Mohammed Benbrahim Knihy

Das Manufacturing Execution System (MES) ist als eine Anwendung des Informationssystems (IS) anerkannt, die die Lücke zwischen der höheren Ebene der Unternehmensführung (ERP) und den niedrigeren Ebenen der Automatisierung und Überwachung(SCADA) überbrückt. Diese Studie stellt einen innovativen Ansatz vor, der sich auf die organisatorische und informationstechnische Integration für die Einführung eines MES-Systems in einem industriellen Umfeld konzentriert. Sie führt eine gründliche Analyse des bestehenden Informationssystems durch und entwickelt ein tiefgreifendes Verständnis seiner Komponenten, ihrer Interaktionen und der identifizierten Lücken. Darüber hinaus schlägt sie eine umfassende Methodik vor, die die Hauptkomponenten des Implementierungsprozesses eines MES von der Entwurfs- bis zur Betriebsphase streng einrahmt. Neben dieser theoretischen Grundlage enthält die Studie auch eine praktische Dimension durch eine Fallstudie, die in einer Mühle durchgeführt wurde. Ziel ist es, konkrete Informationen über die Einführung eines MES zu liefern und die Wirksamkeit der vorgeschlagenen Methodik durch diese praktische Validierung zu bestätigen.

Collaborative Filtering (CF) ist ein beliebter Empfehlungsansatz, der in den letzten zwei Jahrzehnten intensiv erforscht wurde, was zu einer vielfältigen Reihe von Algorithmen und einer umfangreichen Sammlung von Tools zur Bewertung ihrer Leistung geführt hat. Diese Forschungsarbeit schlägt einen neuen Empfehlungsansatz vor, um die Probleme der grauen Schafe und der Datenknappheit anzugehen, mit dem Ziel, die Genauigkeit der Vorhersage zu verbessern, indem neue Nutzer aus bestehenden Nutzern in den Datensätzen abgeleitet werden. Durch diese Transformation werden Nutzer mit Präferenzen geschaffen, die denen der tatsächlichen Nutzer entgegengesetzt sind, was die Anzahl der Nutzer erhöht und die beiden genannten Probleme löst. Die Leistung dieses Ansatzes wurde anhand von zwei Datensätzen, MovieLens und FilmTrust, bewertet. Insgesamt trägt dieses Buch zur Entwicklung besserer Empfehlungssysteme bei, die in der Lage sind, die Herausforderungen der Datenüberlastung zu meistern und die Nutzererfahrung zu verbessern.