Prognose unter Unsicherheit mit kombinierten Machine Learning Methoden

Machine Learning Methoden zur Lösung von Entscheidungs- oder Regressionsproblemen haben im vergangenen Jahrzehnt aufgrund der zunehmenden Datenverfügbarkeit und der stark gestiegenen Rechnerkapazität enorme Fortschritte hingelegt. Die Clustering-Methode wird in verschiedenen Anwendungsgebieten zur Kategorisierung und Charakterisierung eingesetzt. Vom biologischen Vorbild abgekupferte Methoden wie Künstliche Neuronale Netze werden für eine Vielzahl von Anwendungen eingesetzt und zeigen vor Allem große Eignung für die Bilderkennung (engl. Computer Vision). Die großen Potenziale dieser Methoden sollen im Rahmen des GRKs kombiniert und somit für das Praxisfeld Fabrikplanung erschlossen werden. Dies umfasst die Klassifizierung und anschließende Prognose von Fertigungs- und Verkaufsdaten, um die Anpassungsfähigkeit von Fabriken zu erhöhen. Das Clustering soll die Produkte zuerst anhand ihrer Merkmale kategorisieren. Im Anschluss soll ein auf diese Kategorien zugeschnittenes Neuronales Netz eine Prognose für die zukünftige Entwicklung der Daten erstellen.