Details
| Translated title of the contribution | Hybrid Lead Time Prediction Method for Improved Order Planning in the Highly Volatile MRO Business |
|---|---|
| Original language | German |
| Pages (from-to) | 882-888 |
| Number of pages | 7 |
| Journal | ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb |
| Volume | 116 |
| Issue number | 12 |
| Publication status | Published - 30 Dec 2021 |
Abstract
ASJC Scopus subject areas
- Materials Science(all)
- Polymers and Plastics
- Engineering(all)
- Business, Management and Accounting(all)
- Strategy and Management
- Decision Sciences(all)
- Management Science and Operations Research
Cite this
- Standard
- Harvard
- Apa
- Vancouver
- BibTeX
- RIS
In: ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb, Vol. 116, No. 12, 30.12.2021, p. 882-888.
Research output: Contribution to journal › Article › Research › peer review
}
TY - JOUR
T1 - Hybride Lieferzeitprognose
T2 - Verbesserte Termin- und Auftragsplanung im volatilen MRO-Umfeld
AU - Hiller, Tobias
AU - Lucht, Torben
AU - Kämpfer, Tim
AU - Vinke, Lea
AU - Holtsch, Patrick
AU - Nyhuis, Peter
PY - 2021/12/30
Y1 - 2021/12/30
N2 - Die Produktionsplanung und -steuerung in MRO-Unternehmen unterliegt starken Unsicherheiten hinsichtlich des Regenerationsumfangs und -zeitpunkts. Aufgrund einer hohen Informationsunschärfe infolge unterschiedlichster Schadensfälle sowie einer Vielzahl interner und externer Einflüsse ist die Vorhersage von Lieferzeiten sowie deren möglichen Ausprägungen zu komplex, um sie vollständig in der Planung und im Auftragsmanagement zu berücksichtigen. Logistische Modelle bieten durch die Verknüpfung verschiedener Ansätze das Potenzial, das logistische Verhalten eines Produktionssystems einfach und dennoch genau zu beschreiben. Eine hybride Modellierung durch die Verzahnung logistischer Modelle mit Methoden aus dem Bereich des Process und Data Mining bietet die Möglichkeit, die Vorteile logistischer Modellierung und datenbasierter Prognosen zu verbinden. Mit dem Ziel, die Planstabilität und Planungsgenauigkeit für MRO-Unternehmen zu erhöhen, forscht das Institut für Fabrikanlagen und Logistik (IFA) gemeinsam mit der MTU Maintenance Hannover GmbH an einem hybriden Ansatz zur modellgestützten Prognose von Lieferzeiten.
AB - Die Produktionsplanung und -steuerung in MRO-Unternehmen unterliegt starken Unsicherheiten hinsichtlich des Regenerationsumfangs und -zeitpunkts. Aufgrund einer hohen Informationsunschärfe infolge unterschiedlichster Schadensfälle sowie einer Vielzahl interner und externer Einflüsse ist die Vorhersage von Lieferzeiten sowie deren möglichen Ausprägungen zu komplex, um sie vollständig in der Planung und im Auftragsmanagement zu berücksichtigen. Logistische Modelle bieten durch die Verknüpfung verschiedener Ansätze das Potenzial, das logistische Verhalten eines Produktionssystems einfach und dennoch genau zu beschreiben. Eine hybride Modellierung durch die Verzahnung logistischer Modelle mit Methoden aus dem Bereich des Process und Data Mining bietet die Möglichkeit, die Vorteile logistischer Modellierung und datenbasierter Prognosen zu verbinden. Mit dem Ziel, die Planstabilität und Planungsgenauigkeit für MRO-Unternehmen zu erhöhen, forscht das Institut für Fabrikanlagen und Logistik (IFA) gemeinsam mit der MTU Maintenance Hannover GmbH an einem hybriden Ansatz zur modellgestützten Prognose von Lieferzeiten.
KW - Data mining
KW - Hybrid modelling
KW - Logistic models
KW - Production planning and control
KW - Through-put time prediction
KW - Logistic Models, Data Mining
KW - Throughput Time Prediction
KW - Hybrid Modelling
KW - Production Planning and Control
UR - http://www.scopus.com/inward/record.url?scp=85122057016&partnerID=8YFLogxK
U2 - 10.1515/zwf-2021-0197
DO - 10.1515/zwf-2021-0197
M3 - Artikel
VL - 116
SP - 882
EP - 888
JO - ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb
JF - ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb
SN - 0947-0085
IS - 12
ER -