KI-Kanban-Behälter: Mobile, dezentrale Logistikdatenerfassung mittels Edge-ML

Alexander Rokoss; Lennart Popkes; Kathrin Kramer; Thorben Green; Matthias Schmidt

doi:10.1515/zwf-2023-1004

KI-Kanban-Behälter: Mobile, dezentrale Logistikdatenerfassung mittels Edge-ML

Leuphana Universität Lüneburg

Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › Begutachtung

1 Zitat (Scopus)

Abstract

Mit dem Kanban-Verfahren gesteuerte Produktionssysteme nutzen heute elektronische Unterstützung zur Verfolgung einzelner Behälter, um datenbasiert Logistikprozesse zu verbessern. Dieser Beitrag stellt eine alternative technische Auslegung vor. Es finden mit Sensoren ausgestattete Behälter Verwendung, welche über einen KI-fähigen Mikrocontroller ihren Standort im Produktionssystem dezentral ermitteln, um ohne feste Erfassungspunkte eine permanente Nachverfolgbarkeit der Behälter zu gewährleisten.

Titel in Übersetzung	AI Kanban Containers Mobile, Decentralized Logistic Data Acquisition Using Edge-ML
Originalsprache	Deutsch
Zeitschrift	ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb
Jahrgang	118
Ausgabenummer	1-2
Seiten (von - bis)	59-63
Seitenumfang	5
ISSN	0947-0085
DOIs	https://doi.org/10.1515/zwf-2023-1004
Publikationsstatus	Erschienen - 11.02.2023

Bibliographische Notiz

Publisher Copyright:
© 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany.

Fachgebiete und Schlagwörter

Ingenieurwissenschaften
Künstliche Intelligenz
Maschinelles Lernen
Kanban
Produktionslogistik
Edge ML

ASJC Scopus Sachgebiete

Strategie und Management
Ingenieurwesen (insg.)
Managementlehre und Operations Resarch

Zugriff auf Dokument

10.1515/zwf-2023-1004

1 Abgeschlossen

Zukunftslabor Produktion – Vernetzung, Modellierung und Optimierung in der industriellen Produktion
Schmidt, M. (Wissenschaftliche Projektleiter*in) & Kramer, K. (Projektmitarbeiter*in)
Niedersächsisches Ministerium für Wissenschaft und Kultur
01.10.19 → 31.03.25
Projekt: Forschung

Dieses zitieren

@article{00440a634c784bcfb1acff86f0a2d4af,

title = "KI-Kanban-Beh{\"a}lter: Mobile, dezentrale Logistikdatenerfassung mittels Edge-ML",

abstract = "Mit dem Kanban-Verfahren gesteuerte Produktionssysteme nutzen heute elektronische Unterst{\"u}tzung zur Verfolgung einzelner Beh{\"a}lter, um datenbasiert Logistikprozesse zu verbessern. Dieser Beitrag stellt eine alternative technische Auslegung vor. Es finden mit Sensoren ausgestattete Beh{\"a}lter Verwendung, welche {\"u}ber einen KI-f{\"a}higen Mikrocontroller ihren Standort im Produktionssystem dezentral ermitteln, um ohne feste Erfassungspunkte eine permanente Nachverfolgbarkeit der Beh{\"a}lter zu gew{\"a}hrleisten.",

keywords = "Ingenieurwissenschaften, K{\"u}nstliche Intelligenz, Maschinelles Lernen, Kanban, Produktionslogistik, Edge ML",

author = "Alexander Rokoss and Lennart Popkes and Kathrin Kramer and Thorben Green and Matthias Schmidt",

note = "Publisher Copyright: {\textcopyright} 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany.",

year = "2023",

month = feb,

day = "11",

doi = "10.1515/zwf-2023-1004",

language = "Deutsch",

volume = "118",

pages = "59--63",

journal = "ZWF Zeitschrift f{\"u}r wirtschaftlichen Fabrikbetrieb",

issn = "0947-0085",

publisher = "Walter de Gruyter GmbH",

number = "1-2",

}

TY - JOUR

T1 - KI-Kanban-Behälter

T2 - Mobile, dezentrale Logistikdatenerfassung mittels Edge-ML

AU - Rokoss, Alexander

AU - Popkes, Lennart

AU - Kramer, Kathrin

AU - Green, Thorben

AU - Schmidt, Matthias

PY - 2023/2/11

Y1 - 2023/2/11

N2 - Mit dem Kanban-Verfahren gesteuerte Produktionssysteme nutzen heute elektronische Unterstützung zur Verfolgung einzelner Behälter, um datenbasiert Logistikprozesse zu verbessern. Dieser Beitrag stellt eine alternative technische Auslegung vor. Es finden mit Sensoren ausgestattete Behälter Verwendung, welche über einen KI-fähigen Mikrocontroller ihren Standort im Produktionssystem dezentral ermitteln, um ohne feste Erfassungspunkte eine permanente Nachverfolgbarkeit der Behälter zu gewährleisten.

AB - Mit dem Kanban-Verfahren gesteuerte Produktionssysteme nutzen heute elektronische Unterstützung zur Verfolgung einzelner Behälter, um datenbasiert Logistikprozesse zu verbessern. Dieser Beitrag stellt eine alternative technische Auslegung vor. Es finden mit Sensoren ausgestattete Behälter Verwendung, welche über einen KI-fähigen Mikrocontroller ihren Standort im Produktionssystem dezentral ermitteln, um ohne feste Erfassungspunkte eine permanente Nachverfolgbarkeit der Behälter zu gewährleisten.

KW - Ingenieurwissenschaften

KW - Künstliche Intelligenz

KW - Maschinelles Lernen

KW - Kanban

KW - Produktionslogistik

KW - Edge ML

UR - https://www.degruyter.com/document/doi/10.1515/zwf-2023-1004/html

UR - https://www.scopus.com/pages/publications/85148213035

UR - https://www.mendeley.com/catalogue/745516e1-66da-3e61-9b3d-4b4e9d0e6b91/

U2 - 10.1515/zwf-2023-1004

DO - 10.1515/zwf-2023-1004

M3 - Zeitschriftenaufsätze

SN - 0947-0085

VL - 118

SP - 59

EP - 63

JO - ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb

JF - ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb

IS - 1-2

ER -

KI-Kanban-Behälter: Mobile, dezentrale Logistikdatenerfassung mittels Edge-ML

Abstract

Bibliographische Notiz

Fachgebiete und Schlagwörter

ASJC Scopus Sachgebiete

Zugriff auf Dokument

Projekte

Zukunftslabor Produktion – Vernetzung, Modellierung und Optimierung in der industriellen Produktion

Dieses zitieren