You are here: Home Proceedings
Document Actions

Proceedings

Bewegungsklassifikation mithilfe mobiler Sensoren

Motion Classification of the Order Picking Process using Mobile Sensors

  1. Dipl.-Inform. Sascha Feldhorst Lehrstuhl für Förder- und Lagerwesen, TU Dortmund
  2. Prof. Dr. Michael ten Hompel Lehrstuhl für Förder- und Lagerwesen, TU Dortmund

Abstracts

In diesem Beitrag wird eine neue Methode zur Analyse des manuellen Kommissionierprozesses vorgestellt, mit der u. a. die Kommissionierzeitanteile automatisch erfasst werden können. Diese Methode basiert auf einer sensorgestützten Bewegungsklassifikation, wie sie bspw. im Sport oder in der Medizin Anwendung findet. Dabei werden mobile Sensoren genutzt, die fortlaufend Messwerte wie z. B. die Beschleunigung oder die Drehgeschwindigkeit des Kommissionierers aufzeichnen. Auf Basis dieser Daten können Informationen über die ausgeführten Bewegungen und insbesondere über die durchlaufenen Bewegungszustände gewonnen werden. Dieser Ansatz wird im vorliegenden Beitrag auf die Kommissionierung übertragen. Dazu werden zunächst Klassen relevanter Bewegungen identifiziert und anschließend mit Verfahren aus dem maschinellen Lernen verarbeitet. Die Klassifikation erfolgt nach dem Prinzip des überwachten Lernens. Dabei werden durchschnittliche Erkennungsraten von bis zu 78,94 Prozent erzielt.

This constribution introduces a new methodology to analyze the manual order picking process in warehouses. The approach relies on a sensor-based motion classification which is already used in other domains like sports or medical science. Thereby, different sensor data, e. g. accelerations or rotation rates are continuously recorded during the order picking.With help of this data the motion can be analysed to identify different motion states. Therefore, this paper defines all relevant motion states within the order picking process. These states are part of a classification system which works with methodologies from the field of machine learning. The classification is done with a supervised learning approach which achieves an accuracy of up to 78,94 percent.

Keywords

Fulltext

License

Any party may pass on this Work by electronic means and make it available for download under the terms and conditions of the free Digital Peer Publishing License. The text of the license may be accessed and retrieved at http://www.dipp.nrw.de/lizenzen/dppl/fdppl/f-DPPL_v1_de_11-2004.html.

Number of citations

Visit Google Scholar to find out, how often this paper is cited.