Citation and metadata
Recommended citation
Feldhorst S, ten Hompel M (2016). Bewegungsklassifikation mithilfe mobiler Sensoren. Logistics Journal : Proceedings, Vol. 2016. (urn:nbn:de:0009-14-43561)
Download Citation
Endnote
%0 Journal Article %T Bewegungsklassifikation mithilfe mobiler Sensoren %A Feldhorst, Sascha %A ten Hompel, Michael %J Logistics Journal : Proceedings %D 2016 %V 2016 %N 05 %@ 2192-9084 %F feldhorst2016 %X In diesem Beitrag wird eine neue Methode zur Analyse des manuellen Kommissionierprozesses vorgestellt, mit der u. a. die Kommissionierzeitanteile automatisch erfasst werden können. Diese Methode basiert auf einer sensorgestützten Bewegungsklassifikation, wie sie bspw. im Sport oder in der Medizin Anwendung findet. Dabei werden mobile Sensoren genutzt, die fortlaufend Messwerte wie z. B. die Beschleunigung oder die Drehgeschwindigkeit des Kommissionierers aufzeichnen. Auf Basis dieser Daten können Informationen über die ausgeführten Bewegungen und insbesondere über die durchlaufenen Bewegungszustände gewonnen werden. Dieser Ansatz wird im vorliegenden Beitrag auf die Kommissionierung übertragen. Dazu werden zunächst Klassen relevanter Bewegungen identifiziert und anschließend mit Verfahren aus dem maschinellen Lernen verarbeitet. Die Klassifikation erfolgt nach dem Prinzip des überwachten Lernens. Dabei werden durchschnittliche Erkennungsraten von bis zu 78,94 Prozent erzielt. %L 620 %K Bewegungsklassifikation %K Kommissionieren %K Kommissionierung %K Kommissionierzeitanteile %K Maschinelles Lernen %K Mobile Sensoren %R 10.2195/lj_Proc_feldhorst_de_201605_01 %U http://nbn-resolving.de/urn:nbn:de:0009-14-43561 %U http://dx.doi.org/10.2195/lj_Proc_feldhorst_de_201605_01Download
Bibtex
@Article{feldhorst2016, author = "Feldhorst, Sascha and ten Hompel, Michael", title = "Bewegungsklassifikation mithilfe mobiler Sensoren", journal = "Logistics Journal : Proceedings", year = "2016", volume = "2016", number = "05", keywords = "Bewegungsklassifikation; Kommissionieren; Kommissionierung; Kommissionierzeitanteile; Maschinelles Lernen; Mobile Sensoren", abstract = "In diesem Beitrag wird eine neue Methode zur Analyse des manuellen Kommissionierprozesses vorgestellt, mit der u. a. die Kommissionierzeitanteile automatisch erfasst werden k{\"o}nnen. Diese Methode basiert auf einer sensorgest{\"u}tzten Bewegungsklassifikation, wie sie bspw. im Sport oder in der Medizin Anwendung findet. Dabei werden mobile Sensoren genutzt, die fortlaufend Messwerte wie z. B. die Beschleunigung oder die Drehgeschwindigkeit des Kommissionierers aufzeichnen. Auf Basis dieser Daten k{\"o}nnen Informationen {\"u}ber die ausgef{\"u}hrten Bewegungen und insbesondere {\"u}ber die durchlaufenen Bewegungszust{\"a}nde gewonnen werden. Dieser Ansatz wird im vorliegenden Beitrag auf die Kommissionierung {\"u}bertragen. Dazu werden zun{\"a}chst Klassen relevanter Bewegungen identifiziert und anschlie{\ss}end mit Verfahren aus dem maschinellen Lernen verarbeitet. Die Klassifikation erfolgt nach dem Prinzip des {\"u}berwachten Lernens. Dabei werden durchschnittliche Erkennungsraten von bis zu 78,94 Prozent erzielt.", issn = "2192-9084", doi = "10.2195/lj_Proc_feldhorst_de_201605_01", url = "http://nbn-resolving.de/urn:nbn:de:0009-14-43561" }Download
RIS
TY - JOUR AU - Feldhorst, Sascha AU - ten Hompel, Michael PY - 2016 DA - 2016// TI - Bewegungsklassifikation mithilfe mobiler Sensoren JO - Logistics Journal : Proceedings VL - 2016 IS - 05 KW - Bewegungsklassifikation KW - Kommissionieren KW - Kommissionierung KW - Kommissionierzeitanteile KW - Maschinelles Lernen KW - Mobile Sensoren AB - In diesem Beitrag wird eine neue Methode zur Analyse des manuellen Kommissionierprozesses vorgestellt, mit der u. a. die Kommissionierzeitanteile automatisch erfasst werden können. Diese Methode basiert auf einer sensorgestützten Bewegungsklassifikation, wie sie bspw. im Sport oder in der Medizin Anwendung findet. Dabei werden mobile Sensoren genutzt, die fortlaufend Messwerte wie z. B. die Beschleunigung oder die