Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Meierhofer, Jürg | - |
dc.date.accessioned | 2020-01-07T12:02:59Z | - |
dc.date.available | 2020-01-07T12:02:59Z | - |
dc.date.issued | 2019-12 | - |
dc.identifier.issn | 1664-3933 | de_CH |
dc.identifier.uri | https://issuu.com/sigwerbgmbh/docs/web_kx_12-2019/1?ff&showOtherPublicationsAsSuggestions=true&backgroundColorFullscreen=%23e8edf0 | de_CH |
dc.identifier.uri | https://digitalcollection.zhaw.ch/handle/11475/18995 | - |
dc.description.abstract | Die Themen «Digitalisierung» und «Industrie 4.0» sind seit ein paar Jahren breit bekannt. Trotzdem hinkt die Anwendung hinten nach. Die Themen sind oft technologisch begründet und stellen somit per se nicht den Anwender oder Kunden ins Zentrum. In diesem Artikel nehmen wir daher bewusst die Service-Perspektive ein: Wie kann für Anwender und Kunden in ihrem Arbeitsalltag Service-Nutzen erzeugt werden bei der Bewältigung ihrer Aufgaben? | de_CH |
dc.language.iso | de | de_CH |
dc.publisher | Sigwerb | de_CH |
dc.relation.ispartof | KunststoffXtra | de_CH |
dc.rights | Licence according to publishing contract | de_CH |
dc.subject | Digitalisierung | de_CH |
dc.subject | Industrie 4.0 | de_CH |
dc.subject | Smart Service | de_CH |
dc.subject | Geschäftsmodell | de_CH |
dc.subject.ddc | 005: Computerprogrammierung, Programme und Daten | de_CH |
dc.subject.ddc | 658: Allgemeines Management | de_CH |
dc.title | Big Data und Machine Learning in Industrie 4.0 : Perspektiven für Service-Modelle | de_CH |
dc.type | Beitrag in Magazin oder Zeitung | de_CH |
dcterms.type | Text | de_CH |
zhaw.departement | School of Engineering | de_CH |
zhaw.organisationalunit | Institut für Datenanalyse und Prozessdesign (IDP) | de_CH |
zhaw.funding.eu | No | de_CH |
zhaw.issue | 12 | de_CH |
zhaw.originated.zhaw | Yes | de_CH |
zhaw.pages.end | 21 | de_CH |
zhaw.pages.start | 19 | de_CH |
zhaw.publication.status | publishedVersion | de_CH |
zhaw.volume | 9 | de_CH |
zhaw.webfeed | Datalab | de_CH |
zhaw.webfeed | Information Engineering | de_CH |
zhaw.webfeed | Service Engineering | de_CH |
zhaw.author.additional | No | de_CH |
Appears in collections: | Patente School of Engineering |
Files in This Item:
There are no files associated with this item.
Show simple item record
Meierhofer, J. (2019). Big Data und Machine Learning in Industrie 4.0 : Perspektiven für Service-Modelle. KunststoffXtra, 9(12), 19–21. https://issuu.com/sigwerbgmbh/docs/web_kx_12-2019/1?ff&showOtherPublicationsAsSuggestions=true&backgroundColorFullscreen=%23e8edf0
Meierhofer, J. (2019) ‘Big Data und Machine Learning in Industrie 4.0 : Perspektiven für Service-Modelle’, KunststoffXtra, 9(12), pp. 19–21. Available at: https://issuu.com/sigwerbgmbh/docs/web_kx_12-2019/1?ff&showOtherPublicationsAsSuggestions=true&backgroundColorFullscreen=%23e8edf0.
J. Meierhofer, “Big Data und Machine Learning in Industrie 4.0 : Perspektiven für Service-Modelle,” KunststoffXtra, vol. 9, no. 12, pp. 19–21, Dec. 2019, [Online]. Available: https://issuu.com/sigwerbgmbh/docs/web_kx_12-2019/1?ff&showOtherPublicationsAsSuggestions=true&backgroundColorFullscreen=%23e8edf0
MEIERHOFER, Jürg, 2019. Big Data und Machine Learning in Industrie 4.0 : Perspektiven für Service-Modelle. KunststoffXtra [online]. Dezember 2019. Bd. 9, Nr. 12, S. 19–21. Verfügbar unter: https://issuu.com/sigwerbgmbh/docs/web_kx_12-2019/1?ff&showOtherPublicationsAsSuggestions=true&backgroundColorFullscreen=%23e8edf0
Meierhofer, Jürg. 2019. “Big Data und Machine Learning in Industrie 4.0 : Perspektiven für Service-Modelle.” KunststoffXtra 9 (12): 19–21. https://issuu.com/sigwerbgmbh/docs/web_kx_12-2019/1?ff&showOtherPublicationsAsSuggestions=true&backgroundColorFullscreen=%23e8edf0.
Meierhofer, Jürg. “Big Data und Machine Learning in Industrie 4.0 : Perspektiven für Service-Modelle.” KunststoffXtra, vol. 9, no. 12, Dec. 2019, pp. 19–21, https://issuu.com/sigwerbgmbh/docs/web_kx_12-2019/1?ff&showOtherPublicationsAsSuggestions=true&backgroundColorFullscreen=%23e8edf0.
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.