You are here: Home Proceedings
Document Actions

Citation and metadata

Recommended citation

Wei F, Noche B (2019). Ein Status Management System mit Nutzung von synthetischen Sensoren. Logistics Journal : Proceedings, Vol. 2019. (urn:nbn:de:0009-14-49717)

Download Citation

Endnote

%0 Journal Article
%T Ein Status Management System mit Nutzung von synthetischen Sensoren
%A Wei, Fuyin
%A Noche, Bernd
%J Logistics Journal : Proceedings
%D 2019
%V 2019
%N 12
%@ 2192-9084
%F wei2019
%X Die Nutzung der Digitalisierung im Bereich der Logistik beschränkt sich bisher häufig auf Anwendungen im Bereich von Verwaltungs- bzw. Managementsystemen. Auf einer eher operativen Ebene sind dagegen nur relativ wenige Einsatzfälle bekannt, insbesondere dann, wenn es um die Erfassung und Unterstützung manueller Abläufe geht. Dabei bieten neue Technologien wie synthetische Sensor-Systeme oder maschinelles Lernen vielfältige Möglichkeiten, die Zustände, Bewegungen und Prozesse auf der Produktions- und Logistikfläche zu verfolgen und zu protokollieren. Die automatische Echtzeitdatensammlung und Datenanalyse über die Umgebungs- und Leistungskennzahlen auf Logistikflächen gewinnt zunehmend an Bedeutung, da sie die Basis für Aktionen und Entscheidungen liefert.
%L 620
%K Echtzeitdatenanalyse
%K Event-Erkennung
%K Maschinelles Lernen
%K Status Management System
%K synthetische Sensoren
%R 10.2195/lj_Proc_wei_de_201912_01
%U http://nbn-resolving.de/urn:nbn:de:0009-14-49717
%U http://dx.doi.org/10.2195/lj_Proc_wei_de_201912_01

Download

Bibtex

@Article{wei2019,
  author = 	"Wei, Fuyin
		and Noche, Bernd",
  title = 	"Ein Status Management System mit Nutzung von synthetischen Sensoren",
  journal = 	"Logistics Journal : Proceedings",
  year = 	"2019",
  volume = 	"2019",
  number = 	"12",
  keywords = 	"Echtzeitdatenanalyse; Event-Erkennung; Maschinelles Lernen; Status Management System; synthetische Sensoren",
  abstract = 	"Die Nutzung der Digitalisierung im Bereich der Logistik beschr{\"a}nkt sich bisher h{\"a}ufig auf Anwendungen im Bereich von Verwaltungs- bzw. Managementsystemen. Auf einer eher operativen Ebene sind dagegen nur relativ wenige Einsatzf{\"a}lle bekannt, insbesondere dann, wenn es um die Erfassung und Unterst{\"u}tzung manueller Abl{\"a}ufe geht. Dabei bieten neue Technologien wie synthetische Sensor-Systeme oder maschinelles Lernen vielf{\"a}ltige M{\"o}glichkeiten, die Zust{\"a}nde, Bewegungen und Prozesse auf der Produktions- und Logistikfl{\"a}che zu verfolgen und zu protokollieren. Die automatische Echtzeitdatensammlung und Datenanalyse {\"u}ber die Umgebungs- und Leistungskennzahlen auf Logistikfl{\"a}chen gewinnt zunehmend an Bedeutung, da sie die Basis f{\"u}r Aktionen und Entscheidungen liefert.",
  issn = 	"2192-9084",
  doi = 	"10.2195/lj_Proc_wei_de_201912_01",
  url = 	"http://nbn-resolving.de/urn:nbn:de:0009-14-49717"
}

