Hybride Lieferzeitprognose: Verbesserte Termin- und Auftragsplanung im volatilen MRO-Umfeld

Research output: Contribution to journalArticleResearchpeer review

Authors

  • Tobias Hiller
  • Torben Lucht
  • Tim Kämpfer
  • Lea Vinke
  • Patrick Holtsch
  • Peter Nyhuis
View graph of relations

Details

Translated title of the contributionHybrid Lead Time Prediction Method for Improved Order Planning in the Highly Volatile MRO Business
Original languageGerman
Pages (from-to)882-888
Number of pages7
JournalZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb
Volume116
Issue number12
Publication statusPublished - 30 Dec 2021

Abstract

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.

ASJC Scopus subject areas

Cite this

Hybride Lieferzeitprognose: Verbesserte Termin- und Auftragsplanung im volatilen MRO-Umfeld. / Hiller, Tobias; Lucht, Torben; Kämpfer, Tim et al.
In: ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb, Vol. 116, No. 12, 30.12.2021, p. 882-888.

Research output: Contribution to journalArticleResearchpeer review

Hiller, T, Lucht, T, Kämpfer, T, Vinke, L, Holtsch, P & Nyhuis, P 2021, 'Hybride Lieferzeitprognose: Verbesserte Termin- und Auftragsplanung im volatilen MRO-Umfeld', ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb, vol. 116, no. 12, pp. 882-888. https://doi.org/10.1515/zwf-2021-0197
Hiller, T., Lucht, T., Kämpfer, T., Vinke, L., Holtsch, P., & Nyhuis, P. (2021). Hybride Lieferzeitprognose: Verbesserte Termin- und Auftragsplanung im volatilen MRO-Umfeld. ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb, 116(12), 882-888. https://doi.org/10.1515/zwf-2021-0197
Hiller T, Lucht T, Kämpfer T, Vinke L, Holtsch P, Nyhuis P. Hybride Lieferzeitprognose: Verbesserte Termin- und Auftragsplanung im volatilen MRO-Umfeld. ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb. 2021 Dec 30;116(12):882-888. doi: 10.1515/zwf-2021-0197
Hiller, Tobias ; Lucht, Torben ; Kämpfer, Tim et al. / Hybride Lieferzeitprognose : Verbesserte Termin- und Auftragsplanung im volatilen MRO-Umfeld. In: ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb. 2021 ; Vol. 116, No. 12. pp. 882-888.
Download
@article{5113c7df631947cbb6ef8b7987691102,
title = "Hybride Lieferzeitprognose: Verbesserte Termin- und Auftragsplanung im volatilen MRO-Umfeld",
abstract = "Die Produktionsplanung und -steuerung in MRO-Unternehmen unterliegt starken Unsicherheiten hinsichtlich des Regenerationsumfangs und -zeitpunkts. Aufgrund einer hohen Informationsunsch{\"a}rfe infolge unterschiedlichster Schadensf{\"a}lle sowie einer Vielzahl interner und externer Einfl{\"u}sse ist die Vorhersage von Lieferzeiten sowie deren m{\"o}glichen Auspr{\"a}gungen zu komplex, um sie vollst{\"a}ndig in der Planung und im Auftragsmanagement zu ber{\"u}cksichtigen. Logistische Modelle bieten durch die Verkn{\"u}pfung verschiedener Ans{\"a}tze 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 M{\"o}glichkeit, die Vorteile logistischer Modellierung und datenbasierter Prognosen zu verbinden. Mit dem Ziel, die Planstabilit{\"a}t und Planungsgenauigkeit f{\"u}r MRO-Unternehmen zu erh{\"o}hen, forscht das Institut f{\"u}r Fabrikanlagen und Logistik (IFA) gemeinsam mit der MTU Maintenance Hannover GmbH an einem hybriden Ansatz zur modellgest{\"u}tzten Prognose von Lieferzeiten.",
keywords = "Data mining, Hybrid modelling, Logistic models, Production planning and control, Through-put time prediction, Logistic Models, Data Mining, Throughput Time Prediction, Hybrid Modelling, Production Planning and Control",
author = "Tobias Hiller and Torben Lucht and Tim K{\"a}mpfer and Lea Vinke and Patrick Holtsch and Peter Nyhuis",
year = "2021",
month = dec,
day = "30",
doi = "10.1515/zwf-2021-0197",
language = "Deutsch",
volume = "116",
pages = "882--888",
number = "12",

}

Download

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 -