Bachelorarbeit, 2020
66 Seiten, Note: 2,5
Diese Bachelorarbeit untersucht das Potential von Big Data und Maschinellem Lernen zur Optimierung der Lagerplatzvergabe. Ziel ist es, die Effizienz in der Lagerlogistik zu steigern und Kommissionierprozesse zu verbessern. Die Arbeit analysiert verschiedene Lagerstrategien und Kommissioniermethoden im Kontext von Big Data Analysen und Machine Learning Algorithmen.
Einleitung: Die Einleitung führt in die Thematik der Lagerplatzoptimierung ein und beschreibt die Motivation für diese Arbeit. Es werden die Problemfelder ineffizienter Lagerprozesse beleuchtet und die Zielsetzung der Arbeit klar definiert. Die Gliederung gibt einen Überblick über den Aufbau der Arbeit.
Grundlagen der Lagerwirtschaft: Dieses Kapitel legt die theoretischen Grundlagen der Lagerwirtschaft dar. Es werden die Aufgaben und Funktionen der Lagerhaltung erläutert, verschiedene Arten von Lagersystemen (statisch, dynamisch, automatisiert) beschrieben und gängige Lagerstrategien vorgestellt. Dies bildet die Basis für das Verständnis der späteren Kapitel zur Optimierung.
Lagerplatzvergabe als Teil der Kommissionierung: Dieses Kapitel befasst sich mit der Lagerplatzvergabe als integraler Bestandteil der Kommissionierung. Es werden verschiedene Strategien der Lagerplatzvergabe (feste und freie Lagerplatzvergabe) diskutiert und verschiedene Kommissionierprinzipien ("Person zur Ware" und "Ware zur Person") erklärt. Der Fokus liegt auf der Verbindung zwischen Lagerplatzstrategie und Kommissioniereffizienz. Manuelle und automatisierte Fördermittel werden ebenfalls betrachtet.
Big Data: Das Kapitel beschreibt die Entwicklung und die wichtigsten Datenquellen von Big Data im Kontext der Lagerlogistik. Es werden die Möglichkeiten und Herausforderungen der Big Data Analyse im Bereich Lagerwirtschaft beleuchtet. Der Fokus liegt auf der Identifizierung relevanter Datenmengen für die Optimierung der Lagerplatzvergabe.
Maschinelles Lernen: Dieses Kapitel behandelt verschiedene Methoden des maschinellen Lernens (Supervised, Unsupervised, Reinforcement Learning), die für die Optimierung der Lagerplatzvergabe relevant sind. Es werden Algorithmen wie der k-Means-Algorithmus erklärt und deren Anwendbarkeit auf die Problemstellung diskutiert. Der Zusammenhang zwischen den verschiedenen Lernmethoden und der Datenanalyse wird hergestellt.
Potentialanalyse optimierter Lagerplatzvergabe unter Anwendung von Big Data und Maschinellem Lernen: Dieses Kapitel analysiert das Potential, das Big Data und Maschinelles Lernen für die Optimierung der Lagerplatzvergabe bieten. Es betrachtet die Aspekte Weg, Raum und Zeit und evaluiert verschiedene Ansätze zur Optimierung.
Lagerplatzvergabe, Big Data, Maschinelles Lernen, Lagerlogistik, Kommissionierung, Effizienzsteigerung, Lagerstrategien, Datenanalyse, Algorithmen, Optimierung.
Diese Bachelorarbeit untersucht das Potential von Big Data und Maschinellem Lernen zur Optimierung der Lagerplatzvergabe und damit zur Effizienzsteigerung in der Lagerlogistik und Verbesserung von Kommissionierprozessen. Die Arbeit analysiert verschiedene Lagerstrategien und Kommissioniermethoden im Kontext von Big Data Analysen und Machine Learning Algorithmen.
Die Arbeit behandelt folgende Schwerpunktthemen: Optimierung der Lagerplatzvergabe, Anwendung von Big Data in der Lagerlogistik, Einsatz von Machine Learning Algorithmen zur Prozessverbesserung, Analyse verschiedener Lager- und Kommissioniersysteme und die Effizienzsteigerung in der Lagerwirtschaft.
Die Arbeit gliedert sich in folgende Kapitel: Einleitung (Motivation, Zielsetzung, Gliederung), Grundlagen der Lagerwirtschaft (Aufgaben, Funktionen, Lagersysteme, Lagerstrategien), Lagerplatzvergabe als Teil der Kommissionierung (Strategien, Kommissionierprinzipien, Fördermittel), Big Data (Entwicklung, Datenquellen, Analyse, Herausforderungen), Maschinelles Lernen (Supervised, Unsupervised, Reinforcement Learning), Potentialanalyse optimierter Lagerplatzvergabe (Weg, Raum, Zeit, Evaluierung) und Zusammenfassung und Ausblick.
Die Arbeit betrachtet statische Lagersysteme (Blocklager, Fachbodenregal, Palettenregal, Kragarmregal), dynamische Lagersysteme (Einschubregal, Durchlaufregal, Paternosterregal) und automatische Lagersysteme (Palettenhochregal mit Regalförderzeug, Behälterlager).
Die Arbeit untersucht die Kommissionierprinzipien "Person zur Ware" und "Ware zur Person" und deren Auswirkungen auf die Effizienz.
Die Arbeit behandelt Supervised Learning (Klassifikation, Regression), Unsupervised Learning (Clustering, k-Means-Algorithmus) und Reinforcement Learning im Kontext der Lagerplatzoptimierung.
Die Arbeit betrachtet Social Media, Suchmaschinen und das Internet der Dinge (IoT) als relevante Datenquellen für die Big Data Analyse in der Lagerlogistik.
Die Potentialanalyse betrachtet die Aspekte Weg, Raum und Zeit und evaluiert verschiedene Ansätze zur Optimierung der Lagerplatzvergabe unter Anwendung von Big Data und Maschinellem Lernen.
Schlüsselwörter sind: Lagerplatzvergabe, Big Data, Maschinelles Lernen, Lagerlogistik, Kommissionierung, Effizienzsteigerung, Lagerstrategien, Datenanalyse, Algorithmen, Optimierung.
Das übergeordnete Ziel ist die Steigerung der Effizienz in der Lagerlogistik durch Optimierung der Lagerplatzvergabe mithilfe von Big Data und Maschinellem Lernen.
Der GRIN Verlag hat sich seit 1998 auf die Veröffentlichung akademischer eBooks und Bücher spezialisiert. Der GRIN Verlag steht damit als erstes Unternehmen für User Generated Quality Content. Die Verlagsseiten GRIN.com, Hausarbeiten.de und Diplomarbeiten24 bieten für Hochschullehrer, Absolventen und Studenten die ideale Plattform, wissenschaftliche Texte wie Hausarbeiten, Referate, Bachelorarbeiten, Masterarbeiten, Diplomarbeiten, Dissertationen und wissenschaftliche Aufsätze einem breiten Publikum zu präsentieren.
Kostenfreie Veröffentlichung: Hausarbeit, Bachelorarbeit, Diplomarbeit, Dissertation, Masterarbeit, Interpretation oder Referat jetzt veröffentlichen!
Kommentare