PT Journal
AU Müller, M
   Kühn, M
   Schmidt, T
TI Methodik zur Temporären Analyse Logistischer Systeme auf Basis von Entfernungsdaten und Methoden der Prozessklassifizierung
SO Logistics Journal : Proceedings
PY 2019
VL 2019
IS 12
DI 10.2195/lj_Proc_mueller_de_201912_01
DE Maschinelles Lernen; Prozessklassifizierung; RSSI; Retrospektive Lokalisierung; Signalaufbereitung
AB In kleinen und mittleren Unternehmen (KMU) besteht für logistische Prozesse die Herausforderung einer unvollständigen Datenbasis. KMU können nur eingeschränkt auf verfügbaren Methoden zur Datengenerierung zurückgreifen. Manuelle Methoden erfordern einen hohen Ressourcenbedarf und die generierte Datenbasis ist ungenau und subjektiv. Tracking Systeme sind kostenintensiv, unflexibel und mit hohem Installationsaufwand verbunden. Um eine fundierte Datengrundlage zu schaffen, stehen für KMU derzeit keine geeigneten Methoden zur Verfügung. Aus diesen Gründen wird eine Methodik vorgestellt, die der Zielstellung unterliegt, eine KMU-gerechte Vorgehensweise zur effizienten, temporär durchführbaren Datenerhebung und -auswertung in Produktions- und Logistiksystemen als Basis zur Prozessanalyse und  verbesserung zu entwickeln. Die Gesamtmethodik fokussiert die retrospektive Lokalisierung und Analyse von Materialflussobjekten. Die technologische Grundlage bilden auf Bluetooth Low Energy (BLE)-basierende Signalsender, sogenannte Beacons, und handelsübliche Smart Mobile Devices (SMD) als Empfänger, zwischen denen Entfernungsdaten gemessen und retrospektiv Bewegungsprofile abgeleitet werden. Im Entwicklungsfokus steht eine Software-basierte Methodik. Dafür stehen die Auswahl und Implementierung von Mustererkennungsverfahren zur automatischen Prozesserkennung sowie Verfahren zur Visualisierung von relativen Entfernungsdaten im Forschungsfokus.
ER