Intelligente Produktionsplanung in der Lebensmittelbranche
-
Laura Knitter
Laura Knitter, M. Sc., studierte Maschinenbau an der Universität Rostock und arbeitet seit 2021 als Wissenschaftliche Mitarbeiterin in dem Team Produktionsplanung und -steuerung am Fraunhofer-Institut für Großstrukturen in der Produktionstechnik IGP.
,
Jan Tschirner
Jan Tschirner, M. Sc., hat an der Universität Rostock Wirtschaftsingenieurwesen studiert. Er arbeitet seit 2020 als Wissenschaftlicher Mitarbeiter in dem Team Produktionsplanung und -steuerung am Fraunhofer-Institut für Großstrukturen in der Produktionstechnik IGP.
Konrad Jagusch, M. Sc., schloss das Maschinenbaustudium an der Universität Rostock ab und leitet das Team Produktionsplanung und -steuerung am Fraunhofer IGP.
Hannes Kummer ist seit 2022 Wissenschaftliche Hilfskraft im Team der Produktionsplanung und -steuerung mit inhaltlichen Schwerpunkt in der Programmierung Machine Learning Algorithmen und studiert Wirtschaftsinformatik.
Prof. Dr.-Ing. habil. Jan Sender ist studierter Wirtschaftsingenieur. Er promovierte und habilitierte an der Universität Rostock. Dort ist er seit 2023 Inhaber des Lehrstuhls Produktionsorganisation und Logistik.
Abstract
Eine ungenügende Produktionsplanung in der Lebensmittelbranche führt zu hohen Verschwendungen. Um dies zu verhindern, wird ein intelligenter Vorhersagealgorithmus entwickelt, welcher die Bedarfe anhand von Informationen aus einem Kassensystem vorhersagen kann. Es können weitere Parameter integriert werden, um so die Vorhersagegenauigkeit gegenüber klassischen Methoden zu erhöhen. Eine Implementierung auf einer Plattform zwischen Kunde und Lieferant minimiert den Kommunikationsaufwand.
Summary
Inadequate production planning in the food industry leads to high wastage. To prevent this, an intelligent prediction algorithm is developed, which can make the prediction based on information from the POS system. Additional parameters can be integrated to increase the prediction accuracy compared to classical methods. An implementation on one platform between customer and supplier minimizes the communication effort.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).
About the authors
Laura Knitter, M. Sc., studierte Maschinenbau an der Universität Rostock und arbeitet seit 2021 als Wissenschaftliche Mitarbeiterin in dem Team Produktionsplanung und -steuerung am Fraunhofer-Institut für Großstrukturen in der Produktionstechnik IGP.
Jan Tschirner, M. Sc., hat an der Universität Rostock Wirtschaftsingenieurwesen studiert. Er arbeitet seit 2020 als Wissenschaftlicher Mitarbeiter in dem Team Produktionsplanung und -steuerung am Fraunhofer-Institut für Großstrukturen in der Produktionstechnik IGP.
Konrad Jagusch, M. Sc., schloss das Maschinenbaustudium an der Universität Rostock ab und leitet das Team Produktionsplanung und -steuerung am Fraunhofer IGP.
Hannes Kummer ist seit 2022 Wissenschaftliche Hilfskraft im Team der Produktionsplanung und -steuerung mit inhaltlichen Schwerpunkt in der Programmierung Machine Learning Algorithmen und studiert Wirtschaftsinformatik.
Prof. Dr.-Ing. habil. Jan Sender ist studierter Wirtschaftsingenieur. Er promovierte und habilitierte an der Universität Rostock. Dort ist er seit 2023 Inhaber des Lehrstuhls Produktionsorganisation und Logistik.
