You are here: Home → Proceedings
Document Actions

Citation and metadata

Back to the article.

Recommended citation

Wustmann D, Schmaler R, Schmidt T (2011). Relevante Zeitbereiche intralogistischer Datenströme – Grundlagen für die Optimierung im laufenden Betrieb. Logistics Journal: Proceedings, Vol. 07. (urn:nbn:de:0009-14-31081)

Download Citation

Endnote

%0 Journal Article
%T Relevante Zeitbereiche intralogistischer Datenströme – Grundlagen für die Optimierung im laufenden Betrieb
%A Wustmann, David
%A Schmaler, Robert
%A Schmidt, Thorsten
%J Logistics Journal: Proceedings
%D 2011
%V 07
%N 1
%@ 2192-9084
%F wustmann2011
%X Materialflussrechner in komplexen Materialflusssystemen generieren eine große Anzahl an Daten zu systeminternen Ereignissen. Deren Informationspotential wird derzeit aufgrund des enormen Datenumfangs nur begrenzt genutzt. Für online durchgeführte Analysen ist sogar von einer stetig wachsenden Datenmenge auszugehen. Dieser Beitrag beschreibt einen Ansatz, diese Datenmenge in Zeitbereiche einzuteilen und die valide Echtzeit-Berechnung statistischer Prozesskenngrößen zu gewährleisten. Durch die Beachtung signifikanter Zustandsänderungen im System bezüglich der Echtzeit-Analyse können statistische Abweichungen in systeminternen Prozessen erkannt werden. Damit wird die Grundlage für eine Optimierung im laufenden Betrieb gelegt, um ggf. lokalen Prozessabweichungen entgegenwirken zu können, bevor diese Auswirkungen auf das Gesamtsystem haben.
%L 620
%R 10.2195/LJ_proc_wustmann_de_201108_01
%U http://nbn-resolving.de/urn:nbn:de:0009-14-31081
%U http://dx.doi.org/10.2195/LJ_proc_wustmann_de_201108_01
Download

Bibtex

@Article{wustmann2011,
  author = 	"Wustmann, David
		and Schmaler, Robert
		and Schmidt, Thorsten",
  title = 	"Relevante Zeitbereiche intralogistischer Datenstr{\"o}me -- Grundlagen f{\"u}r die Optimierung im laufenden Betrieb",
  journal = 	"Logistics Journal: Proceedings",
  year = 	"2011",
  volume = 	"07",
  number = 	"1",
  abstract = 	"Materialflussrechner in komplexen Materialflusssystemen generieren eine gro{\ss}e Anzahl an Daten zu systeminternen Ereignissen. Deren Informationspotential wird derzeit aufgrund des enormen Datenumfangs nur begrenzt genutzt. F{\"u}r online durchgef{\"u}hrte Analysen ist sogar von einer stetig wachsenden Datenmenge auszugehen. Dieser Beitrag beschreibt einen Ansatz, diese Datenmenge in Zeitbereiche einzuteilen und die valide Echtzeit-Berechnung statistischer Prozesskenngr{\"o}{\ss}en zu gew{\"a}hrleisten. Durch die Beachtung signifikanter Zustands{\"a}nderungen im System bez{\"u}glich der Echtzeit-Analyse k{\"o}nnen statistische Abweichungen in systeminternen Prozessen erkannt werden. Damit wird die Grundlage f{\"u}r eine Optimierung im laufenden Betrieb gelegt, um ggf. lokalen Prozessabweichungen entgegenwirken zu k{\"o}nnen, bevor diese Auswirkungen auf das Gesamtsystem haben.",
  issn = 	"2192-9084",
  doi = 	"10.2195/LJ_proc_wustmann_de_201108_01",
  url = 	"http://nbn-resolving.de/urn:nbn:de:0009-14-31081"
}
Download

