Verlässliche Identifikation logistischer Entitäten anhand inhärenter visueller Merkmale

Simple item page
dc.contributor.advisorKirchheim, Alice
dc.contributor.authorRutinowski, Jérôme
dc.contributor.refereeMüller, Emmanuel
dc.date.accepted2025-02-25
dc.date.accessioned2025-03-07T12:43:16Z
dc.date.available2025-03-07T12:43:16Z
dc.date.issued2025
dc.description.abstractIm industriellen Umfeld und insbesondere in der Logistikbranche ist die Kenntnis über den Aufenthaltsort von Gütern und die Möglichkeit der Identifikation ebenjener von großem Nutzen. Sofern diese Informationen erhoben werden, geschieht dies durch die Nutzung extrinsischer Merkmale, wie etwa Barcodes. Jedoch sind häufig kostengünstige Entitäten, wie etwa Paletten, bislang nicht serialisiert und können somit nicht über ihren Lebenszyklus verfolgt werden. Die Serialisierung dieser Entitäten anhand ihrer inhärenten visuellen Merkmale bringt jedoch erhebliche Vorteile hinsichtlich der Nachverfolgbarkeit und Prozessoptimierung mit sich. Die dadurch gewonnene Prozesstransparenz wiederum stärkt das Vertrauen in sonst intransparente Vorgänge. Diese Promotionsschrift befasst sich deshalb mit der Bearbeitung der beiden folgenden Forschungsziele: Das erste Forschungsziel dieser Arbeit ist die Identifikation logistischer Entitäten anhand ihrer inhärenten visuellen Merkmale. Hierbei sollen geeignete logistische Entitäten ausgewählt und entsprechende Datensätze erstellt werden. Anschließend werden verschiedene Identifikationsmethoden auf die Datensätze angewendet und verglichen. Das zweite Forschungsziel ist die erstmalige Definition und anschließende Quantifikation des Begriffs der Verlässlichkeit im Maschinellen Lernen im Allgemeinen und des Identifikationsverfahrens im Spezifischen. Es wird eine Definition des Begriffs basierend auf seinen Komponenten, die aus der relevanten Literatur deduziert werden, entwickelt und eine geeignete Quantifikationsmetrik erarbeitet. Zuletzt werden die erstellten Datensätze qualitativ evaluiert und die Identifikationsmethoden anhand ihrer Prädiktionsgenauigkeit bemessen. Es wird weiterhin ein industrienahes Szenario der Identifikation zur Evaluation der Umsetzbarkeit des Verfahrens umgesetzt. Wiederum werden die Definition und Quantifikationsmetrik der Verlässlichkeit anhand ihrer Reliabilität in der Nutzung von Experten evaluiert.de
dc.identifier.urihttp://hdl.handle.net/2003/43526
dc.identifier.urihttp://dx.doi.org/10.17877/DE290R-25359
dc.language.isode
dc.subjectIntralogistikde
dc.subjectComputer Visionde
dc.subjectTrustworthy AIen
dc.subject.ddc620
dc.subject.ddc670
dc.subject.rswkIntralogistikde
dc.subject.rswkMaschinelles Sehende
dc.subject.rswkGut <Wirtschaft>de
dc.subject.rswkLokalisationde
dc.subject.rswkStrichcodede
dc.subject.rswkMaschinelles Lernende
dc.titleVerlässliche Identifikation logistischer Entitäten anhand inhärenter visueller Merkmalede
dc.typeText
dc.type.publicationtypePhDThesis
dcterms.accessRightsopen access
eldorado.secondarypublicationfalse

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Dissertation_Rutinowski.pdf
Size:
36.8 MB
Format:
Adobe Portable Document Format
Description:
DNB
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
4.82 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Lehrstuhl für Förder- und Lagerwesen