Citation and metadata
Recommended citation
Vojdani N, Erichsen B (2019). Anwendung von Support Vector Regression zur vorausschauenden Identifikation von Störungswirkungen in der Produktionslogistik. Logistics Journal : Proceedings, Vol. 2019. (urn:nbn:de:0009-14-49790)
Download Citation
Endnote
%0 Journal Article %T Anwendung von Support Vector Regression zur vorausschauenden Identifikation von Störungswirkungen in der Produktionslogistik %A Vojdani, Nina %A Erichsen, Björn %J Logistics Journal : Proceedings %D 2019 %V 2019 %N 12 %@ 2192-9084 %F vojdani2019 %X Die Liefertermintreue ist eine der wichtigsten logistischen Kennzahlen. Diese hängt insbesondere bei produzierenden Unternehmen in hohem Maße von der Einhaltung geplanter Fertigstellungstermine ab. Unerwartet auftretende Störungen verursachen signifikante Abweichungen von geplanten Prozessabläufen und beinträchtigen somit die Einhaltung der Fertigstellungstermine. Der Einsatz von Frühwarnsystemen im Rahmen von betrieblichen Störungsmanagement kann dazu beitragen, potentielle Störungswirkungen frühzeitig zu identifizieren, um somit den Handlungszeitraum für adäquate Reaktionen auf Störungen zu verlängern. In diesem Beitrag wird daher die Untersuchung der Support Vector Regression (SVR) bezüglich der Anwendbarkeit und Einsatzfähigkeit zur Identifikation von Störungswirkungen in der Produktionslogistik vorgestellt. %L 620 %K Frühwarnung, Support Vector Regression, Störungswirkungen, Produktionslogistik %K Keywords, 3-max.5 (E): predictive Monitoring, Support Vector Regression, disruptive effects, production logistics %R 10.2195/lj_Proc_vojdani_de_201912_01 %U http://nbn-resolving.de/urn:nbn:de:0009-14-49790 %U http://dx.doi.org/10.2195/lj_Proc_vojdani_de_201912_01Download
Bibtex
@Article{vojdani2019, author = "Vojdani, Nina and Erichsen, Bj{\"o}rn", title = "Anwendung von Support Vector Regression zur vorausschauenden Identifikation von St{\"o}rungswirkungen in der Produktionslogistik", journal = "Logistics Journal : Proceedings", year = "2019", volume = "2019", number = "12", keywords = "Fr{\"u}hwarnung, Support Vector Regression, St{\"o}rungswirkungen, Produktionslogistik; Keywords, 3-max.5 (E): predictive Monitoring, Support Vector Regression, disruptive effects, production logistics", abstract = "Die Liefertermintreue ist eine der wichtigsten logistischen Kennzahlen. Diese h{\"a}ngt insbesondere bei produzierenden Unternehmen in hohem Ma{\ss}e von der Einhaltung geplanter Fertigstellungstermine ab. Unerwartet auftretende St{\"o}rungen verursachen signifikante Abweichungen von geplanten Prozessabl{\"a}ufen und beintr{\"a}chtigen somit die Einhaltung der Fertigstellungstermine. Der Einsatz von Fr{\"u}hwarnsystemen im Rahmen von betrieblichen St{\"o}rungsmanagement kann dazu beitragen, potentielle St{\"o}rungswirkungen fr{\"u}hzeitig zu identifizieren, um somit den Handlungszeitraum f{\"u}r ad{\"a}quate Reaktionen auf St{\"o}rungen zu verl{\"a}ngern. In diesem Beitrag wird daher die Untersuchung der Support Vector Regression (SVR) bez{\"u}glich der Anwendbarkeit und Einsatzf{\"a}higkeit zur Identifikation von St{\"o}rungswirkungen in der Produktionslogistik vorgestellt.", issn = "2192-9084", doi = "10.2195/lj_Proc_vojdani_de_201912_01", url = "http://nbn-resolving.de/urn:nbn:de:0009-14-49790" }Download
RIS
