SpringerLink
Log in

Lernverfahren der Künstlichen Intelligenz zur Inwertsetzung von Daten: Automatisierte Erkennung und Prognose

  • Chapter
  • First Online:
Silicon Economy

  • 4803 Accesses

Zusammenfassung

Mit Silicon Economy wird das kommende föderale Plattformen-Ökosystem einer durchgängig digitalisierten und datengetriebenen Logistik beschrieben. Vor diesem Hintergrund befasst sich der vorliegende Beitrag unter zwei zentralen Fragestellungen mit dem Inhalt der Daten dieser Silicon Economy. Auf zwei Use Cases, einem aus dem Bereich des Supply Chain Managements und einem aus der Intralogistik, werden statistische Methoden und Verfahren des maschinellen Lernens angewendet. Potenziale der Methoden werden aufgezeigt und hiermit Forschungsfragen in den Use Cases selber aber insbesondere auch eine übergreifende Betrachtung und Harmonisierung von Modellen und Daten motiviert.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution

Subscribe and save

Springer+ Basic
EUR 32.99 /Month
  • Get 10 units per month
  • Download Article/Chapter or Ebook
  • 1 Unit = 1 Article or 1 Chapter
  • Cancel anytime
Subscribe now

Buy Now

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 69.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover + eBook
USD 89.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free ship** worldwide - see info
  • Available as EPUB and PDF

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Similar content being viewed by others

Literatur

  1. Huang H, Pouls M, Meyer A, Pauly M (2020) Travel time prediction using tree-based ensembles. In: Lalla-Ruiz, E, Mes, M, Voß, S (Hrsg) Computational logistics: 11th International Conference, ICCL 2020, Enschede, The Netherlands, September 28–30, 2020, Proceedings, S 412–427

    Google Scholar 

  2. Kleiber C, Zeileis A (2008) Applied econometrics with R. Springer

    Google Scholar 

  3. Hyndman RJ, Athanasopoulos G, Bergmeir C, Caceres G, Chhay L, O’Hara-Wild M, Petropoulos F, Razbash S, Wang E, Yasmeen F (2020) forecast: Forecasting functions for time series and linear models. R package version 8.13. https://pkg.robjhyndman.com/forecast/

  4. Hyndman RJ, Khandakar Y (2008) Automatic time series forecasting: the forecast package for R. J Stat Softw 26(3):1–22. https://www.jstatsoft.org/article/view/v027i03

  5. McCulloch CE, Searle SR (2001) Generalized, linear, and mixed models. Wiley

    Google Scholar 

  6. Kuznetsova A, Brockhoff PB, Christensen RHB (2017) lmerTest package: Tests in linear mixed effects models. J Stat Softw 82(13):1–26. https://doi.org/10.18637/jss.v082.i13

    Article  Google Scholar 

  7. Hastie T, Tibshirani R, Friedman J (2009) Elements of statistical learning: Data mining, inference, and prediction. Springer

    Google Scholar 

  8. Wright MN, Ziegler A (2017) ranger: A fast implementation of Random Forests for high dimensional data in C++ and R. J Stat Softw 77(1):1–17. https://doi.org/10.18637/jss.v077.i01

    Article  Google Scholar 

  9. Cressie NAC (1993) Statistics for spatial data. Wiley series in probability and mathematical statistics

    Google Scholar 

  10. Roustant O, Ginsbourger D, Deville Y (2012) DiceKriging, DiceOptim: Two R packages for the analysis of computer experiments by Kriging-based metamodeling and optimization. J Stat Softw 51(1):1–55. https://www.jstatsoft.org/v51/i01/

  11. Kübler A, Distel S, Veres-Homm U (2015) Logistikbeschäftigung in Deutschland: Vermessung, Bedeutung und Struktur. Fraunhofer, Stuttgart

    Google Scholar 

  12. Tompkins JA, White YA, Bozer EH, Tanchoco JMA (2010) Facilities planning, 4th ed. Wiley, Hoboken, NJ

    Google Scholar 

  13. Richards G (2014) Warehouse management: A complete guide to improving efficiency and minimizing costs in the modern warehouse. Kogan Page, London

    Google Scholar 

  14. Grosse EH, Glock CH, Neumann WP (2017) Human factors in order picking: A content analysis of the literature. Int J Prod Res 55(5):1260–1276. https://doi.org/10.1080/00207543.2016.1186296

    Article  Google Scholar 

  15. Franzke T (2018) Der Mensch als Faktor in der manuellen Kommissionierung: Eine simulationsbasierte Analyse der Effizienz in Person-zur-Ware-Kommissioniersystemen. Springer Gabler. OCLC: 1015351983

    Google Scholar 

  16. 2016 Warehouse/DC Operations Survey: Ready to Confront Complexity. https://www.logisticsmgmt.com/article/2016_warehouse_dc_operations_survey_ready_to_confront_complexity, shorttitle = 2016 Warehouse/DC Operations Survey, note = accessed on 2020–03–20, date = 2016

