Daten in Produktion und Logistik

Sowohl in der Produktion als auch in der Logistik ist das Aufnehmen, Verarbeiten und Übertragen von Daten ein essentieller Bestandteil aller Prozesse neben dem eigentlichen Materialfluss. Dabei entstehen in den Unternehmen oft große Datenbestände, von denen oftmals nur kleine Teile für abgegrenzte Zwecke verwendet werden. Eine tiefer gehende Analyse dieser Daten und eine Zusammenführung und Verknüpfung verschiedener Datenbestände bietet die Möglichkeit, neue Erkenntnisse über die Auslegung und Steuerung von Produktions- und Logistiksystemen zu gewinnen.

Mit Methoden des Data Mining, der Clusteranalyse und des maschinellen Lernens lassen sich diese Datenbestände auswerten, entweder zu einmaligen Prozessoptimierungen, z.B. im Rahmen einer Neustrukturierung eines Produktionssystems oder zum dauerhaften Einsatz in Prozessen, z.B. durch die Nutzung verschiedenster interner Daten aus Produktion und Logistik zur Vorhersage von Störungen in den Prozessen.

Abbildung: Materialflusscluster in einem Produktionsnetzwerk

Im Fokus der Forschung der Arbeitsgruppe stehen insbesondere folgende Fragestellungen:

  • Auf Basis welcher bereits im Unternehmen vorhandenen Daten können Störungen in den Prozessen vorhergesagt werden und mit welchen Methoden kann dies optimal erreicht werden?
  • Mit welchen Methoden können Aufträge, Produktionsprozesse, Lieferanten, etc. in Risikogruppen eingeteilt werden, um die daran angeschlossenen Prozesse entsprechend der Risiken zu gestalten?
  • Wie können in einem Produktions- oder Logistiknetzwerk Cluster identifiziert werden, innerhalb derer ein höherer Grad an autonomer Steuerung zugelassen werden kann?

Ausgewählte Publikationen

  • Till Becker and Daniel Weimer (2014). Identification of Autonomous Structures in Dynamic Manufacturing Networks using Clustering Approaches. The Annual Cambridge International Manufacturing Symposium -- Capturing value from global networks: implications for manufacturing, supply chains and industrial policy ISBN 978-1-902546-45-2: [www] [BibTex]