23948sdkhjf

Industriel DataMining - Udnyt dine data bedre!

AluCluster er tovholder for et 1½-årigt projekt om industriel data mining. I projektet deltager i øjeblikket 5 virksomheder, blandt andet Bang & Olufsen og Dinex, men netværket er åbent for flere virksomheder, der ønsker at udnytte deres data mere optimalt.
Projektet om industriel data mining tog fart i januar i år og hører ind under ForskerKontakten, der er en del af Det Jysk-Fynske Erhvervssamarbejde.

Projektet arbejder med innovative metoder, der kan være med til at demonstrere, at de deltagende virksomheders opsamlede procesdata ofte kan udnyttes væsentligt bedre ved hjælp af de matematisk-statistiske teknikker, som "datamining" er den samlede betegnelse for.

For virksomhederne betyder projektet målelige forbedringer inden for nøgleområder som procesovervågning og -styring.

Formidlingen
Formidlingen af projektresultaterne sker primært gennem en uafhængig informerende hjemmeside, der også indeholder de case-studies, der er gennemført i løbet af projektets periode.

Hjemmesiden baseres på projekterfaringer, og den respekterer de deltagende virksomheders fortrolighedsgrænser. Endelig skal den fortælle om, hvad der rører sig inden for data mining i Danmark.

Det er hjemmesidens mål at skabe et endnu større netværk af data mining interesserede virksomheder. Projektets mål er at danne en platform for et levedygtigt netværk efter projektperiodens udløb i juni 2006.

En foreløbig udgave af hjemmesiden findes på adressen: http://test.industrieldatamining.dk.

Sekundært sker formidlingen gennem konference og foredrag.

Netværket
Der er tale om et netværk, som - foruden AluCluster - består af 4 virksomheder og en højere læreanstalt:

• Bang & Olufsen
• Dinex A/S
• Plus Pack AS
• Hydro Aluminium Structures Tønder A/S
• Ålborg Universitet (5 studerende og 1 lektor)

Der er etableret et virtuelt netværk mellem de implicerede parter gennem en såkaldt læringsø. Den administreres af KnowledgeLab (Syddansk Univ.).

Både projekt og netværk er åbent for nye virksomhedsdeltagere.

Projektdeltagelse koster ikke noget udover de timer, virksomheden selv lægger i den.

Tidsplanen
Primo januar 2005: Indledende møde med alle involverede parter. Der blev fra begyndelsen af tilstræbt, at vidensdeling og -udveksling sker bedst muligt.

1. halvår 2005: Virksomhedsbesøg ude i procesanlæggene. Fastlæggelse af problemstillingen og dermed leveringen af en ordentlig datakvalitet fra hver deltager.

2. halvår 2005: Analyser af data og fortsat fastlæggelse af datakvalitet.

Primo januar 2006: Midtvejsevaluering.

1. halvår 2006: Fortsat analysearbejde, endelig udfærdigelse og præsentation. Der afholdes måske konference i maj med statusredegørelse.

Målgruppen
Målgruppen er små og mellemstore procesorienterede virksomheder i Danmark.

Målet
• Procesmodellering med henblik på at skabe procesoverblik og dermed levere et beslutningsgrundlag for en
forbedret parameterindstilling.

• Indkredsning af mulige fejlkilder i processen.

Spørgsmål og forespørgsler ang. deltagelse i projektet kan rettes til:
Lars F. Dahl (projektleder), lfd@alucluster.com


Data mining er et engelsk udtryk,som hentyder til teknikkenssærlige evne til at "grave" ind i databunken" og finde frem til de "guldårer" af kommerciel eller teknologisk nytteviden, der ofte ligger gemt.

Data mining er bedst kendt inden for salg og marketing, hvor den har hjulpet mange større danske virksomheder til at effektivisere og målrette deres reklamefremstød gennem analyser af kundeadfærd og kundesegmen-tering i virksomhedernes databaser.

Data mining er naturligvis ikke begrænset til kundeanalyser, men kan sættes ind overalt, hvor der opsamles data, som skal omsættes til nytteviden. Et oplagt område er procesoptimering, der ofte involverer data fra mange kontrol-parametre.

Vi har valgt at kalde den procesoptimerende data mining for: Industriel DataMining.

Hvad kan den så tilbyde? Her er nogle af svarene:

1. Analyse af samspillet mellem procesparametrene

2. Procesovervågning

3. Modeller for produktkvaliteten baseret på procesinput

4. Procesfejlanalyse

Kommenter artiklen
Udvalgte artikler

Nyhedsbreve

Send til en kollega

0.052