You are here: Home Proceedings
Document Actions

Proceedings

Einsatzmöglichkeiten maschineller Lernverfahren in einer dezentral organisierten Lagerverwaltung auf Basis intelligenter Behälter

Applications of machine learning in a decentralized warehouse management based on intelligent bins

  1. M.Sc. Axel Krüger Lehrstuhl für Förder- und Lagerwesen, Fakultät Maschinenbau, Technische Universität Dortmund
  2. M.Sc. Felix Feldmann Lehrstuhl für Förder- und Lagerwesen, Fakultät Maschinenbau, Technische Universität Dortmund
  3. Prof. Dr. Markus Pauly Lehrstuhl für mathematische Statistik und industrielle Anwendungen, Fakultät Statistik, Technische Universität Dortmund
  4. Prof. Dr. Dr. h. c. Michael ten Hompel Lehrstuhl für Förder- und Lagerwesen, Fakultät Maschinenbau, Technische Universität Dortmund; Fraunhofer-Institut für Materialfluss und Logistik, Dortmund

Abstracts

Intelligente Behälter verfügen über verschiedene Sensoren, einen lokalen Speicher, eine eigene Recheneinheit sowie eine Energieversorgung und ermöglichen so eine dezentral organisierte Lagerverwaltung. Neben der reinen Lagerverwaltung ist für einen produktiven Einsatz in der Industrie und dem Handel eine intelligente Selbststeuerung und Koordination dieser Behälter notwendig. In diesem Beitrag werden zwei Konzepte vorgestellt, wie mittels maschineller Lernverfahren datenbasierte Verbesserungen sowohl für ein risikobasiertes Bestandsmanagement als auch für eine automatisierte Lagerplatzvergabe realisiert werden können.

Intelligent bins are equipped with various sensors, local memory, an own computing unit and energy supply. These bins can form a self-controlled, decentrally organized warehouse management. Besides the basic functionalities of a warehouse management system, such a system needs an intelligent self-control in order to match the requirements of industry and retail. We present two concepts, using machine learning for a data driven improvement of risk-based inventory management and of automated storage location assignment.

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.