Publikationen


Suche nach „[Diane] [Ahrens]“ hat 54 Publikationen gefunden
Suchergebnis als PDF
    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Anhörung als Sachverständige im Bayerischen Landtag zum Thema "Sicherung der wohnortnahen Versorgung in der Kommune"

    2018

    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Digitale Hörnerdörfer

    Auftaktveranstaltung "Digitale Hörnerdörfer", Balderschwang/Obermaiselstein

    2018

    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Digitales Dorf

    Symposium des Bayerischen Staatsministeriums für Familie, Arbeit und Soziales, Nürnberg

    2018

    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Digitales Dorf

    Kommunale Zukunftsgespräche "Digitalisierung als Chance für den ländlichen Raum", Linz, Österreich

    2018

    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Mega-Trend Digitalisierung

    Sparkassenkommunalforum, Grafenau

    2018

    MobilAngewandte WirtschaftswissenschaftenTC Grafenau

    Zeitschriftenartikel

    Mohammed Alnahhal, Diane Ahrens

    A Simulation-Based System for Calculating Optimal Numbers of Forklift Drivers in Industrial Plants

    Bavarian Journal of Applied Sciences, vol. 4, no. 1, pp. 354-369

    2018

    DOI: 10.25929/bjas.v4i1.53

    Abstract anzeigen

    Dieser Artikel beschreibt eine Optimierungsmethode für ein Materialtransportsystem von Gabelstaplern mittels Warteschlangentheorie und Simulation. Ziel ist es, verschiedene Arten von Verschwendung bei den Kapazitätskosten, verspäteten Arbeitsaufträgen und Transportkosten zu reduzieren. Es wird eine gewisse ITInfrastruktur angenommen, wie etwa die Verwendung von Monitoren, um die aktuellen Arbeitsaufträge von verschiedenen Arbeitsplätzen anzuzeigen. Mathematische Gleichungen werden benutzt, um anfängliche obere und untere Grenzen für die benötigten Kapazitätsniveaus zu finden. Danach wird eine Simulation für verschiedene Kapazitätsniveaus innerhalb des Bereichs der theoretischen Ergebnisse durchgeführt, um die genau benötigte Mannzeit für verschiedene Jobsequenzierungsstrategien zu finden. Mit Hilfe der Statistiksoftware R wird ein Tool erstellt, welches Unternehmen für verschiedene Parameter Ergebnisse liefert. Diese Ergebnisse zeigen die Auswirkungen der Verwendung von Batching, unter Berücksichtigung der Begrenzung des Zeilenseitenraums und der Reduzierung der Leerfahrtstrategie für Leistungsmessungen. Die Strategie, das Leerfahren zu reduzieren, indem nach dem nächsten Arbeitsplatz gesucht wird, der einen Auftrag benötigt, ist nicht so effizient, da es die benötigte Kapazität erhöht. Dies liegt daran, dass es die Variabilität der Wartezeit vergrößert und somit den Prozentsatz der verspäteten Bestellungen steigert.

    DigitalAngewandte WirtschaftswissenschaftenTC Grafenau

    Beitrag (Sammelband oder Tagungsband)

    Ali Fallah Tehrani, Diane Ahrens

    Enhanced Predictive Models for Purchasing in the Fashion Field by Applying Regression Trees Equipped with Ordinal Logistic Regression

    Artificial Intelligence for Fashion Industry in the Big Data Era, Singapore

    2018

    ISBN: 978-981-13-0079-0

    DOI: 10.1007/978-981-13-0080-6_3

    Abstract anzeigen

    Identifying the products which are highly sold in the fashion apparel industry is one of the challenging tasks, which leads to reduce the write-off and increase the revenue. Assuming three classes as substantial, middle, and inconsiderable, the forecasting problem comes down to a classification problem, where the task is to predict the class of a product. In this research, we present a probabilistic approach to identify the class of fashion products in terms of sale. In previous work, we showed that a combination of kernel machines with a probabilistic approach may empower the performance of kernel machines. However, a well-known drawback of kernel machines is its non-interpretability. The interpretability is one of the most important features from an user point of view; essentially in the fashion field, decision makers require to understand and interpret the model for a more convenient adaptation. Since regression trees can be formulated through rules, this makes possible to comprehend the model. Nevertheless, a drawback of decision trees is the sensibility to input space, which may cause very enormous deviations in terms of prediction. To reduce this effect on forecast, we propose a new model equipped with ordinal logistic regression. Finally to verify the proposed approach, we conducted several experiments on a real data extracted from an apparel retailer in Germany.