Drehgeschwindigkeit des Kommissionierers aufzeichnen. Auf Basis dieser Daten können Informationen über die ausgeführten Bewegungen und insbesondere über die durchlaufenen Bewegungszustände gewonnen werden. Dieser Ansatz wird im vorliegenden Beitrag auf die Kommissionierung übertragen. Dazu werden zunächst Klassen relevanter Bewegungen identifiziert und anschließend mit Verfahren aus dem maschinellen Lernen verarbeitet. Die Klassifikation erfolgt nach dem Prinzip des überwachten Lernens. Dabei werden durchschnittliche Erkennungsraten von bis zu 78,94 Prozent erzielt. SN - 2192-9084 UR - http://nbn-resolving.de/urn:nbn:de:0009-14-43561 DO - 10.2195/lj_Proc_feldhorst_de_201605_01 ID - feldhorst2016 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>feldhorst2016</b:Tag> <b:SourceType>ArticleInAPeriodical</b:SourceType> <b:Year>2016</b:Year> <b:PeriodicalTitle>Logistics Journal : Proceedings</b:PeriodicalTitle> <b:Volume>2016</b:Volume> <b:Issue>05</b:Issue> <b:Url>http://nbn-resolving.de/urn:nbn:de:0009-14-43561</b:Url> <b:Url>http://dx.doi.org/10.2195/lj_Proc_feldhorst_de_201605_01</b:Url> <b:Author> <b:Author><b:NameList> <b:Person><b:Last>Feldhorst</b:Last><b:First>Sascha</b:First></b:Person> <b:Person><b:Last>ten Hompel</b:Last><b:First>Michael</b:First></b:Person> </b:NameList></b:Author> </b:Author> <b:Title>Bewegungsklassifikation mithilfe mobiler Sensoren</b:Title> <b:Comments>In diesem Beitrag wird eine neue Methode zur Analyse des manuellen Kommissionierprozesses vorgestellt, mit der u. a. die Kommissionierzeitanteile automatisch erfasst werden können. Diese Methode basiert auf einer sensorgestützten Bewegungsklassifikation, wie sie bspw. im Sport oder in der Medizin Anwendung findet. Dabei werden mobile Sensoren genutzt, die fortlaufend Messwerte wie z. B. die Beschleunigung oder die Drehgeschwindigkeit des Kommissionierers aufzeichnen. Auf Basis dieser Daten können Informationen über die ausgeführten Bewegungen und insbesondere über die durchlaufenen Bewegungszustände gewonnen werden. Dieser Ansatz wird im vorliegenden Beitrag auf die Kommissionierung übertragen. Dazu werden zunächst Klassen relevanter Bewegungen identifiziert und anschließend mit Verfahren aus dem maschinellen Lernen verarbeitet. Die Klassifikation erfolgt nach dem Prinzip des überwachten Lernens. Dabei werden durchschnittliche Erkennungsraten von bis zu 78,94 Prozent erzielt.</b:Comments> </b:Source> </b:Sources>Download
ISI
PT Journal AU Feldhorst, S ten Hompel, M TI Bewegungsklassifikation mithilfe mobiler Sensoren SO Logistics Journal : Proceedings PY 2016 VL 2016 IS 05 DI 10.2195/lj_Proc_feldhorst_de_201605_01 DE Bewegungsklassifikation; Kommissionieren; Kommissionierung; Kommissionierzeitanteile; Maschinelles Lernen; Mobile Sensoren AB In diesem Beitrag wird eine neue Methode zur Analyse des manuellen Kommissionierprozesses vorgestellt, mit der u. a. die Kommissionierzeitanteile automatisch erfasst werden können. Diese Methode basiert auf einer sensorgestützten Bewegungsklassifikation, wie sie bspw. im Sport oder in der Medizin Anwendung findet. Dabei werden mobile Sensoren genutzt, die fortlaufend Messwerte wie z. B. die Beschleunigung oder die Drehgeschwindigkeit des Kommissionierers aufzeichnen. Auf Basis dieser Daten können Informationen über die ausgeführten Bewegungen und insbesondere über die durchlaufenen Bewegungszustände gewonnen werden. Dieser Ansatz wird im vorliegenden Beitrag auf die Kommissionierung übertragen. Dazu werden zunächst Klassen relevanter Bewegungen identifiziert und anschließend mit Verfahren aus dem maschinellen Lernen verarbeitet. Die Klassifikation erfolgt nach dem Prinzip des überwachten Lernens. Dabei werden durchschnittliche Erkennungsraten von bis zu 78,94 Prozent erzielt. ERDownload
Mods
