You are here: Home Proceedings
Document Actions

Proceedings

Ein Ansatz für ein Predictive-Monitoring-System zur Identifikation von Störungswirkungen in der Produktionslogistik mittels künstlichen neuronalen Netzen

An approach for a predictive monitoring system for the identification of disruptive effects in production logistics using artificial neural networks

  1. Prof. Dr.-Ing. Nina Vojdani Lehrstuhl für Produktionsorganisation und Logistik, Fakultät für Maschinenbau und Schiffstechnik, Universität Rostock
  2. M.Sc. Björn Erichsen Lehrstuhl Produktionsorganisation und Logistik, Fakultät für Maschinenbau und Schiffstechnik, Universität Rostock

Abstracts

Unerwartet auftretende logistische und produktionsbezogene Störungen gehören zum betrieblichen Alltag von Unternehmen und wirken sich negativ auf deren Prozess der Leistungserstellung aus. Die prädiktive Identifikation von potentiellen Störungen kann in Form einer Frühwarnung dazu beitragen den Handlungszeitraum für Gegenmaßnahmen zu verlängern, um somit der eigentlichen Störungswirkung rechtzeitig entgegenzuwirken. Im Zeitalter zunehmend umfangreicheren Datenmengen über betriebliche Abläufe sowie Informationsbereitstellung in Echtzeit erscheint der Einsatz prädiktiver Methoden besonders vielversprechend. Im Rahmen dieses Beitrags wird ein Ansatz für ein Predictive-Monitoring-System (PMS) zur Identifikation von Störungswirkungen in der Produktionslogistik vorgestellt. Die Kernfunktion des Systems basiert auf künstlichen neuronalen Netzen.

Unexpectedly occurring logistical and production related disruptions are part of the day-to-day operations of companies and have a negative impact on their process of service provision. The predictive identification of potential disturbances in the form of an early warning can help to extend the action period for countermeasures so as to counteract the actual disruptive effect in good time. In the age of increasingly large amounts of data about operational processes as well as providing information in real time, the use of predictive methods seems particularly promising. This article presents an approach to a predictive monitoring system (PMS) for identifying disruptive effects in production logistics. The core function of the system is based on artificial neural networks.

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.