You are here: Home Proceedings
Document Actions

Proceedings

Anwendung von Support Vector Regression zur vorausschauenden Identifikation von Störungswirkungen in der Produktionslogistik

Application of support vector regression for the predictive identification of disruptive effects in production logistics

  1. Prof. Dr.-Ing. Nina Vojdani Lehrstuhl 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

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.

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.