You are here: Home → Proceedings
Document Actions

Proceedings

Methodik zur Temporären Analyse Logistischer Systeme auf Basis von Entfernungsdaten und Methoden der Prozessklassifizierung

Methodology for temporary analysis of logistic systems based on distance data and process classification methods

  1. M.Sc. Madlin Müller Professur für Technische Logistik, Institut für Technische Logistik und Arbeitssysteme, Technische Universität Dresden
  2. Dipl.-Ing. Mathias Kühn Professur für Technische Logistik, Institut für Technische Logistik und Arbeitssysteme, Technische Universität Dresden
  3. Prof. Dr.-Ing. habil. Thorsten Schmidt Professur für Technische Logistik, Institut für Technische Logistik und Arbeitssysteme, Technische Universität Dresden

Abstracts

In kleinen und mittleren Unternehmen (KMU) besteht für logistische Prozesse die Herausforderung einer unvollständigen Datenbasis. KMU können nur eingeschränkt auf verfügbaren Methoden zur Datengenerierung zurückgreifen. Manuelle Methoden erfordern einen hohen Ressourcenbedarf und die generierte Datenbasis ist ungenau und subjektiv. Tracking Systeme sind kostenintensiv, unflexibel und mit hohem Installationsaufwand verbunden. Um eine fundierte Datengrundlage zu schaffen, stehen für KMU derzeit keine geeigneten Methoden zur Verfügung. Aus diesen Gründen wird eine Methodik vorgestellt, die der Zielstellung unterliegt, eine KMU-gerechte Vorgehensweise zur effizienten, temporär durchführbaren Datenerhebung und -auswertung in Produktions- und Logistiksystemen als Basis zur Prozessanalyse und verbesserung zu entwickeln. Die Gesamtmethodik fokussiert die retrospektive Lokalisierung und Analyse von Materialflussobjekten. Die technologische Grundlage bilden auf Bluetooth Low Energy (BLE)-basierende Signalsender, sogenannte Beacons, und handelsübliche Smart Mobile Devices (SMD) als Empfänger, zwischen denen Entfernungsdaten gemessen und retrospektiv Bewegungsprofile abgeleitet werden. Im Entwicklungsfokus steht eine Software-basierte Methodik. Dafür stehen die Auswahl und Implementierung von Mustererkennungsverfahren zur automatischen Prozesserkennung sowie Verfahren zur Visualisierung von relativen Entfernungsdaten im Forschungsfokus.

Small and medium-sized enterprises (SMEs) face the challenge of a missing or incomplete database, especially for logistics processes. In addition, SMEs have only limited access to currently available methods for data acquisition. Manual methods usually requires a very large amount of resources and result in a limited database. Indoor tracking systems are costintensive, inflexible and require a high installation effort. There are currently no suitable methods available for SMEs to create a well-founded and reliable data basis. For these reasons, a methodology is presented which is subject to the objective of developing an SME-appropriate approach for efficient, temporarily feasible data collection and evaluation in production and logistics systems as a basis for process analysis and improvement.. The overall methodology focuses on the retrospective, event-based tracing and analysis of material flow objects. The technological basis are innovative BLE-based signal transmitters, so-called beacons, and commercially available Smart Mobile Devices (SMD) as receivers, between which distance data are measured and retrospectively derived movement profiles. As a basis for the interpretation of relative movements of transmitters and receivers based on the distance data, a modular software architecture is to be developed. The selection and implementation of pattern recognition methods for automatic process recognition as well as methods for the visualization of relative distance data are in the research focus.

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.