You are here: Home → Proceedings
Document Actions

Citation and metadata

Back to the article.

Recommended citation

Müller M, Kühn M, Schmidt T (2019). Methodik zur Temporären Analyse Logistischer Systeme auf Basis von Entfernungsdaten und Methoden der Prozessklassifizierung. Logistics Journal : Proceedings, Vol. 2019. (urn:nbn:de:0009-14-49769)

Download Citation

Endnote

%0 Journal Article
%T Methodik zur Temporären Analyse Logistischer Systeme auf Basis von Entfernungsdaten und Methoden der Prozessklassifizierung
%A Müller, Madlin
%A Kühn, Mathias
%A Schmidt, Thorsten
%J Logistics Journal : Proceedings
%D 2019
%V 2019
%N 12
%@ 2192-9084
%F müller2019
%X 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.
%L 620
%K Maschinelles Lernen
%K Prozessklassifizierung
%K RSSI
%K Retrospektive Lokalisierung
%K Signalaufbereitung
%R 10.2195/lj_Proc_mueller_de_201912_01
%U http://nbn-resolving.de/urn:nbn:de:0009-14-49769
%U http://dx.doi.org/10.2195/lj_Proc_mueller_de_201912_01
Download

Bibtex

@Article{müller2019,
  author = 	"M{\"u}ller, Madlin
		and K{\"u}hn, Mathias
		and Schmidt, Thorsten",
  title = 	"Methodik zur Tempor{\"a}ren Analyse Logistischer Systeme auf Basis von Entfernungsdaten und Methoden der Prozessklassifizierung",
  journal = 	"Logistics Journal : Proceedings",
  year = 	"2019",
  volume = 	"2019",
  number = 	"12",
  keywords = 	"Maschinelles Lernen; Prozessklassifizierung; RSSI; Retrospektive Lokalisierung; Signalaufbereitung",
  abstract = 	"In kleinen und mittleren Unternehmen (KMU) besteht f{\"u}r logistische Prozesse die Herausforderung einer unvollst{\"a}ndigen Datenbasis. KMU k{\"o}nnen nur eingeschr{\"a}nkt auf verf{\"u}gbaren Methoden zur Datengenerierung zur{\"u}ckgreifen. 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 f{\"u}r KMU derzeit keine geeigneten Methoden zur Verf{\"u}gung. Aus diesen Gr{\"u}nden wird eine Methodik vorgestellt, die der Zielstellung unterliegt, eine KMU-gerechte Vorgehensweise zur effizienten, tempor{\"a}r durchf{\"u}hrbaren 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 handels{\"u}bliche Smart Mobile Devices (SMD) als Empf{\"a}nger, zwischen denen Entfernungsdaten gemessen und retrospektiv Bewegungsprofile abgeleitet werden. Im Entwicklungsfokus steht eine Software-basierte Methodik. Daf{\"u}r stehen die Auswahl und Implementierung von Mustererkennungsverfahren zur automatischen Prozesserkennung sowie Verfahren zur Visualisierung von relativen Entfernungsdaten im Forschungsfokus.",
  issn = 	"2192-9084",
  doi = 	"10.2195/lj_Proc_mueller_de_201912_01",
  url = 	"http://nbn-resolving.de/urn:nbn:de:0009-14-49769"
}
Download

