Melanie Schaller - Vergleichende Untersuchung von Reifegradmodellen der Industrie 4.0 und deren Übertragbarkeit auf das Smart Health Fallbeispiel der nicht-invasiven Messung des intrakraniellen Dru…

85,80 €
85,80 €
inkl. MwSt.
zzgl. Versandkosten

Lieferzeit max. 3 Tage *

Die Menge muss 1 oder mehr sein

Lieferung & Versand

  • Warensendung bis 500 g
    0,00 €
    Lieferzeit max. 3 Tage

Über das Buch

Zum Inhalt

Erstmalig werden in dieser Studie Ansätze und Vorgehensmodelle der Industrie 4.0 auf ein neurologisches Fallbeispiel übertragen. Durch die multidisziplinäre Betrachtung der Industrie 4.0 Reifegrad-Modelle aus Sicht der Wirtschaftsinformatik und Informatik sowie des Smart Health Fallbeispiels aus Sicht der Wirtschaftsinformatik, Informatik und der Medizin entsteht der Innovationsgehalt dieser Arbeit.

Der integrierte Ansatz der Industrie 4.0 Modelle ist deswegen ideal für die Übertragung auf Smart Health Anwendungen, weil durch die Datenintegration sowohl im Falle der Industrie 4.0 als auch im Falle der medizinischen Applikation zur Messung des nicht-invasiven intrakraniellen Druckes ein Modell erschaffen wird, in das Informationen aus verschiedenen Quellen zusammenfließen und prozessbedingt berücksichtigt werden. In der idealtypischen, praktischen Umsetzung der theoretischen Modelle werden durch die Kombination verschiedener Datenquellen wie Sensoren oder Aktoren Informationen zur Prozessüberwachung in Echtzeit generiert, die dann den Informationsgehalt der Unternehmen und Organisationen in einer Form erweitern, die es vermag, die Effizienz und Effektivität von Abläufen zu steigern.

Im Falle des Smart Health Fallbeispiels werden sensorische Daten in Echtzeit erfasst und hierüber die Prozesse im menschlichen Gehirn überwacht, hier insbesondere die Veränderungen des intrakraniellen Drucks als prozessualer Ausdruck des gesundheitlichen Zustands. Im Smart Health Fallbeispiel wurde hierfür ein Hochpräzisions-Sensorprototyp mit vier Kanälen erprobt. Die Anzahl der Datenkanäle begründet sich dabei damit, dass es für jede Hemisphäre ein vorderes und ein hinteres Einstromgebiet gibt und diese jeweils separat gemessen werden sollten.

Die erfassten Signale zeigten in ersten Messungen mit gesunden Testpersonen an der Schädel-Basis occipital und frontal jeweils Signalverläufe, die den Hirndruckkurven ähneln. Gemessen wurde dabei die mechanische…

Schlagworte

Industrie 4.0, Sensornetze, Künstliche Intelligenz, Machine Learning, Signal Processing, Smart Health, Wirtschaftsinformatik, Medizin, Intrakranieller Druck, Mechanik, Physik, Informatik, ICP

  • Fachdisziplin
    Wirtschaftsinformatik & Informationsmanagement
  • Schriftenreihe
    Studien zur Wirtschaftsinformatik
  • ISSN
    1435-6295
  • Band
    113

Lieferzeit

(*) Die Lieferzeit beträgt innerhalb Deutschlands üblicherweise 2 bis 3 Werktage ab Zahlungseingang. Bei Bestellungen an Wochenenden und Feiertagen verzögert sich die Auslieferung entsprechend.