Key points are not available for this paper at this time.
Zweck: Entwurf eines industriellen Produktionsmodells mit Schwerpunkt auf Industrie 4.0 (Big Data) und Entscheidungsanalyse für kleine und mittelständische Unternehmen (KMU) im Bekleidungssektor, das die Verfahren, Arbeitsplätze und damit verbundene Kosten innerhalb der Studienorganisation verbessert. Entwicklung eines Vorschlags für nachhaltige Fertigung im industriellen Textilsektor mit einem Fokus auf Big Data (Eingabe, Transformation, Datenladen und Analyse) in der organisatorischen Entscheidungsfindung, um Zeit- und Kostenoptimierung sowie die Minderung der Umweltauswirkungen zu erreichen. Design/Methodologie/Ansatz: Die vorliegende Forschung, von angewandter Natur, formuliert einen Wertvorschlag, der sich auf die Planung, Gestaltung und Strukturierung eines industriellen Modells konzentriert, das auf Big Data ausgerichtet ist, insbesondere im Bekleidungsproduktionssektor für die Entscheidungsfindung auf strukturierte und automatisierte Weise, mit dem methodischen Ansatz: 1) Ansatz von Produktionsstrategien, die auf Big Data für den Textilsektor ausgerichtet sind; 2) Definition des Produktionsmodells und Konfiguration des Betriebssystems; 3) Datenwissenschaft und industrielle Analyse; 4) Ansatz des Produktionsmodells (Power BI) und 5) Modellvalidierung. Methodologisches Design der Untersuchung: 1) Präsentation der Fallstudie, in der die aktuelle Situationsanalyse des Unternehmens durchgeführt wird, Formulierung des Problems und Vorschlag einer Lösung für die Menge der analysierten Daten; 2) Präsentation eines Lösungsvorschlags, der sich auf Big Data konzentriert, zur Identifizierung des industriellen Ökosystems und der Integration in die Informationssysteme des Unternehmens sowie zum Lösungsansatz in der Untersuchung und Wissenschaft der Daten in Echtzeit; 3) Präsentation des Modellvorschlags für SQL-strukturierte Datenbanken beim Laden, Transformieren und Laden wichtiger Informationen für diese Studie; 4) Informationsverarbeitung, in der Bearbeitung von Daten in der M-Sprache der Power BI-Software, Konstruktion und Ausarbeitung des Modells; 5) Präsentation der zugehörigen Datenbanken, in der Integration mit dem Fremdschlüssel der Mastertabelle und den transaktionalen Tabellen; 6) Datenanalyse und Präsentation des Dashboards, im Design, der Konstruktion und Analyse der zugehörigen Studienvariablen sowie dem Ansatz von Lösungsszenarien in der korrekten organisatorischen Entscheidungsfindung. Ergebnisse: Die erhaltenen Ergebnisse zeigen eine Verbesserung der operativen Effizienz aus dem wertschöpfenden Vorschlag. Einschränkungen/Implikationen der Forschung: Derzeit sind die Anzahl der Studien, die Big Data-Technologie für Organisationen im Textil- und Fertigungssektor in der organisatorischen Entscheidungsfindung anwenden, begrenzt. Bei der Analyse des lokalen Geschehens gibt es nur wenige Fälle von Big Data-Implementierungen im Textilsektor, was auf die fehlenden Projekte und Finanzierungen von Wertvorschlägen zurückzuführen ist. Ein weiterer limitierender Faktor dieser Forschung ist das Fehlen digitaler Informationen von hoher Relevanz für die Studie und Analyse, was zu längeren Zeiten bei der Dateneingabe und -platzierung in Informationssystemen in Echtzeit führt. Schließlich gibt es keine Datenorganisation-Kultur, in der es Prozesse und/oder Verfahren zur Datenerfassung und deren Transformation in saubere Daten gibt. Originalität/Wert: Diese Forschung integriert die korrekte organisatorische Entscheidungsfindung. Zur Überprüfung der Originalität werden eine Projektsuche und eine systematische Überprüfung der Literatur in den wichtigsten Online-Suchmaschinen für diese Forschung durchgeführt; Darüber hinaus werden die Übereinstimmungsprozentsätze mit Online-Rezensenten wie Turnitin und plag.es in der Transparenz dieses Studienprojekts überprüft.
González et al. (Mon,) untersuchten diese Frage.