Indoor Positionsbestimmung & mehr


rss

infsoft Blog

Lesen Sie hier alles über die neuesten Entwicklungen in den Bereichen Indoor Positionsbestimmung, Indoor Navigation, Indoor Analytics und Indoor Tracking.

Images/blog/2020/Blog-06-Bachelorarbeit-Ferdinand-600-DE.jpg

Untersuchung von Trackingdaten in logistischen Prozessen

Wir freuen uns zu verkünden, dass infsoft einen weiteren Bacheloranden erfolgreich durch seine Abschlussarbeit begleiten konnte. In Kooperation mit der Hochschule für angewandte Wissenschaften in München hat Ferdinand Rottmair seine Bachelorarbeit mit dem Titel „Untersuchung von Trackingdaten aus einem Indoor Navigationssystem in logistischen Prozessen“ bei uns geschrieben.


Das Ziel dieser Arbeit war es innerhalb eines beliebigen logistischen Prozesses mögliche Fehler aufgrund der Bewegungsmuster bestimmter Objekte festzustellen. Dafür wurde ein prototypartiges Konsolenprogramm, basierend auf Algorithmen aus Bewegungsdaten, erstellt. Mit diesem Programm können in Logistikprozessen Abweichungen von der Norm, wie zum Beispiel Stauungen, Retouren oder auch Falschläufer ermittelt werden. Für die Verifizierung des Programms wurden selbst definierte Daten sowie echte Daten genutzt.

Informationen, die durch die Aufzeichnung von Bewegungen eines beliebigen Objekts synchron zu einer zeitlichen Komponente entstehen, werden Trajektorie genannt. Diese können anhand von Analysen interessante Informationen über das Objekt, welches beispielsweise mit Hilfe eines Indoor Navigationssystem getrackt wird, enthalten. Bei den Informationen, die in dieser Bachelorarbeit von Bedeutung sind, handelt es sich um Fehler, beziehungsweise Ausreißer, die es innerhalb eines logistischen Prozesses zu erkennen gilt. Hierfür werden Algorithmen zur schrittweisen Aufbereitung der Daten genutzt.

Effective Inventory Management in Warehouse Logistics

So werden im ersten Schritt durch eine Adaption des “DenTrac” Algorithmus die Trajektorien des Datensatz in einzelne Cluster unterteilt, welche die einzelnen Abläufe innerhalb eines logistischen Prozesses widerspiegeln sollten. Anschließend können diese Abläufe auf Punktebene geclustert werden, um sogenannte “AoIs” (Area of Intrest) zu erkennen, welche die die “interessanten” Areale des Ablaufs darstellen. Mit Hilfe der “AoIs” gibt es verschiedene Verfahren zum Clustern der Trajektorie, die Informationen über die Richtung und die Geschwindigkeit des jeweiligen Objekts darlegen können.

Außerdem können anhand des “TOD-SS” Algorithmus, der die einzelnen Trajektorien zerlegt und durch das Analysieren der Feature Werte dieser, auf mathematischer Ebene Ausreißer in Geschwindigkeit, Örtlichkeit, Richtung, und Winkelsumme detektieren kann. Diese analysierenden Algorithmen werden mit herkömmlichen Algorithmen, wie zum Beispiel dem “Graham-Scan”, der dabei hilft die geclusterten Punktwolken die einer AoI entsprechen innerhalb einer konvexen Hülle zu vereinen, oder aber die Ignorier Methode, die berechnet ob sich ein Punkt innerhalb eines Polygons befindet, um zu eruieren zu welchem Anteil ein detektiertes Cluster mit einer “AoI” übereinstimmt.

Die Arbeit befasst sich zusätzlich mit der Performance der verschiedenen genutzten Algorithmen und stellt Entwicklungsaussichten und Anwendungsszenarien dar.

Kostenloses Whitepaper

Der perfekte Einstieg in das Thema Indoor Positionsbestimmung



Comments are closed.