RIS

TY  - JOUR
AU  - Müller, Madlin
AU  - Kühn, Mathias
AU  - Schmidt, Thorsten
PY  - 2019
DA  - 2019//
TI  - Methodik zur Temporären Analyse Logistischer Systeme auf Basis von Entfernungsdaten und Methoden der Prozessklassifizierung
JO  - Logistics Journal : Proceedings
VL  - 2019
IS  - 12
KW  - Maschinelles Lernen
KW  - Prozessklassifizierung
KW  - RSSI
KW  - Retrospektive Lokalisierung
KW  - Signalaufbereitung
AB  - 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.
SN  - 2192-9084
UR  - http://nbn-resolving.de/urn:nbn:de:0009-14-49769
DO  - 10.2195/lj_Proc_mueller_de_201912_01
ID  - müller2019
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>müller2019</b:Tag>
<b:SourceType>ArticleInAPeriodical</b:SourceType>
<b:Year>2019</b:Year>
<b:PeriodicalTitle>Logistics Journal : Proceedings</b:PeriodicalTitle>
<b:Volume>2019</b:Volume>
<b:Issue>12</b:Issue>
<b:Url>http://nbn-resolving.de/urn:nbn:de:0009-14-49769</b:Url>
<b:Url>http://dx.doi.org/10.2195/lj_Proc_mueller_de_201912_01</b:Url>
<b:Author>
<b:Author><b:NameList>
<b:Person><b:Last>Müller</b:Last><b:First>Madlin</b:First></b:Person>
<b:Person><b:Last>Kühn</b:Last><b:First>Mathias</b:First></b:Person>
<b:Person><b:Last>Schmidt</b:Last><b:First>Thorsten</b:First></b:Person>
</b:NameList></b:Author>
</b:Author>
<b:Title>Methodik zur Temporären Analyse Logistischer Systeme auf Basis von Entfernungsdaten und Methoden der Prozessklassifizierung</b:Title>
<b:Comments>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.</b:Comments>
</b:Source>
</b:Sources>
Download

ISI

PT Journal
AU Müller, M
   Kühn, M
   Schmidt, T
TI Methodik zur Temporären Analyse Logistischer Systeme auf Basis von Entfernungsdaten und Methoden der Prozessklassifizierung
SO Logistics Journal : Proceedings
PY 2019
VL 2019
IS 12
DI 10.2195/lj_Proc_mueller_de_201912_01
DE Maschinelles Lernen; Prozessklassifizierung; RSSI; Retrospektive Lokalisierung; Signalaufbereitung
AB 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.
ER
Download

Mods

<mods>
  <titleInfo>
    <title>Methodik zur Temporären Analyse Logistischer Systeme auf Basis von Entfernungsdaten und Methoden der Prozessklassifizierung</title>
  </titleInfo>
  <name type="personal">
    <namePart type="family">Müller</namePart>
    <namePart type="given">Madlin</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Kühn</namePart>
    <namePart type="given">Mathias</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Schmidt</namePart>
    <namePart type="given">Thorsten</namePart>
  </name>
  <abstract>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.</abstract>
  <subject>
    <topic>Maschinelles Lernen</topic>
    <topic>Prozessklassifizierung</topic>
    <topic>RSSI</topic>
    <topic>Retrospektive Lokalisierung</topic>
    <topic>Signalaufbereitung</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>2019</number>
      </detail>
      <detail type="issue">
        <number>12</number>
      </detail>
      <date>2019</date>
    </part>
  </relatedItem>
  <identifier type="issn">2192-9084</identifier>
  <identifier type="urn">urn:nbn:de:0009-14-49769</identifier>
  <identifier type="doi">10.2195/lj_Proc_mueller_de_201912_01</identifier>
  <identifier type="uri">http://nbn-resolving.de/urn:nbn:de:0009-14-49769</identifier>
  <identifier type="citekey">müller2019</identifier>
</mods>
Download

Full Metadata

Bibliographic Citation Logistics Journal : referierte Veröffentlichungen, Vol. 2019, Iss. 12
Title

Methodik zur Temporären Analyse Logistischer Systeme auf Basis von Entfernungsdaten und Methoden der Prozessklassifizierung (ger)
Author Madlin Müller, Mathias Kühn, Thorsten Schmidt
Language ger
Abstract 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.
Subject Maschinelles Lernen, Prozessklassifizierung, RSSI, Retrospektive Lokalisierung, Signalaufbereitung
DDC 620
Rights fDPPL
URN: urn:nbn:de:0009-14-49769
DOI https://doi.org/10.2195/lj_Proc_mueller_de_201912_01