<mods> <titleInfo> <title>Bewegungsklassifikation mithilfe mobiler Sensoren</title> </titleInfo> <name type="personal"> <namePart type="family">Feldhorst</namePart> <namePart type="given">Sascha</namePart> </name> <name type="personal"> <namePart type="family">ten Hompel</namePart> <namePart type="given">Michael</namePart> </name> <abstract>In diesem Beitrag wird eine neue Methode zur Analyse des manuellen Kommissionierprozesses vorgestellt, mit der u. a. die Kommissionierzeitanteile automatisch erfasst werden können. Diese Methode basiert auf einer sensorgestützten Bewegungsklassifikation, wie sie bspw. im Sport oder in der Medizin Anwendung findet. Dabei werden mobile Sensoren genutzt, die fortlaufend Messwerte wie z. B. die Beschleunigung oder die Drehgeschwindigkeit des Kommissionierers aufzeichnen. Auf Basis dieser Daten können Informationen über die ausgeführten Bewegungen und insbesondere über die durchlaufenen Bewegungszustände gewonnen werden. Dieser Ansatz wird im vorliegenden Beitrag auf die Kommissionierung übertragen. Dazu werden zunächst Klassen relevanter Bewegungen identifiziert und anschließend mit Verfahren aus dem maschinellen Lernen verarbeitet. Die Klassifikation erfolgt nach dem Prinzip des überwachten Lernens. Dabei werden durchschnittliche Erkennungsraten von bis zu 78,94 Prozent erzielt.</abstract> <subject> <topic>Bewegungsklassifikation</topic> <topic>Kommissionieren</topic> <topic>Kommissionierung</topic> <topic>Kommissionierzeitanteile</topic> <topic>Maschinelles Lernen</topic> <topic>Mobile 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>2016</number> </detail> <detail type="issue"> <number>05</number> </detail> <date>2016</date> </part> </relatedItem> <identifier type="issn">2192-9084</identifier> <identifier type="urn">urn:nbn:de:0009-14-43561</identifier> <identifier type="doi">10.2195/lj_Proc_feldhorst_de_201605_01</identifier> <identifier type="uri">http://nbn-resolving.de/urn:nbn:de:0009-14-43561</identifier> <identifier type="citekey">feldhorst2016</identifier> </mods>Download
Full Metadata
Bibliographic Citation | Logistics Journal : referierte Veröffentlichungen, Vol. 2016, Iss. 05 |
---|---|
Title |
Bewegungsklassifikation mithilfe mobiler Sensoren (ger) |
Author | Sascha Feldhorst, Michael ten Hompel |
Language | ger |
Abstract | In diesem Beitrag wird eine neue Methode zur Analyse des manuellen Kommissionierprozesses vorgestellt, mit der u. a. die Kommissionierzeitanteile automatisch erfasst werden können. Diese Methode basiert auf einer sensorgestützten Bewegungsklassifikation, wie sie bspw. im Sport oder in der Medizin Anwendung findet. Dabei werden mobile Sensoren genutzt, die fortlaufend Messwerte wie z. B. die Beschleunigung oder die Drehgeschwindigkeit des Kommissionierers aufzeichnen. Auf Basis dieser Daten können Informationen über die ausgeführten Bewegungen und insbesondere über die durchlaufenen Bewegungszustände gewonnen werden. Dieser Ansatz wird im vorliegenden Beitrag auf die Kommissionierung übertragen. Dazu werden zunächst Klassen relevanter Bewegungen identifiziert und anschließend mit Verfahren aus dem maschinellen Lernen verarbeitet. Die Klassifikation erfolgt nach dem Prinzip des überwachten Lernens. Dabei werden durchschnittliche Erkennungsraten von bis zu 78,94 Prozent erzielt. This constribution introduces a new methodology to analyze the manual order picking process in warehouses. The approach relies on a sensor-based motion classification which is already used in other domains like sports or medical science. Thereby, different sensor data, e. g. accelerations or rotation rates are continuously recorded during the order picking.With help of this data the motion can be analysed to identify different motion states. Therefore, this paper defines all relevant motion states within the order picking process. These states are part of a classification system which works with methodologies from the field of machine learning. The classification is done with a supervised learning approach which achieves an accuracy of up to 78,94 percent. |
Subject | Bewegungsklassifikation, Kommissionieren, Kommissionierung, Kommissionierzeitanteile, Maschinelles Lernen, Mobile Sensoren |
DDC | 620 |
Rights | fDPPL |
URN: | urn:nbn:de:0009-14-43561 |
DOI | https://doi.org/10.2195/lj_Proc_feldhorst_de_201605_01 |