Wie gelingt eine optimierte Lagerplatzvergabe? Big Data und maschinelles Lernen [German]

By Dennis Eichhorn

Bachelorarbeit aus dem Jahr 2020 im Fachbereich BWL - Beschaffung, Produktion, Logistik, Note: 2,5, Hochschule f r Wirtschaft und Umwelt N rtingen-Geislingen; Standort N rtingen, Sprache: Deutsch, Abstract: Die Zielstellung der Arbeit ist eine Untersuchung der Lagerplatzvergabe auf m gliche Optimierungspotentiale. Das Ziel hierbei ist die Entwicklung neuer Ans tze, wobei Big Data und maschinelles Lernen gem der Themenstellung als Werkzeuge fungieren sollen. Die Antwort auf die Frage, ob Big Data und das maschinelle Lernen tats chlich eine Optimierung mit sich bringen, soll durch eine Potentialanalyse gegeben werden. Hierf r werden zun chst Ma nahmen entwickelt, welche anschlie end untersucht, und schlie lich evaluiert werden, um abschlie end die Erkenntnis zu erlangen, ob und inwiefern es sich bei Big Data und dem maschinellen Lernen um eine Optimierung handelt. Um die Forschungsfrage m glichst umfassend und genau beantworten zu k nnen, wurde eine Struktur gew hlt, die das Themengebiet zun chst allgemein, im Laufe der Arbeit immer spezifischer auf die Fragestellung bezogen, untersucht. Daf r gliedert sich die Arbeit in drei wesentliche Themengebiete. Ausgehend von den wirtschaftlichen Aspekten werden zun chst die Grundlagen der Lagerwirtschaft sowie die Kommissionierung erl utert und in Verbindung mit der Lagerplatzvergabe gebracht. Im weiteren Verlauf der Arbeit werden die technischen Aspekte beleuchtet. Dabei soll ein tiefergreifendes Verst ndnis gegen ber Big Data und maschinellem Lernen erm glicht werden. Auf den wirtschaftlichen und technischen Grundlagen aufbauend wird im dritten Teil die Forschungsfrage untersucht und beantwortet. Es geht hierbei um die Frage, inwiefern sich Big Data und maschinelles Lernen als Werkzeuge f r eine optimierte Lagerplatzvergabe eignen. Dies wird durch eine Potentialanalyse, einer Evaluation der Optimierungsm glichkeiten, umgesetzt, indem die ersten beiden Punkte dieser Arbeit in Verbindung gebracht werden.

• Format: Paperback
• Language: German
• ISBN: 3346270742
• ISBN13: 9783346270740
• Release Date: November 2020
• Publisher: Grin Verlag
• Length: 72 Pages
• Weight: 0.23 lbs.
• Dimensions: 0.2" x 5.8" x 8.3"