Klassifikationen von Supply-Chain-Events mit fehlerhaften Daten

  • Durch die Verkürzung des Produktlebenszyklus und die zunehmende Internationalisierung des Wettbewerbs werden Unternehmen mit einer steigenden Komplexität im Supply-Chain-Management konfrontiert. Zur Reduzierung dieser Komplexität und zur Unterstützung der Entscheidungen der Mitarbeiter werden ereignisbasierte Systeme eingesetzt. Dazu zählen „Tracking & Tracing“-Systeme bei denen Informationen durch Statusmeldungen aufgenommen und anschließend angezeigt werden, und das Supply-Chain-Event-Management, bei dem zusätzlich die Möglichkeiten der Simulation, Steuerung und des Messens zur Verfügung stehen. Ein zentraler Begriff in diesem Zusammenhang stellt das Ereignis dar. Ereignisse bilden die informationstechnische Grundlage für die Abbildung und den Abgleich der Prozessabläufe in den ereignisbasierte Systemen. Um über die Prozesskette hinweg einheitliche Formen von Ereignissen zu erhalten, wurden verschiedene Standards definiert, unter denen der EPCIS der meist verbreitete ist. Die vom Supply-Chain-Partner erhaltenen Ereignisse bilden die Grundlage für alle nachgelagerten Schritte und müssen deshalb die korrekten Daten enthalten. Da die Datenqualität in zahlreichen Anwendungsfällen unzureichend ist und es aktuell keine allumfassenden Ansätze zu dem Umgang mit dieser Problemstellung in der Literatur gibt, wird in der vorliegenden Arbeit der Untersuchungsschwerpunkt auf fehlerhafte Daten gelegt. Dazu sind zunächst die Erscheinungsformen und Merkmale dieser Daten durch die Untersuchung der gebräuchlichen Klassifizierungen und Standards von Ereignissen und den aktuellen Ansätzen zur Definition der Datenqualität zu identifizieren. Im Anschluss wird basierend auf den gewonnen Erkenntnissen bezüglich der bestehenden Klassifikationssysteme, den Standards zur Ereignisbeschreibung und den generischen Qualitätsdefiziten eine Klassifikation entwickelt und validiert. Aus der erhaltenen Klassifikation werden abschließend (klassifikations-)typische Erscheinungsformen abgeleitet.

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Lukas Pelzer
Referee:Günther Schuh
Advisor:Jokim Janßen
Document Type:Master's Thesis
Language:German
Date of Publication (online):2020/10/19
Date of first Publication:2020/09/11
Release Date:2021/06/01
Tag:Datenqualität; Fehlerhafte Daten; SCEM
FIR-Number:FIR 8994
Institute / Department:FIR e. V. an der RWTH Aachen
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 62 Ingenieurwissenschaften