RIS

TY  - JOUR
AU  - Wustmann, David
AU  - Schmaler, Robert
AU  - Schmidt, Thorsten
PY  - 2011
DA  - 2011//
TI  - Relevante Zeitbereiche intralogistischer Datenströme – Grundlagen für die Optimierung im laufenden Betrieb
JO  - Logistics Journal: Proceedings
VL  - 07
IS  - 1
AB  - Materialflussrechner in komplexen Materialflusssystemen generieren eine große Anzahl an Daten zu systeminternen Ereignissen. Deren Informationspotential wird derzeit aufgrund des enormen Datenumfangs nur begrenzt genutzt. Für online durchgeführte Analysen ist sogar von einer stetig wachsenden Datenmenge auszugehen. Dieser Beitrag beschreibt einen Ansatz, diese Datenmenge in Zeitbereiche einzuteilen und die valide Echtzeit-Berechnung statistischer Prozesskenngrößen zu gewährleisten. Durch die Beachtung signifikanter Zustandsänderungen im System bezüglich der Echtzeit-Analyse können statistische Abweichungen in systeminternen Prozessen erkannt werden. Damit wird die Grundlage für eine Optimierung im laufenden Betrieb gelegt, um ggf. lokalen Prozessabweichungen entgegenwirken zu können, bevor diese Auswirkungen auf das Gesamtsystem haben.
SN  - 2192-9084
UR  - http://nbn-resolving.de/urn:nbn:de:0009-14-31081
DO  - 10.2195/LJ_proc_wustmann_de_201108_01
ID  - wustmann2011
ER  -
Download

Wordbib

<?xml version="1.0" encoding="UTF-8"?>
<b:Sources SelectedStyle="" xmlns:b="http://schemas.openxmlformats.org/officeDocument/2006/bibliography"  xmlns="http://schemas.openxmlformats.org/officeDocument/2006/bibliography" >
<b:Source>
<b:Tag>wustmann2011</b:Tag>
<b:SourceType>ArticleInAPeriodical</b:SourceType>
<b:Year>2011</b:Year>
<b:PeriodicalTitle>Logistics Journal: Proceedings</b:PeriodicalTitle>
<b:Volume>07</b:Volume>
<b:Issue>1</b:Issue>
<b:Url>http://nbn-resolving.de/urn:nbn:de:0009-14-31081</b:Url>
<b:Url>http://dx.doi.org/10.2195/LJ_proc_wustmann_de_201108_01</b:Url>
<b:Author>
<b:Author><b:NameList>
<b:Person><b:Last>Wustmann</b:Last><b:First>David</b:First></b:Person>
<b:Person><b:Last>Schmaler</b:Last><b:First>Robert</b:First></b:Person>
<b:Person><b:Last>Schmidt</b:Last><b:First>Thorsten</b:First></b:Person>
</b:NameList></b:Author>
</b:Author>
<b:Title>Relevante Zeitbereiche intralogistischer Datenströme – Grundlagen für die Optimierung im laufenden Betrieb</b:Title>
<b:Comments>Materialflussrechner in komplexen Materialflusssystemen generieren eine große Anzahl an Daten zu systeminternen Ereignissen. Deren Informationspotential wird derzeit aufgrund des enormen Datenumfangs nur begrenzt genutzt. Für online durchgeführte Analysen ist sogar von einer stetig wachsenden Datenmenge auszugehen. Dieser Beitrag beschreibt einen Ansatz, diese Datenmenge in Zeitbereiche einzuteilen und die valide Echtzeit-Berechnung statistischer Prozesskenngrößen zu gewährleisten. Durch die Beachtung signifikanter Zustandsänderungen im System bezüglich der Echtzeit-Analyse können statistische Abweichungen in systeminternen Prozessen erkannt werden. Damit wird die Grundlage für eine Optimierung im laufenden Betrieb gelegt, um ggf. lokalen Prozessabweichungen entgegenwirken zu können, bevor diese Auswirkungen auf das Gesamtsystem haben.</b:Comments>
</b:Source>
</b:Sources>
Download

ISI

PT Journal
AU Wustmann, D
   Schmaler, R
   Schmidt, T
TI Relevante Zeitbereiche intralogistischer Datenströme – Grundlagen für die Optimierung im laufenden Betrieb
SO Logistics Journal: Proceedings
PY 2011
VL 07
IS 1
DI 10.2195/LJ_proc_wustmann_de_201108_01
AB Materialflussrechner in komplexen Materialflusssystemen generieren eine große Anzahl an Daten zu systeminternen Ereignissen. Deren Informationspotential wird derzeit aufgrund des enormen Datenumfangs nur begrenzt genutzt. Für online durchgeführte Analysen ist sogar von einer stetig wachsenden Datenmenge auszugehen. Dieser Beitrag beschreibt einen Ansatz, diese Datenmenge in Zeitbereiche einzuteilen und die valide Echtzeit-Berechnung statistischer Prozesskenngrößen zu gewährleisten. Durch die Beachtung signifikanter Zustandsänderungen im System bezüglich der Echtzeit-Analyse können statistische Abweichungen in systeminternen Prozessen erkannt werden. Damit wird die Grundlage für eine Optimierung im laufenden Betrieb gelegt, um ggf. lokalen Prozessabweichungen entgegenwirken zu können, bevor diese Auswirkungen auf das Gesamtsystem haben.
ER
Download

