You are here: Home Proceedings
Document Actions

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_01

Download

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.
ER

Download

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