In einer global vernetzten Produktionswelt ist eine hohe logistische Leistungsfähigkeit ein wichtiger Stellhebel für die Wettbewerbsfähigkeit – mit Termintreue als zentralem Erfolgskriterium. Die zuverlässige Prognose von Lieferterminen bleibt jedoch eine Herausforderung, da zahlreiche interne und externe Störeinflüsse eine belastbare Terminplanung erschweren. Diese Arbeit stellt einen neuen Ansatz vor, der Methoden der künstlichen Intelligenz, insbesondere des maschinellen Lernens, mit bewährten logistischen Modellen kombiniert, um den Einsatz von Durchlaufzeitprognosen zu erleichtern. Durch diese funktionale Verknüpfung entsteht ein praxisnahes Vorgehen, das in allen Phasen der Auftragsabwicklung anwendbar ist. Im Fokus steht dabei weniger die technische Ausgestaltung des maschinellen Lernens, sondern vielmehr die Generierung transparenter Ergebnisse, deren Integration in bestehende Planungsprozesse sowie die Bewertung, unter welchen Rahmenbedingungen Durchlaufzeitprognosen den größten Nutzen erzielen.
Schlagworte
Publikation durchsuchen
Bibliographische Angaben
Copyrightjahr
2025
ISBN-Online
978-3-69030-074-2
Verlag
TEWISS, Garbsen
Reihe
Berichte aus dem IFA
Band
03/2025 E-Book
Sprache
Deutsch
Seiten
167
Produkttyp
Monographie
Inhaltsverzeichnis
KapitelSeiten
Titelei/Inhaltsverzeichnis Kein Zugriff Seiten I - XIII
1.1 Ausgangslage und Problemstellung Kein Zugriff
1.2 Formulierung des Forschungsbedarfs Kein Zugriff
1.3 Eingrenzung und Vorgehen Kein Zugriff
2.1 Auftragsmanagement in Produktionsunternehmen Kein Zugriff
2.2 Logistische Modellierung Kein Zugriff
2.3 Maschinelles Lernen Kein Zugriff
2.4 Zwischenfazit Kein Zugriff
3.1 Prozessmodelle f¸r die Erstellung und Nutzung von ML-Anwendungen Kein Zugriff
3.2 Verortung des Einsatzes von Durchlaufzeitprognosen entlang der Auf-tragsabwicklung und Identifikation verf¸gbarer Informationen Kein Zugriff
3.3 Konventionelle Ans‰tze zur Ermittlung von Durchlaufzeiten Kein Zugriff
3.4 Stand der Technik: ML-Ans‰tze zur Prognose von Durchlaufzeiten Kein Zugriff
3.5 Konkretisierung des Forschungsbedarfs Kein Zugriff
4.1 Beschreibungsgrundlagen Kein Zugriff
4.2 Einflussfaktoren auf die Durchlaufzeit Kein Zugriff
4.3 Planung und Steuerung des Auftragsdurchlaufs Kein Zugriff
4.4 Klassifizierung des Durchlaufverhaltens Kein Zugriff
5.1 Konzeption eines Vorgehens Kein Zugriff
5.2 Vorbereitung der Prognose Kein Zugriff
5.3 Durchf¸hrung und Analyse Kein Zugriff
5.4 Verwendung Kein Zugriff
5.5 Zwischenfazit Kein Zugriff
6.1 Schritt 1 – Vorbereitung der Prognose Kein Zugriff
6.2 Schritt 2 – Durchf¸hrung und Analyse Kein Zugriff
6.3 Schritt 3 – Verwendung Kein Zugriff
7.1 Theoretische Vor¸berlegungen Kein Zugriff
7.2 Explorative Untersuchung Kein Zugriff
7.3 Bewertung des Einflusses KI-gest¸tzter Durchlaufzeitprognosen auf die Termintreue Kein Zugriff
8.1 Zusammenfassung und kritische Reflexion Kein Zugriff
