Konsistenzmanagement zum optimierten Data Management als Basis zur Anwendung von Data Science im Produktlebenszyklus von Materialflusssystemen

Autor/innen

  • Maximilian Wünnenberg Lehrstuhl für Fördertechnik Materialfluss Logistik, Technische Universität München
  • Dominik Hujo Lehrstuhl für Automatisierung und Informationssysteme, Technische Universität München
  • Fan Ji Lehrstuhl für Automatisierung und Informationssysteme, Technische Universität München
  • Rafael Schypula Paluno, Universität Duisburg-Essen
  • Johannes Fottner Lehrstuhl für Fördertechnik Materialfluss Logistik, Technische Universität München
  • Michael Goedicke Paluno, Universität Duisburg-Essen
  • Birgit Vogel-Heuser Lehrstuhl für Automatisierung und Informationssysteme, Technische Universität München

DOI:

https://doi.org/10.2195/lj_proc_wuennenberg_de_202211_01

Schlagworte:

Data Science, Konsistenzmanagement, Lebenszyklus, Materialflusssysteme, Produkt, Produktentstehungsprozess

Abstract

Daten- und Konsistenzmanagement unterstützt dabei, den Produktlebenszyklus von Materialflusssystemen effizienter zu gestalten und Fehler zu vermeiden. Die Übertragung dieser Methode von der Softwareentwicklung auf Materialflusssysteme bietet zusätzlich auch das Potential, im laufenden Betrieb Prozessoptimierungen mit Methoden der Data Science zu befähigen. Dafür bedarf es verschiedener Arbeitsschritte wie der Modellierung organisatorischer Zusammenhänge im Projekt und inhaltlicher Abhängigkeiten involvierter Modelle sowie eines Reifegradmodells für entstehende Daten. In diesem Beitrag wird dargestellt, wie durch diese Arbeitsschritte ein durchgängiger Informationsfluss entlang aller Phasen des Produktlebenszyklus realisiert werden kann.

Downloads

Veröffentlicht

02.11.2022

Zitationsvorschlag

Wünnenberg, M., Hujo, D., Ji, F., Schypula, R., Fottner, J., Goedicke, M., & Vogel-Heuser, B. (2022). Konsistenzmanagement zum optimierten Data Management als Basis zur Anwendung von Data Science im Produktlebenszyklus von Materialflusssystemen. Logistics Journal: Proceedings, (18). https://doi.org/10.2195/lj_proc_wuennenberg_de_202211_01