  17. Schlögl D, Zsifkovits H (2016) Manuelle Kommissioniersysteme und die Rolle des Menschen. Berg Huettenmaenn Monatsh 161, S 225–228. https://doi.org/10.1007/s00501-016-0481-7

  18. Mester J, Wahl F (2019) Robotik in der Intralogistik – Ein Projekt der Unternehmen Fiege und Magazino. In: Göpfert I (Hrsg) Logistik der Zukunft – Logistics for the future. Springer Fachmedien Wiesbaden, Wiesbaden, S 199–211

    Chapter  Google Scholar 

  19. Hirsch-Kreinsen H, Karačić A (2018) Logistikarbeit in der digitalen Wertschöpfung: Perspektiven und Herausforderungen für Arbeit durch technologische Erneuerungen. Tagungsband zur gleichnamigen Veranstaltung am 5. Oktober 2017

    Google Scholar 

  20. Böving H, Glaß E, Haberzeth E, Umbach S (2019) Digitalisierte Arbeit und menschliche Initiative. Empirische Analysen aus Logistik und Einzelhandel. In: Dobischat R, Käpplinger B, Molzberger G, Münk D (Hrsg) Bildung 2.1 für Arbeit 4.0?. Bd 6, Springer Fachmedien Wiesbaden, Wiesbaden, S 141–160

    Google Scholar 

  21. Wischmann S, Hartmann EA (2018) Zukunft der Arbeit in Industrie 4.0 – Szenarien aus Forschungs- und Entwicklungsprojekten. In: Wischmann S, Hartmann EA (Hrsg) Zukunft der Arbeit – Eine praxisnahe Betrachtung. Springer, Berlin, Heidelberg, S 1–7

    Google Scholar 

  22. Schlick C, Bruder R, Luczak H (2018) Arbeitswirtschaft. In: Schlick C, Bruder R, Luczak H (Hrsg) Arbeitswissenschaft. Springer, S 551–601. ISBN: 978-3-662-56037-2. https://doi.org/10.1007/978-3-662-56037-2_7

  23. Lotter B, Deuse J, Lotter E (2016) Die Primäre Produktion: Ein praktischer Leitfaden zur verlustfreien Wertschöpfung. 1. Aufl. 2016 ed.; VDI-Buch, Springer Berlin. OCLC: 964673228

    Google Scholar 

  24. Heinz K, Jehle E, Mönig M, Schütze A, Willeke M (1997) Prozeßkostenrechnung für die Logistik kleiner und mittlerer Unternehmen – Methodik und Fallbeispiele. Betriebsmanagement, Verl. Praxiswissen. OCLC: 722949706

    Google Scholar 

  25. Sadowsky V (2007) Beitrag zur analytischen Leistungsermittlung von Kommissioniersystemen, Verl. Praxiswissen, Dortmund

    Google Scholar 

  26. REFA-Time Study. https://refa.de/en/Int.-global-consulting/time-studies. Accessed on 2021–01–19.

  27. MTM – Methods-Time Measurement: MTM. https://mtm.org/en/about-mtm/mtm. Accessed on 2021–01–19.

  28. REFA (1978) Verband für Arbeitsstudien und Betriebsorganisation: Methodenlehre des Arbeitsstudiums: Teil 2 – Datenermittlung. Hanser, München

    Google Scholar 

  29. Krengel M, Schmauder M, Schmidt T, Turek K (2010) Beschreibung der Dynamik manueller Operationen in logistischen Systemen, Dresden, Schlussbericht

    Google Scholar 

  30. Menolotto M, Komaris DS, Tedesco S, O’Flynn B, Walsh M. (2020) Motion capture technology in industrial applications: A systematic review. Sensors 20:5687. https://doi.org/10.3390/s20195687

  31. Reining C, Niemann F, Moya Rueda F, Fink GA, ten Hompel M (2019) Human activity recognition for production and logistics – a systematic literature review. Information 10:245. https://doi.org/10.3390/info10080245

  32. Feldhorst S, Masoudenijad M, ten Hompel M, Fink GA (2016) Motion classification for analyzing the order picking process using mobile sensors – general concepts, case studies and empirical evaluation. In: Proceedings of the 5th International Conference on Pattern Recognition Applications and Methods – ICPRAM, S 706–713. https://doi.org/10.5220/0005828407060713

  33. Moya Rueda F, Grzeszick R, Fink GA, Feldhorst S, ten Hompel M. (2018) Convolutional neural networks for human activity recognition using body-worn sensors. Informatics 5:26. https://doi.org/10.3390/informatics5020026