TY - JOUR AU - Vojdani, Nina AU - Erichsen, Björn PY - 2019 DA - 2019// TI - Anwendung von Support Vector Regression zur vorausschauenden Identifikation von Störungswirkungen in der Produktionslogistik JO - Logistics Journal : Proceedings VL - 2019 IS - 12 KW - Frühwarnung, Support Vector Regression, Störungswirkungen, Produktionslogistik KW - Keywords, 3-max.5 (E): predictive Monitoring, Support Vector Regression, disruptive effects, production logistics AB - Die Liefertermintreue ist eine der wichtigsten logistischen Kennzahlen. Diese hängt insbesondere bei produzierenden Unternehmen in hohem Maße von der Einhaltung geplanter Fertigstellungstermine ab. Unerwartet auftretende Störungen verursachen signifikante Abweichungen von geplanten Prozessabläufen und beinträchtigen somit die Einhaltung der Fertigstellungstermine. Der Einsatz von Frühwarnsystemen im Rahmen von betrieblichen Störungsmanagement kann dazu beitragen, potentielle Störungswirkungen frühzeitig zu identifizieren, um somit den Handlungszeitraum für adäquate Reaktionen auf Störungen zu verlängern. In diesem Beitrag wird daher die Untersuchung der Support Vector Regression (SVR) bezüglich der Anwendbarkeit und Einsatzfähigkeit zur Identifikation von Störungswirkungen in der Produktionslogistik vorgestellt. SN - 2192-9084 UR - http://nbn-resolving.de/urn:nbn:de:0009-14-49790 DO - 10.2195/lj_Proc_vojdani_de_201912_01 ID - vojdani2019 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>vojdani2019</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:0009-14-49790</b:Url> <b:Url>http://dx.doi.org/10.2195/lj_Proc_vojdani_de_201912_01</b:Url> <b:Author> <b:Author><b:NameList> <b:Person><b:Last>Vojdani</b:Last><b:First>Nina</b:First></b:Person> <b:Person><b:Last>Erichsen</b:Last><b:First>Björn</b:First></b:Person> </b:NameList></b:Author> </b:Author> <b:Title>Anwendung von Support Vector Regression zur vorausschauenden Identifikation von Störungswirkungen in der Produktionslogistik</b:Title> <b:Comments>Die Liefertermintreue ist eine der wichtigsten logistischen Kennzahlen. Diese hängt insbesondere bei produzierenden Unternehmen in hohem Maße von der Einhaltung geplanter Fertigstellungstermine ab. Unerwartet auftretende Störungen verursachen signifikante Abweichungen von geplanten Prozessabläufen und beinträchtigen somit die Einhaltung der Fertigstellungstermine. Der Einsatz von Frühwarnsystemen im Rahmen von betrieblichen Störungsmanagement kann dazu beitragen, potentielle Störungswirkungen frühzeitig zu identifizieren, um somit den Handlungszeitraum für adäquate Reaktionen auf Störungen zu verlängern. In diesem Beitrag wird daher die Untersuchung der Support Vector Regression (SVR) bezüglich der Anwendbarkeit und Einsatzfähigkeit zur Identifikation von Störungswirkungen in der Produktionslogistik vorgestellt.</b:Comments> </b:Source> </b:Sources>Download
ISI
PT Journal AU Vojdani, N Erichsen, B TI Anwendung von Support Vector Regression zur vorausschauenden Identifikation von Störungswirkungen in der Produktionslogistik SO Logistics Journal : Proceedings PY 2019 VL 2019 IS 12 DI 10.2195/lj_Proc_vojdani_de_201912_01 DE Frühwarnung, Support Vector Regression, Störungswirkungen, Produktionslogistik; Keywords, 3-max.5 (E): predictive Monitoring, Support Vector Regression, disruptive effects, production logistics AB Die Liefertermintreue ist eine der wichtigsten logistischen Kennzahlen. Diese hängt insbesondere bei produzierenden Unternehmen in hohem Maße von der Einhaltung geplanter Fertigstellungstermine ab. Unerwartet auftretende Störungen verursachen signifikante Abweichungen von geplanten Prozessabläufen und beinträchtigen somit die Einhaltung der Fertigstellungstermine. Der Einsatz von Frühwarnsystemen im Rahmen von betrieblichen Störungsmanagement kann dazu beitragen, potentielle Störungswirkungen frühzeitig zu identifizieren, um somit den Handlungszeitraum für adäquate Reaktionen auf Störungen zu verlängern. In diesem Beitrag wird daher die Untersuchung der Support Vector Regression (SVR) bezüglich der Anwendbarkeit und Einsatzfähigkeit zur Identifikation von Störungswirkungen in der Produktionslogistik vorgestellt. ERDownload
Mods
