abgeschlossene Promotionen & Habilitationen
Filter: Bereich Ingenieurwissenschaften, Fakultät Maschinenwesen, Abschlussarbeiten, Dissertation & Habilitation
Ereignisbasierte Analyse komplexer Materialflusssysteme in der Intralogistik
Art der Abschlussarbeit
Dissertation
Autoren
- Wustmann, David
Betreuer
- Prof. Dr.-Ing. habil. Thorsten Schmidt
Abstract
Die vorliegende Arbeit beschäftigt sich im Kern mit der Analyse von automatischen Materialflusssystemen anhand von Ereignisdaten. Die Zielsetzung ist dabei, die bisher sehr stark erfahrungsbasierte Analyse komplexer, spurgebundener Logistiksysteme zu unterstützen bzw. unabhängig von der individuellen Systemkenntnis des Analysten zu ermöglichen.
Die Arbeit grenzt sich mit der Konzentration auf ausschließlich Standard Ereignis-attribute, mit den Informationen zu Ereignisort, -Zeitpunkt und ID des Transportgutes, von der bisherigen Forschung und Entwicklung ab. Darüber hinaus können die aktuell sehr häufig anzutreffenden Methoden und Verfahren des „supervised learning“ nicht angewandt werden, da keine Daten mit Label für die Analyse vorliegen. Anhand von Ereignisdatenströmen von bis zu 2,5 Millionen Ereignissen sind Verfahren entwickelt und getestet worden, um Anomalien zeitlich sowie lokal zu identifizieren und anschließend zu bewerten.
Der Arbeit liegt das Vorgehensmodell des Knowledge Discovery in Databases (KDD) Prozess zugrunde. Diesem Vorgehen folgend findet vor der eigentlichen Analyse die Datenaufbereitung statt. Hierzu stellt die Arbeit eine Modellierungslogik sowie ein Kennzahlensystem vor, welches im Anschluss die Basis für die weitere Analyse bildet. Mittels Netzwerkanalyse können im folgenden Schritt topologisch relevante Lokalitäten in den Fokus der Analyse gerückt werden. Für den Verfahrensbaustein zur Anomalie-Identifikation wurden Verfahren in verschiedenen Domänen recherchiert und ausgewählte auf Ihre Eignung für den vorliegenden Anwendungsfall hin geprüft. Dazu zählen die Statistische Prozesskontrolle (SPC) aus dem Qualitätswesen, die K-Mean Clusteranalyse – welche sehr häufig im Finanzwesen Verwendung findet – sowie das Process Mining aus der Geschäftsprozessanalyse. Zusätzlich wurde auf Basis des extrahierten Knoten-Kanten-Modells und der Kenngrößensystematik ein Set von Identifikationsregeln entwickelt und getestet. Die identifizierten Anomalie-Ereignisse werden mit Hilfe einer spezifischen Bewertungsmethodik hinsichtlich ihrer Relevanz priorisiert. Die abschließende Ergebnis-Interpretation der bewerteten Anomalien wird durch einen Ansatz zur Gruppierung nach möglichen Primärursachen erleichtert.
Die Arbeit grenzt sich mit der Konzentration auf ausschließlich Standard Ereignis-attribute, mit den Informationen zu Ereignisort, -Zeitpunkt und ID des Transportgutes, von der bisherigen Forschung und Entwicklung ab. Darüber hinaus können die aktuell sehr häufig anzutreffenden Methoden und Verfahren des „supervised learning“ nicht angewandt werden, da keine Daten mit Label für die Analyse vorliegen. Anhand von Ereignisdatenströmen von bis zu 2,5 Millionen Ereignissen sind Verfahren entwickelt und getestet worden, um Anomalien zeitlich sowie lokal zu identifizieren und anschließend zu bewerten.
Der Arbeit liegt das Vorgehensmodell des Knowledge Discovery in Databases (KDD) Prozess zugrunde. Diesem Vorgehen folgend findet vor der eigentlichen Analyse die Datenaufbereitung statt. Hierzu stellt die Arbeit eine Modellierungslogik sowie ein Kennzahlensystem vor, welches im Anschluss die Basis für die weitere Analyse bildet. Mittels Netzwerkanalyse können im folgenden Schritt topologisch relevante Lokalitäten in den Fokus der Analyse gerückt werden. Für den Verfahrensbaustein zur Anomalie-Identifikation wurden Verfahren in verschiedenen Domänen recherchiert und ausgewählte auf Ihre Eignung für den vorliegenden Anwendungsfall hin geprüft. Dazu zählen die Statistische Prozesskontrolle (SPC) aus dem Qualitätswesen, die K-Mean Clusteranalyse – welche sehr häufig im Finanzwesen Verwendung findet – sowie das Process Mining aus der Geschäftsprozessanalyse. Zusätzlich wurde auf Basis des extrahierten Knoten-Kanten-Modells und der Kenngrößensystematik ein Set von Identifikationsregeln entwickelt und getestet. Die identifizierten Anomalie-Ereignisse werden mit Hilfe einer spezifischen Bewertungsmethodik hinsichtlich ihrer Relevanz priorisiert. Die abschließende Ergebnis-Interpretation der bewerteten Anomalien wird durch einen Ansatz zur Gruppierung nach möglichen Primärursachen erleichtert.
Zugeordnete Forschungsschwerpunkte
- Simulation und Modellierung materialflusstechnischer Systeme
- Entwicklung von Methoden und Werkzeugen zur Planung logistischer Prozesse in Unternehmen
Schlagwörter
Materialflussanalyse, spurfegührte, automatische Materialflusssysteme
Berichtsjahr
2018