TY - BOOK A1 - Purr, Stephan T1 - Datenerfassung für die Anwendung lernender Algorithmen bei der Herstellung von Blechformteilen N2 - Der industrielle Fertigungsprozess von Blechformteilen unterliegt dem Einfluss einer Vielzahl von Parameterschwankungen, die das Umformergebnis signifikant mitbestimmen. Daher treten Qualitätsprobleme scheinbar zufällig auf und verursachen Ausschuss und einen Verlust an Produktivität. Ein vielversprechendes Mittel zur Verbesserung derartiger Prozesse ist der Einsatz von Datenanalysen und lernenden Algorithmen, die jedoch eine große Datenmenge voraussetzten. Bisher fehlten die Datenbasis und geeignete Möglichkeiten zur Datenerfassung für den Einsatz dieser Methoden. In dieser Arbeit wurde eine allgemeingültige und übertragbare Methode zur Erfassung und Speicherung relevanter Einfluss- und Ergebnisgrößen des Herstellprozesses von Blechformteilen entwickelt. Die Methode und die resultierenden Daten sind die Grundlage für die Analyse von Zusammenhängen im Prozess, die Vorhersage der Qualität durch maschinelles Lernen und die Berechnung geeigneter Maschineneinstellungen. Diese Anwendungen wurden in der Arbeit erprobt und die Ergebnisse bewertet. Dadurch konnten die Funktionalität der Datenerfassung und die erwarteten Potentiale bestätigt werden. N2 - The process of industrially producing shaped sheet metal parts is influenced by a large number of fluctuating factors. Therefore, quality problems appear to occur randomly and cause defective parts and a loss of productivity. A suitable way to improve these processes is the application of data analysis and statistical methods like machine learning, which require a large amount of data. So far, the data base and suitable methods for data acquisition are lacking for the use of these methods. Therefore, in this work, a generally valid and transferable method for recording and saving relevant influencing and resultant variables during the series production of sheet metal parts has been developed. This method and the resulting data are the basis for the analysis of correlations in the process, the prediction of quality by learning algorithms and the calculation of suitable press settings. These use cases were tested in the work and the results were evaluated. Thus, the functionality of the data acquisition and the expected potentials could be confirmed. KW - Digitalisierung KW - Umformen KW - Qualitätsmanagement KW - Maschinelles Lernen KW - Data Mining KW - Datenerfassung KW - Ingenieurwissenschaften KW - Maschinenbau KW - Produktionstechnik KW - Blechumformung KW - Tiefziehen KW - Umformtechnik KW - künstliche Intelligenz KW - lernende Algorithmen Y1 - 2020 U6 - https://doi.org/10.25593/978-3-96147-282-6 N1 - Zugl.: Diss., FAU Erlangen-Nürnberg, 2020 PB - FAU University Press ER - TY - GEN A1 - Haug, Sonja A1 - Frommeld, Debora A1 - Weber, Karsten A1 - Scorna, Ulrike T1 - Digitale Technik in der Pflege als Generallösung? BT - Neue Perspektiven auf altersgerechte Assistenzsysteme N2 - Aufgrund fehlender Informationen zu tatsächlich eingesetzten digitalen Assistenztechniken in der ambulanten und stationären Pflege sind die Auswirkungen auf die Pflegepraxis und Pflegepersonal dieser Systeme weitestgehend unerschlossen. Das Projekt DAAS-KIN (Diffusion altersgerechter Assistenzsysteme – Kennzahlenerhebung und Identifikation von Nutzungshemmnissen) untersucht mittels eines Mixed-Methods-Ansatzes (Fragebogen, Experteninterviews, Wertbaumanalyse) Verbreitung, Reaktion und Auswirkung digitaler Assistenzsysteme sowie potentielle Nutzungs- und Diffusionshemmnisse KW - Digitalisierung KW - Assistenzsystem KW - stationäre Altenhilfe KW - Älterer Mensch KW - Ambulanter Hilfs- und Pflegedienst KW - Nutzungs- und Diffusionshemmnisse KW - stationäre/ambulante Pflegeeinrichtungen KW - Altersgerechte Assistenzsysteme KW - Digitale Technik Y1 - 2020 PB - Evangelische Hochschule Nürnberg CY - Nürnberg ER - TY - CHAP A1 - Brosig, Christoph A1 - Westner, Markus A1 - Strahringer, Susanne T1 - Revisiting the Concept of IT Capabilities in the Era of Digitalization T2 - 2020 IEEE 22nd Conference on Business Informatics (CBI 2020): Antwerp, Belgium, 22-24 June 2020, proceedings N2 - In the era of digitalization, companies review how to build competitive advantage drawing on their capabilities. In this context, the paper revisits the concept of IT capabilities. We summarize the “canonical” body of literature to characterize how leading scholars conceptualized and differentiated IT capabilities and then we show how new types of IT capabilities (for example, rising from SMACIT technologies) relate to this. We find that the resource-based view is still leading in how to conceptualize IT capabilities. However, an alternative perspective on IT assets is emerging, looking at it from the angle of digital technologies as stacks. Digital technologies form the foundation for a new technology-driven perspective on IT capabilities. This new view complements the established differentiation of IT capabilities considering IT infrastructure flexibility, IT management, and IT personnel capability. Both perspectives describe the explorative and exploitative nature of IT capabilities. This paper helps scholars and practitioners to clearly distinguish different perspectives of IT capabilities on how to build a competitive advantage from IT today. KW - Digital technologies KW - IT capabilities KW - Resource-based view KW - Informationstechnik KW - Digitalisierung KW - Fähigkeit KW - Kompetenz KW - Ressourcenorientierter Ansatz KW - Wettbewerbsvorteil Y1 - 2020 U6 - https://doi.org/10.1109/CBI49978.2020.00017 SP - 84 EP - 93 PB - IEEE ER -