgrößen aus maschinengenerierten Prozessdaten zu ermitteln. Eine Integration beider Ansätze besitzt das Potenzial, Erklärungsmodelle zur Beherrschung und Verbesserung komplexer Prozesse in soziotechnischen Systemen zu schaffen.
dc.publisherSpringer
dc.relation.ispartofHMD Praxis der Wirtschaftsinformatik: Vol. 50, No. 6
dc.relation.ispartofseriesHMD Praxis der Wirtschaftsinformatik
dc.titleMenschliches Expertenwissen und Prozessdaten im Verbund
dc.typeText/Journal Article
mci.reference.pages66-75
gi.identifier.doi10.1007/BF03342070


Dateien zu dieser Ressource

DateienGrößeFormatAnzeige

Zu diesem Dokument gibt es keine Dateien.

Zur Kurzanzeige