Mods

<mods>
  <titleInfo>
    <title>Relevante Zeitbereiche intralogistischer Datenströme – Grundlagen für die Optimierung im laufenden Betrieb</title>
  </titleInfo>
  <name type="personal">
    <namePart type="family">Wustmann</namePart>
    <namePart type="given">David</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Schmaler</namePart>
    <namePart type="given">Robert</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Schmidt</namePart>
    <namePart type="given">Thorsten</namePart>
  </name>
  <abstract>Materialflussrechner in komplexen Materialflusssystemen generieren eine große Anzahl an Daten zu systeminternen Ereignissen. Deren Informationspotential wird derzeit aufgrund des enormen Datenumfangs nur begrenzt genutzt. Für online durchgeführte Analysen ist sogar von einer stetig wachsenden Datenmenge auszugehen. Dieser Beitrag beschreibt einen Ansatz, diese Datenmenge in Zeitbereiche einzuteilen und die valide Echtzeit-Berechnung statistischer Prozesskenngrößen zu gewährleisten. Durch die Beachtung signifikanter Zustandsänderungen im System bezüglich der Echtzeit-Analyse können statistische Abweichungen in systeminternen Prozessen erkannt werden. Damit wird die Grundlage für eine Optimierung im laufenden Betrieb gelegt, um ggf. lokalen Prozessabweichungen entgegenwirken zu können, bevor diese Auswirkungen auf das Gesamtsystem haben.</abstract>
  <subject />
  <classification authority="ddc">620</classification>
  <relatedItem type="host">
    <genre authority="marcgt">periodical</genre>
    <genre>academic journal</genre>
    <titleInfo>
      <title>Logistics Journal: Proceedings</title>
    </titleInfo>
    <part>
      <detail type="volume">
        <number>07</number>
      </detail>
      <detail type="issue">
        <number>1</number>
      </detail>
      <date>2011</date>
    </part>
  </relatedItem>
  <identifier type="issn">2192-9084</identifier>
  <identifier type="urn">urn:nbn:de:0009-14-31081</identifier>
  <identifier type="doi">10.2195/LJ_proc_wustmann_de_201108_01</identifier>
  <identifier type="uri">http://nbn-resolving.de/urn:nbn:de:0009-14-31081</identifier>
  <identifier type="citekey">wustmann2011</identifier>
</mods>
Download

Full Metadata

Bibliographic Citation Logistics Journal : referierte Veröffentlichungen, Vol. 07, Iss. 1
Title

Relevante Zeitbereiche intralogistischer Datenströme – Grundlagen für die Optimierung im laufenden Betrieb (ger)
Author David Wustmann, Robert Schmaler, Thorsten Schmidt
Language ger
Abstract Materialflussrechner in komplexen Materialflusssystemen generieren eine große Anzahl an Daten zu systeminternen Ereignissen. Deren Informationspotential wird derzeit aufgrund des enormen Datenumfangs nur begrenzt genutzt. Für online durchgeführte Analysen ist sogar von einer stetig wachsenden Datenmenge auszugehen. Dieser Beitrag beschreibt einen Ansatz, diese Datenmenge in Zeitbereiche einzuteilen und die valide Echtzeit-Berechnung statistischer Prozesskenngrößen zu gewährleisten. Durch die Beachtung signifikanter Zustandsänderungen im System bezüglich der Echtzeit-Analyse können statistische Abweichungen in systeminternen Prozessen erkannt werden. Damit wird die Grundlage für eine Optimierung im laufenden Betrieb gelegt, um ggf. lokalen Prozessabweichungen entgegenwirken zu können, bevor diese Auswirkungen auf das Gesamtsystem haben.
Subject
DDC 620
Rights fDPPL
URN: urn:nbn:de:0009-14-31081
DOI https://doi.org/10.2195/LJ_proc_wustmann_de_201108_01