Die Digitalisierung ist einer der größten Wirtschaftstreiber der heutigen Zeit. Sie bedeutet für Unternehmen in vielerlei Hinsicht eine große Chance. Doch gleichzeitig sehen einige Branchen sie auch als Bedrohung. Denn große IT-Unternehmen dringen in immer weitere Bereiche entlang ihrer Wertschöpfungskette vor. Gerade Onlinehändler dürfen sich deshalb nicht abhängen lassen.
Tristan Lizardo zeigt in seiner Publikation, wie Onlinehändler und Logistikunternehmen die Digitalisierung ihres Geschäfts vorantreiben. Dazu gehört der Einsatz von Big Data Technologie wie Data Mining und die Transformation der Logistik hin zur Logistik 4.0.
Mithilfe von Data Mining Algorithmen können Unternehmen Kommissionierspitzen nivellieren. Auf der Basis der Transaktionsdaten eines Onlinehändlers hat Lizardo eine Assoziationsanalyse durchgeführt. Seine Publikation erklärt, wie Unternehmen mittels Big Data die Kommissionierung optimieren.
Aus dem Inhalt:
- FP-Growth-Algorithmus;
- Nutzwertanalyse
- Frequent Item Sets;
- Effektivität;
- Effizienzsteigerung
Inhaltsverzeichnis
- Einleitung
- Problemstellung und Rahmenbedingungen
- Ziele & Aufbau der Arbeit
- Grundlagen der Kommissionierung
- Statische Kommissionierverfahren (Mann-zur-Ware-Systeme)
- Dynamische Kommissionierverfahren (Ware-zum-Mann-Systeme)
- Einstufige, mehrstufige, serielle und parallele Kommissionierverfahren
- Grundlagen des Data Mining
- Definition und Beschreibung
- Beschreibung und grundlegende Begriffe der Assoziationsanalyse
- Auswahl eines geeigneten Algorithmus
- Vorgehen zur Auswahl eines Algorithmus
- Einschränkung der zu suchenden Artikelgruppierungen
- Algorithmen zum Item Set Mining
- Implementierung des FP-Growth-Algorithmus in RapidMiner
- Einführung in RapidMiner
- Datenstruktur und Datenaufbereitung
- Darstellung des Data Mining Prozesses
- Durchführung des Data Mining Prozesses
- Analyse der Outputdaten
- Ergebnisse des programmierten Algorithmus
- Bewertung der Ergebnisse
- Anwendung der Ergebnisse
- Ergebnis der Nivellierung der Kommissionierspitzen
- Fazit und Ausblick
Zielsetzung und Themenschwerpunkte
Diese Arbeit beschäftigt sich mit der effizienten Nutzung von Daten in der Logistik 4.0. Im Fokus steht die Implementierung eines Data Mining Algorithmus zur Nivellierung von Kommissionierspitzen. Ziel ist es, durch die Analyse von Auftragsdaten, Muster und Trends zu erkennen und so eine gleichmäßigere Auslastung der Kommissionierprozesse zu ermöglichen.
- Optimierung der Kommissionierprozesse
- Anwendung von Data Mining Algorithmen in der Logistik
- Identifizierung von Kommissionierspitzen
- Entwicklung eines Algorithmus zur Nivellierung von Kommissionierspitzen
- Bewertung und Anwendung der Ergebnisse
Zusammenfassung der Kapitel
Die Einleitung führt in die Problemstellung und die Rahmenbedingungen ein. Die Arbeit beleuchtet die Bedeutung der effizienten Nutzung von Daten in der Logistik 4.0 und stellt die Ziele und den Aufbau der Arbeit dar. Kapitel 2 beschäftigt sich mit den Grundlagen der Kommissionierung und beschreibt statische und dynamische Verfahren sowie verschiedene Kommissionierstufen. Kapitel 3 erläutert die Grundlagen des Data Mining und definiert den Begriff, sowie die wichtigsten Aspekte der Assoziationsanalyse. Kapitel 4 befasst sich mit der Auswahl eines geeigneten Algorithmus für die Analyse von Auftragsdaten. Es werden verschiedene Algorithmen vorgestellt und deren Stärken und Schwächen miteinander verglichen. Kapitel 5 beschreibt die Implementierung des FP-Growth-Algorithmus in der Data Mining Software RapidMiner. Die Datenstruktur und Datenaufbereitung werden erläutert und der gesamte Data Mining Prozess in seinen einzelnen Schritten dargestellt. In Kapitel 6 werden die Ergebnisse der Algorithmus-Anwendung analysiert und bewertet. Es wird gezeigt, wie die Ergebnisse zur Nivellierung der Kommissionierspitzen eingesetzt werden können.
Schlüsselwörter
Logistik 4.0, Data Mining, Assoziationsanalyse, Kommissionierung, Kommissionierspitzen, FP-Growth-Algorithmus, RapidMiner, Nivellierung, Optimierung
- Quote paper
- Tristan Lizardo (Author), 2019, Wie die Logistik 4.0 Daten effizient nutzt. Implementierung eines Data Mining Algorithmus zur Nivellierung von Kommissionierspitzen, Munich, GRIN Verlag, https://www.grin.com/document/459663
