Wissensextraktion zum datengetriebenen Qualitätsmanagement
Abstract:
In der vorliegenden Dissertation werden zwei neue Data Mining Verfahren und Metho-den zur Extraktion von qualitätsrelevantem Wissen vorgestellt und mit Anwendungen aus der Automobilbranche evaluiert. Diese neuartigen Verfahren erlauben es, in Abhän-gigkeit der zugrunde liegenden Datentypen, signifikante Zusammenhänge zwischen qualitätsbeschreibenden und -messenden Daten, die entlang des Wertschöpfungspro-zesses eines Unternehmens für ein Produkt erfasst werden, zu identifizieren.
| Zugehörige Institution(en) am KIT | Fakultät für Wirtschaftswissenschaften – Institut für Statistik und Mathematische Wirtschaftstheorie (SMW) |
| Publikationstyp | Hochschulschrift |
| Publikationsjahr | 2009 |
| Sprache | Deutsch |
| Identifikator | urn:nbn:de:swb:90-105053 KITopen-ID: 1000010505 |
| Verlag | Universität Karlsruhe (TH) |
| Art der Arbeit | Dissertation |
| Fakultät | Fakultät für Wirtschaftswissenschaften (WIWI) |
| Institut | Fakultät für Wirtschaftswissenschaften – Institut für Statistik und Mathematische Wirtschaftstheorie (SMW) |
| Prüfungsdatum | 10.02.2009 |
| Schlagwörter | Qualitätsfähigkeitsindex, Qualitätsoptimierung, Data Mining, Assoziationsregeln, Multiple Hypothesenproblem |
| Referent/Betreuer | Bol, G. |