Download

RIS

TY  - JOUR
AU  - Wei, Fuyin
AU  - Noche, Bernd
PY  - 2019
DA  - 2019//
TI  - Ein Status Management System mit Nutzung von synthetischen Sensoren
JO  - Logistics Journal : Proceedings
VL  - 2019
IS  - 12
KW  - Echtzeitdatenanalyse
KW  - Event-Erkennung
KW  - Maschinelles Lernen
KW  - Status Management System
KW  - synthetische Sensoren
AB  - Die Nutzung der Digitalisierung im Bereich der Logistik beschränkt sich bisher häufig auf Anwendungen im Bereich von Verwaltungs- bzw. Managementsystemen. Auf einer eher operativen Ebene sind dagegen nur relativ wenige Einsatzfälle bekannt, insbesondere dann, wenn es um die Erfassung und Unterstützung manueller Abläufe geht. Dabei bieten neue Technologien wie synthetische Sensor-Systeme oder maschinelles Lernen vielfältige Möglichkeiten, die Zustände, Bewegungen und Prozesse auf der Produktions- und Logistikfläche zu verfolgen und zu protokollieren. Die automatische Echtzeitdatensammlung und Datenanalyse über die Umgebungs- und Leistungskennzahlen auf Logistikflächen gewinnt zunehmend an Bedeutung, da sie die Basis für Aktionen und Entscheidungen liefert.
SN  - 2192-9084
UR  - http://nbn-resolving.de/urn:nbn:de:0009-14-49717
DO  - 10.2195/lj_Proc_wei_de_201912_01
ID  - wei2019
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>wei2019</b:Tag>
<b:SourceType>ArticleInAPeriodical</b:SourceType>
<b:Year>2019</b:Year>
<b:PeriodicalTitle>Logistics Journal : Proceedings</b:PeriodicalTitle>
<b:Volume>2019</b:Volume>
<b:Issue>12</b:Issue>
<b:Url>http://nbn-resolving.de/urn:nbn:de:0009-14-49717</b:Url>
<b:Url>http://dx.doi.org/10.2195/lj_Proc_wei_de_201912_01</b:Url>
<b:Author>
<b:Author><b:NameList>
<b:Person><b:Last>Wei</b:Last><b:First>Fuyin</b:First></b:Person>
<b:Person><b:Last>Noche</b:Last><b:First>Bernd</b:First></b:Person>
</b:NameList></b:Author>
</b:Author>
<b:Title>Ein Status Management System mit Nutzung von synthetischen Sensoren</b:Title>
<b:Comments>Die Nutzung der Digitalisierung im Bereich der Logistik beschränkt sich bisher häufig auf Anwendungen im Bereich von Verwaltungs- bzw. Managementsystemen. Auf einer eher operativen Ebene sind dagegen nur relativ wenige Einsatzfälle bekannt, insbesondere dann, wenn es um die Erfassung und Unterstützung manueller Abläufe geht. Dabei bieten neue Technologien wie synthetische Sensor-Systeme oder maschinelles Lernen vielfältige Möglichkeiten, die Zustände, Bewegungen und Prozesse auf der Produktions- und Logistikfläche zu verfolgen und zu protokollieren. Die automatische Echtzeitdatensammlung und Datenanalyse über die Umgebungs- und Leistungskennzahlen auf Logistikflächen gewinnt zunehmend an Bedeutung, da sie die Basis für Aktionen und Entscheidungen liefert.</b:Comments>
</b:Source>
</b:Sources>
Download

ISI

PT Journal
AU Wei, F
   Noche, B
TI Ein Status Management System mit Nutzung von synthetischen Sensoren
SO Logistics Journal : Proceedings
PY 2019
VL 2019
IS 12
DI 10.2195/lj_Proc_wei_de_201912_01
DE Echtzeitdatenanalyse; Event-Erkennung; Maschinelles Lernen; Status Management System; synthetische Sensoren
AB Die Nutzung der Digitalisierung im Bereich der Logistik beschränkt sich bisher häufig auf Anwendungen im Bereich von Verwaltungs- bzw. Managementsystemen. Auf einer eher operativen Ebene sind dagegen nur relativ wenige Einsatzfälle bekannt, insbesondere dann, wenn es um die Erfassung und Unterstützung manueller Abläufe geht. Dabei bieten neue Technologien wie synthetische Sensor-Systeme oder maschinelles Lernen vielfältige Möglichkeiten, die Zustände, Bewegungen und Prozesse auf der Produktions- und Logistikfläche zu verfolgen und zu protokollieren. Die automatische Echtzeitdatensammlung und Datenanalyse über die Umgebungs- und Leistungskennzahlen auf Logistikflächen gewinnt zunehmend an Bedeutung, da sie die Basis für Aktionen und Entscheidungen liefert.
ER

Download

Mods

<mods>
  <titleInfo>
    <title>Ein Status Management System mit Nutzung von synthetischen Sensoren</title>
  </titleInfo>
  <name type="personal">
    <namePart type="family">Wei</namePart>
    <namePart type="given">Fuyin</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Noche</namePart>
    <namePart type="given">Bernd</namePart>
  </name>
  <abstract>Die Nutzung der Digitalisierung im Bereich der Logistik beschränkt sich bisher häufig auf Anwendungen im Bereich von Verwaltungs- bzw. Managementsystemen. Auf einer eher operativen Ebene sind dagegen nur relativ wenige Einsatzfälle bekannt, insbesondere dann, wenn es um die Erfassung und Unterstützung manueller Abläufe geht. Dabei bieten neue Technologien wie synthetische Sensor-Systeme oder maschinelles Lernen vielfältige Möglichkeiten, die Zustände, Bewegungen und Prozesse auf der Produktions- und Logistikfläche zu verfolgen und zu protokollieren. Die automatische Echtzeitdatensammlung und Datenanalyse über die Umgebungs- und Leistungskennzahlen auf Logistikflächen gewinnt zunehmend an Bedeutung, da sie die Basis für Aktionen und Entscheidungen liefert.</abstract>
  <subject>
    <topic>Echtzeitdatenanalyse</topic>
    <topic>Event-Erkennung</topic>
    <topic>Maschinelles Lernen</topic>
    <topic>Status Management System</topic>
    <topic>synthetische Sensoren</topic>
  </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>2019</number>
      </detail>
      <detail type="issue">
        <number>12</number>
      </detail>
      <date>2019</date>
    </part>
  </relatedItem>
  <identifier type="issn">2192-9084</identifier>
  <identifier type="urn">urn:nbn:de:0009-14-49717</identifier>
  <identifier type="doi">10.2195/lj_Proc_wei_de_201912_01</identifier>
  <identifier type="uri">http://nbn-resolving.de/urn:nbn:de:0009-14-49717</identifier>
  <identifier type="citekey">wei2019</identifier>
</mods>
Download

Full Metadata