  34. Reining C, Schlangen M, Hissmann L, ten Hompel M, Moya F, Fink GA (2018) Attribute representation for human activity recognition of manual order picking activities. In: Proc. of the 5th Int. workshop on sensor-based activity recognition and interaction – iWOAR ’18. ACM Press, S 1–10. https://doi.org/10.1145/3266157.3266214

  35. Niemann F, Reining C, Moya Rueda F, Nair NR, Steffens JA, Fink GA, ten Hompel M (2020) LARa: Creating a dataset for human activity recognition in logistics using semantic attributes. Sensors 20:4083. https://doi.org/10.3390/s20154083

    Article  Google Scholar 

  36. Niemann F, Reining C, Moya Rueda F, Altermann E, Nair NR, Steffens JA, Fink GA, ten Hompel M (2020) Logistic Activity Recognition Challenge (LARa) – a motion capture and inertial measurement dataset. Accessed on 01 June 2020, https://doi.org/10.5281/zenodo.3862782

  37. Venkatapathy AKR, Bayhan H, Zeidler F, ten Hompel M (2017) Human machine synergies in intra-logistics: Creating a hybrid network for research and technologies. In: Federated Conf. on Computer Science and Information Systems (FedCSIS), S 1065–1068. https://doi.org/10.15439/2017F253

  38. Reining C, Moya Rueda F, Niemann F, Fink GA, ten Hompel M. Annotation performance for multi-channel time series HAR Dataset in Logistics. In: 2020 IEEE international conference on pervasive computing and communications workshops (PerCom Workshops), Austin, TX, USA, März 2020, S 1–6. https://doi.org/10.1109/PerComWorkshops48775.2020.9156170

  39. Moya Rueda F, Fink GA (2018) Learning attribute representation for human activity recognition. In: 2018 24th International conference on pattern recognition (ICPR). IEEE, S 523–528

    Google Scholar 

  40. Reining C, Moya Rueda F, Fink GA, ten Hompel M (2018) Towards a framework for semi-automated annotation of human order picking activities using motion capturing. In: Proceedings of the 2018 federated conference on computer science and information systems, S 817-821. https://doi.org/10.15439/2018F188

  41. Avsar H, Altermann E, Reining C, Moya Rueda F, Fink GA, ten Hompel M. Benchmarking annotation procedures for multi-channel time series HAR dataset. In: 2021 IEEE international conference on pervasive computing and communications (PerCom), Kassel, Germany, März 2021, Status: akzeptiert

    Google Scholar 

  42. Dey AK (2001) Understanding and using context. Personal and Ubiquitous Computing 5: 4–7. https://doi.org/10.1007/s007790170019

Download references

Author information

Authors and Affiliations

  1. Fakultät Statistik, TU Dortmund, Dortmund, Deutschland

    Katja Ickstadt, Markus Pauly, Swetlana Herbrandt, Friedrich Niemann, Michael Henke & Michael ten Hompel

  2. Fraunhofer-Institut für Materialfluss und Logistik IML, Dortmund, Deutschland

    Marco Motta, Nikolas Moroff, Michael Henke & Michael ten Hompel

Authors
  1. Katja Ickstadt
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Markus Pauly
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Marco Motta
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Swetlana Herbrandt
    View author publications

    You can also search for this author in PubMed Google Scholar

  5. Nikolas Moroff
    View author publications

    You can also search for this author in PubMed Google Scholar

  6. Friedrich Niemann
    View author publications

    You can also search for this author in PubMed Google Scholar

  7. Michael Henke
    View author publications

    You can also search for this author in PubMed Google Scholar

  8. Michael ten Hompel
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Katja Ickstadt .

Editor information

Editors and Affiliations

  1. Fraunhofer-Institut für Materialfluss und Logistik, Dortmund, Nordrhein-Westfalen, Deutschland

    Michael ten Hompel

  2. Fraunhofer-Institut für Materialfluss und Logistik, Dortmund, Nordrhein-Westfalen, Deutschland

    Michael Henke

  3. Fraunhofer-Institut für Software- und Systemtechnik ISST, Dortmund, Nordrhein-Westfalen, Deutschland

    Boris Otto

Rights and permissions

Reprints and permissions

Copyright information

© 2022 Der/die Autor(en), exklusiv lizenziert durch Springer-Verlag GmbH, DE, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Ickstadt, K. et al. (2022). Lernverfahren der Künstlichen Intelligenz zur Inwertsetzung von Daten: Automatisierte Erkennung und Prognose. In: ten Hompel, M., Henke, M., Otto, B. (eds) Silicon Economy . Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-63956-6_11

Download citation

  • DOI: https://doi.org/10.1007/978-3-662-63956-6_11

  • Published:

  • Publisher Name: Springer Vieweg, Berlin, Heidelberg

  • Print ISBN: 978-3-662-63955-9

  • Online ISBN: 978-3-662-63956-6

  • eBook Packages: Computer Science and Engineering (German Language)

Publish with us

Policies and ethics

Search

Navigation