Stochastische komplexe Netzwerke als Vorhersage- und Erklärungsmodell für die dynamische Entwicklung von produktionslogistischen Systemen
Zusammenfassung der Projektergebnisse
Mit dem Phänomen der ,Mass Customization’ und den immer kürzeren Produktlebenszyklen aufgrund technischer Innovationen verändern sich auch Produktions- und Logistiksysteme in immer kürzeren Abständen. Für eine zielgerichtete Planung der Abläufe ist es jedoch erforderlich, zukünftige Entwicklungen zu kennen oder zumindest abschätzen zu können. Die zuvor genannten Einflüsse verursachen auch Veränderungen in der dem Materialfluss zugrundeliegenden Struktur, dem Materialflussnetzwerk. Ein solches Netzwerk beschreibt zum Beispiel, über welche Wege das Material in einer Fabrik von Maschine zu Maschine weitergereicht wird, bis das Produkt schließlich fertiggestellt ist. Während sich diese Strukturen früher über Jahre nicht veränderten, so sind diese heutzutage auch stetigen Änderungen unterworfen. Die Modellierung dieser Materialflusssysteme als ,Stochastic Block Model’ erlaubt es, mit Hilfe wahrscheinlichkeitsbasierter Verfahren zu bestimmen, wie sich ein solches Netzwerk in Zukunft verändern wird. Hierfür wird allein die Struktur eines existierenden Netzwerks benötigt. Mit dem Stochastic Block Model kann ermittelt werden, ob die beobachteten Strukturen als ,wahrscheinlich’ oder ,nicht wahrscheinlich’ gelten und somit auf eine bevorstehende Veränderung geschlossen werden. Dieses Verfahren ist von großem Nutzen, indem es als Baustein in zukünftigen Produktionsund Logistiksystemen im Rahmen von Indsutrie 4.0 eingesetzt werden kann, um die intelligente Planung und Steuerung des Materialflusses zu verbessern.
Projektbezogene Publikationen (Auswahl)
- (2018). „A Tool for an Analysis of the Dynamic Behavior of Logistic Systems with the Instruments of Complex Networks“. In: Lecture Notes in Logistics, S. 418–425
Funke, T. und T. Becker
(Siehe online unter https://doi.org/10.1007/978-3-319-74225-0_57) - (2018). „Stochastic Block Models as a Modeling Approach for Dynamic Material Flow Networks in Manufacturing and Logistics“. In: Procedia CIRP 72. 51st CIRP Conference on Manufacturing Systems, S. 539–544
Funke, T. und T. Becker
(Siehe online unter https://doi.org/10.1016/j.procir.2018.03.209) - (2019). „Forecasting Changes in Material Flow Networks with Stochastic Block Models“. In: Procedia CIRP 81. 52nd CIRP Conference on Manufacturing Systems (CMS), Ljubljana, Slovenia, June 12-14, 2019, S. 1183–1188
Funke, T. und T. Becker
(Siehe online unter https://doi.org/10.1016/j.procir.2019.03.289) - (Apr. 2019). „Stochastic block models: A comparison of variants and inference methods“. In: PLOS ONE 14.4. Hrsg. von T. P. Peixoto, e0215296
Funke, T. und T. Becker
(Siehe online unter https://doi.org/10.1371/journal.pone.0215296) - (2020). „Complex networks of material flow in manufacturing and logistics: Modeling, analysis, and prediction using stochastic block models“. In: Journal of Manufacturing Systems 56, S. 296–311
Funke, T. und T. Becker
(Siehe online unter https://doi.org/10.1016/j.jmsy.2020.06.015)
