Proceedings
Ein Ansatz für ein Predictive-Monitoring-System zur Identifikation von Störungswirkungen in der Produktionslogistik mittels künstlichen neuronalen Netzen
An approach for a predictive monitoring system for the identification of disruptive effects in production logistics using artificial neural networks
-
Prof. Dr.-Ing.
Nina Vojdani
Lehrstuhl für Produktionsorganisation und Logistik, Fakultät für Maschinenbau und Schiffstechnik, Universität Rostock
-
M.Sc.
Björn Erichsen
Lehrstuhl Produktionsorganisation und Logistik, Fakultät für Maschinenbau und Schiffstechnik, Universität Rostock
Abstracts
Unerwartet auftretende logistische und produktionsbezogene Störungen gehören zum betrieblichen Alltag von Unternehmen und wirken sich negativ auf deren Prozess der Leistungserstellung aus. Die prädiktive Identifikation von potentiellen Störungen kann in Form einer Frühwarnung dazu beitragen den Handlungszeitraum für Gegenmaßnahmen zu verlängern, um somit der eigentlichen Störungswirkung rechtzeitig entgegenzuwirken. Im Zeitalter zunehmend umfangreicheren Datenmengen über betriebliche Abläufe sowie Informationsbereitstellung in Echtzeit erscheint der Einsatz prädiktiver Methoden besonders vielversprechend. Im Rahmen dieses Beitrags wird ein Ansatz für ein Predictive-Monitoring-System (PMS) zur Identifikation von Störungswirkungen in der Produktionslogistik vorgestellt. Die Kernfunktion des Systems basiert auf künstlichen neuronalen Netzen.
Unexpectedly occurring logistical and production related disruptions are part of the day-to-day operations of companies and have a negative impact on their process of service provision. The predictive identification of potential disturbances in the form of an early warning can help to extend the action period for countermeasures so as to counteract the actual disruptive effect in good time. In the age of increasingly large amounts of data about operational processes as well as providing information in real time, the use of predictive methods seems particularly promising. This article presents an approach to a predictive monitoring system (PMS) for identifying disruptive effects in production logistics. The core function of the system is based on artificial neural networks.
Keywords
Recommended citation
¶
Vojdani N, Erichsen B (2018). Ein Ansatz für ein Predictive-Monitoring-System zur Identifikation von Störungswirkungen in der Produktionslogistik mittels künstlichen neuronalen Netzen. Logistics Journal : Proceedings, Vol. 2018. (urn:nbn:de:0009-14-47375)
Please provide the exact URL and date of your last visit when citing this article.
Number of citations
Visit Google Scholar to find out, how often this paper is cited.