<mods> <titleInfo> <title>Anwendung von Support Vector Regression zur vorausschauenden Identifikation von Störungswirkungen in der Produktionslogistik</title> </titleInfo> <name type="personal"> <namePart type="family">Vojdani</namePart> <namePart type="given">Nina</namePart> </name> <name type="personal"> <namePart type="family">Erichsen</namePart> <namePart type="given">Björn</namePart> </name> <abstract>Die Liefertermintreue ist eine der wichtigsten logistischen Kennzahlen. Diese hängt insbesondere bei produzierenden Unternehmen in hohem Maße von der Einhaltung geplanter Fertigstellungstermine ab. Unerwartet auftretende Störungen verursachen signifikante Abweichungen von geplanten Prozessabläufen und beinträchtigen somit die Einhaltung der Fertigstellungstermine. Der Einsatz von Frühwarnsystemen im Rahmen von betrieblichen Störungsmanagement kann dazu beitragen, potentielle Störungswirkungen frühzeitig zu identifizieren, um somit den Handlungszeitraum für adäquate Reaktionen auf Störungen zu verlängern. In diesem Beitrag wird daher die Untersuchung der Support Vector Regression (SVR) bezüglich der Anwendbarkeit und Einsatzfähigkeit zur Identifikation von Störungswirkungen in der Produktionslogistik vorgestellt.</abstract> <subject> <topic>Frühwarnung, Support Vector Regression, Störungswirkungen, Produktionslogistik</topic> <topic>Keywords, 3-max.5 (E): predictive Monitoring, Support Vector Regression, disruptive effects, production logistics</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:0009-14-49790</identifier> <identifier type="doi">10.2195/lj_Proc_vojdani_de_201912_01</identifier> <identifier type="uri">http://nbn-resolving.de/urn:nbn:de:0009-14-49790</identifier> <identifier type="citekey">vojdani2019</identifier> </mods>Download
Full Metadata
Bibliographic Citation | Logistics Journal : referierte Veröffentlichungen, Vol. 2019, Iss. 12 |
---|---|
Title |
Anwendung von Support Vector Regression zur vorausschauenden Identifikation von Störungswirkungen in der Produktionslogistik (ger) |
Author | Nina Vojdani, Björn Erichsen |
Language | ger |
Abstract | Die Liefertermintreue ist eine der wichtigsten logistischen Kennzahlen. Diese hängt insbesondere bei produzierenden Unternehmen in hohem Maße von der Einhaltung geplanter Fertigstellungstermine ab. Unerwartet auftretende Störungen verursachen signifikante Abweichungen von geplanten Prozessabläufen und beinträchtigen somit die Einhaltung der Fertigstellungstermine. Der Einsatz von Frühwarnsystemen im Rahmen von betrieblichen Störungsmanagement kann dazu beitragen, potentielle Störungswirkungen frühzeitig zu identifizieren, um somit den Handlungszeitraum für adäquate Reaktionen auf Störungen zu verlängern. In diesem Beitrag wird daher die Untersuchung der Support Vector Regression (SVR) bezüglich der Anwendbarkeit und Einsatzfähigkeit zur Identifikation von Störungswirkungen in der Produktionslogistik vorgestellt. On time delivery performance is one of the most important logistic indicators. In particular, for producing companies the on-time delivery performance depends to a high degree on the fulfillment of planned completion dates. Unexpected disruptions cause significant deviations from planned processes and thus impair the compliance with the completion dates. The use of early warning systems in the context of operational disruption management can help to identify potential disruptive effects at an early stage in order to extend the action period for adequate reactions to disruptions. Therefore, in this paper the study of support vector regression (SVR) with regard to applicability and operational capability for the identification of disruptive effects in production logistics is presented. |
Subject | Frühwarnung, Support Vector Regression, Störungswirkungen, Produktionslogistik, Keywords, 3-max.5 (E): predictive Monitoring, Support Vector Regression, disruptive effects, production logistics |
DDC | 620 |
Rights | fDPPL |
URN: | urn:nbn:de:0009-14-49790 |
DOI | https://doi.org/10.2195/lj_Proc_vojdani_de_201912_01 |