Literatur
1 Tsoumakas, G.: A Survey of Machine learning Techniques for Food Sales Prediction. Artificial Intelligence Review 52 (2019) 1, S. 441–447 DOI:10.1007/s10462-018-9637-z10.1007/s10462-018-9637-zSearch in Google Scholar
2 Haselbeck, F.; Killinger, J.; Menrad, K.; Hannus, T.; Grimm, D. G.: Machine Learning Outperforms Classical Forecasting on Horticultural Sales Predictions. Machine Learning with Applications 7 (2022), S. 100239 DOI:10.1016/j.mlwa.2021.10023910.1016/j.mlwa.2021.100239Search in Google Scholar
3 Pavlyshenko, B.: Machine-Learning Models for Sales Time Series Forecasting. Data 4 (2019) 1, S. 15 DOI:10.3390/data401001510.3390/data4010015Search in Google Scholar
4 Lerch,C; Jäger, A.: Digitale Plattformen auf dem Vormarsch? Verbreitung und Umsatzeffekte des Plattformgeschäfts im Verarbeitenden Gewerbe. Mitteilungen aus der ISI-Erhebung, Nr. 77, Fraunhofer ISI, Karlsruhe 2020Search in Google Scholar
5 Plattform Industrie 4.0 (Hrsg.): Digitale Ökosysteme in der Industrie – Typologie, Beispiele und zukünftige Entwicklung (2021). Online unter https://www.plattform-i40.de/IP/Redaktion/DE/Downloads/Publikation/Digitale_Oekosysteme.html [Zugriff am 18.09.2023]Search in Google Scholar
6 Eichholz, J.; Baumeister, M.; Kreyenborg, A.; Hefft, D.; Große, N.; Henke, M.: Categorizing Challenges and Potentials of Digital Industrial Platforms. In: Herberger, D.; Hübner, M.; Stich, V. (Hrsg.): Proceedings of the Conference on Production Systems and Logistics: CPSL 2023 – 1. publish-Ing., Hannover 2023, S. 665–675 DOI:10.15488/1348610.15488/13486Search in Google Scholar
7 Miraz, M. H. (Hrsg.): Intelligent Sales Prediction Using Machine Learning Techniques. Piscataway, NJ: IEEE, 2018. Online unter https://ieeexplore.ieee.org/servlet/opac?punumber=8649565 [Zugriff am 12.09.2023]Search in Google Scholar
8 Shearer, C.: The CRISP-DM Model: The New Blueprint for Data Mining. Journal of Warehousing 5 (2000) 4, S. 13–22Search in Google Scholar
9 Kramar, V.; Alchakov, V.: Time-Series Forecasting of Seasonal Data Using Machine Learning Methods. Algorithms 16 (2023) 5, S. 248 DOI:10.3390/a1605024810.3390/a16050248Search in Google Scholar
© 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Inhalt
- Editorial
- Digitale Plattformen für Produktionsnetzwerke
- Kreislauffabrik
- Sonderforschungsbereich 1574: Kreislauffabrik für das ewige innovative Produkt
- Produktionsplanung
- Intelligente Produktionsplanung in der Lebensmittelbranche
- Einsatz von Kommunikationsmitteln im Auftragsabwicklungsprozess
- Nutzungsdatenbasierte Produktionsplanung
- Globale Produktion
- Internationale Standortwahl
- Automobilproduktion
- Bewertung von Produktionsstrategien in der Automobilindustrie
- Robotik
- Flexible Roboterzelle für Traktionsbatterie-Demontage
- Kollaboration
- Effizienzsteigerung bei der Industrieroboterprogrammierung dank Kollaboration
- Serviceplanung
- Operative Serviceplanung für Produkt-Service Systeme
- Vertriebssteuerung
- Entwicklung datenbasierter Lead-Scoring-Modelle
- Nachhaltigkeit
- Flächenproduktivität
- Digitaler Zwilling
- Auf Digitalen Zwillingen basiertes Life Cycle Assessment
- Datenräume
- Verwaltungsschalenbasierte Datenräume
- Digitalisierung
- Umweltauswirkungen der Digitalisierung im Technologiesektor
- Das Produktionssystem von Mercedes-Benz und die Digitalisierung der Produktion
- Open-Source-Ansatz
- Integration von Open Source in Unternehmen außerhalb der Softwarebranche
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- Digitale Plattformen für Produktionsnetzwerke
- Kreislauffabrik
- Sonderforschungsbereich 1574: Kreislauffabrik für das ewige innovative Produkt
- Produktionsplanung
- Intelligente Produktionsplanung in der Lebensmittelbranche
- Einsatz von Kommunikationsmitteln im Auftragsabwicklungsprozess
- Nutzungsdatenbasierte Produktionsplanung
- Globale Produktion
- Internationale Standortwahl
- Automobilproduktion
- Bewertung von Produktionsstrategien in der Automobilindustrie
- Robotik
- Flexible Roboterzelle für Traktionsbatterie-Demontage
- Kollaboration
- Effizienzsteigerung bei der Industrieroboterprogrammierung dank Kollaboration
- Serviceplanung
- Operative Serviceplanung für Produkt-Service Systeme
- Vertriebssteuerung
- Entwicklung datenbasierter Lead-Scoring-Modelle
- Nachhaltigkeit
- Flächenproduktivität
- Digitaler Zwilling
- Auf Digitalen Zwillingen basiertes Life Cycle Assessment
- Datenräume
- Verwaltungsschalenbasierte Datenräume
- Digitalisierung
- Umweltauswirkungen der Digitalisierung im Technologiesektor
- Das Produktionssystem von Mercedes-Benz und die Digitalisierung der Produktion
- Open-Source-Ansatz
- Integration von Open Source in Unternehmen außerhalb der Softwarebranche
- Vorschau
- Vorschau