    DigitalAngewandte WirtschaftswissenschaftenTC Grafenau

    Zeitschriftenartikel

    Diane Ahrens

    Frauenau und Spiegelau werden digital

    Der Bayerische Bürgermeister, vol. 71, no. 7+8, pp. 290-293

    2018

    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Digital Village - A Bavarian Initiative

    Rural Summit 2017, Eindhoven, Niederlande

    2017

    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Digitales Dorf - Von der Vision zur Modellregion

    2017

    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Digitales Dorf - Von der Vision zur Modellregion

    2017

    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Digitalisierung als Chance für ländliche Gemeinden

    Netzwerktreffen Digitaler Lebensraum - Agenda 21, Stift Reichersberg, Hausruck/Innviertel, Österreich

    2017

    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Märkte im Wandel - Anforderungen an die Logistik

    Regensburger Verkehrskongress, Regensburg

    2017

    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Digitalisierung als Chance für ländliche Gemeinden

    Netzwerktreffen Digitaler Lebensraum - Agenda 21, Kirchschlag bei Linz, Oberösterreich

    2017

    DigitalAngewandte InformatikTC Grafenau

    Vortrag

    Diane Ahrens

    Prognosen im Lebensmittelkonsum: Weniger Lebensmittelverluste durch Optimierung von Prognosen und Disposition

    Prognosekonferenz, Grafenau

    2017

    DigitalTC Grafenau

    Zeitschriftenartikel

    Ali Fallah Tehrani, Diane Ahrens

    Modeling Label Dependence for Multi-Label Classification Using the Choquistic Regression

    Pattern Recognition Letters, vol. 92, no. June, pp. 75-80

    2017

    DOI: 10.1016/j.patrec.2017.04.018

    Abstract anzeigen

    While an incorrect identification of underlying dependency in data can lead to a flawed conclusion, recognizing legitimate dependency allows for the opportunity to adapt a model in a correct manner. In this regard, modeling the inter-dependencies in multi-label classification (multi target prediction) is one of the challenging tasks from a machine learning point of view. While common approaches seek to exploit so-called correlated information from labels, this can be improved by assuming the interactions between labels. A well-known tool to model the interaction between attributes is the Choquet integral; it enables one to model non-linear dependencies between attributes. Beyond identifying proper prior knowledge in data (if such knowledge exists), establishing suitable models that are in agreement with prior knowledge is not always a trivial task. In this paper, we propose a first step towards modeling label dependencies for multi-target classifications in terms of positive and negative interactions. In the experimental, we demonstrate real gains by applying this approach.

    DigitalNachhaltigTC Grafenau

    Zeitschriftenartikel

    Ali Fallah Tehrani, Diane Ahrens

    Modified Sequential k‐means Clustering by Utilizing Response: A Case Study for Fashion Products

    Expert Systems, vol. 34, no. 6

    2017

    DOI: 10.1111/exsy.12226

    Abstract anzeigen

    Modified sequential k‐means clustering concerns a k‐means clustering problem in which the clustering machine utilizes output similarity in addition. While conventional clustering methods commonly recognize similar instances at features‐level modified sequential clustering takes advantage of response, too. To this end, the approach we pursue is to enhance the quality of clustering by using some proper information. The information enables the clustering machine to detect more patterns and dependencies that may be relevant. This allows one to determine, for instance, which fashion products exhibit similar behaviour in terms of sales. Unfortunately, conventional clustering methods cannot tackle such cases, because they handle attributes solely at the feature level without considering any response. In this study, we introduce a novel approach underlying minimum conditional entropy clustering and show its advantages in terms of data analytics. In particular, we achieve this by modifying the conventional sequential k‐means algorithm. This modified clustering approach has the ability to reflect the response effect in a consistent manner. To verify the feasibility and the performance of this approach, we conducted several experiments based on real data from the apparel industry.

    NachhaltigSonstige

    Beitrag (Sammelband oder Tagungsband)

    Nari Arunraj, Diane Ahrens

    Improving food supply chain using hybrid semiparametric regression model

    Supply Management Research, Wiesbaden

    2017

    NachhaltigAngewandte InformatikTC Grafenau

    Zeitschriftenartikel

    Diane Ahrens, I. Häberle, P. Muranyi

    Zu große Energiemengen landen im Müll. Energieverluste durch Lebensmittelverschwendung - Experten zeigen Einsparpotentiale auf

    Fleischwirtschaft, vol. 96, no. 8, pp. 70-75

    2016

    DigitalTC Grafenau

    Zeitschriftenartikel

    Ali Fallah Tehrani, Diane Ahrens

    Enhanced predictive models for purchasing in the fashion field by using kernel machine regression equipped with ordinal logistic regression

    Journal of Retailing and Consumer Services, vol. 32, pp. 131-138

    2016

    Abstract anzeigen

    Identifying the products which are highly sold in the fashion apparel industry is one of the challenging tasks, which leads to reduce the write off and increases the revenue. In fact, beyond of sales forecasting in general a crucial question remains whether a product may sell well or not. Assuming three classes as substantial, middle and inconsiderable, the forecasting problem comes down to a classification problem, where the task is to predict the class of a product. In this research, we present a probabilistic approach to identify the class of fashion products in terms of sale. Thereafter, we combine kernel machines with a probabilistic approach to empower the performance of kernel machines and eventually to make use of it to predicting the number of sales. The proposed approach is more robust to outliers (in the case of highly sold products) and in addition uses prior knowledge, hence it serves more reliable results. In order to verify the proposed approach, we conducted several experiments on a real data extracted from an apparel retailer in Germany.