Hafenlogistikbeschäftigt sich mit der Planung, Steuerung, Durchführung und Kontrolle von Materialflüssenund den dazugehörigen Informationsflüssen im System Hafen und seinenSchnittstellen zu zahlreichen Akteuren innerhalb und außerhalb desHafengeländes.
Dieaußerordentliche Rolle des Seeverkehrs für den internationalen Handel erfordertsehr leistungsfähige Häfen. Diese müssen zahlreichen Anforderungen in PunktenWirtschaftlichkeit, Geschwindigkeit, Sicherheit und Umwelt genügen. Vor diesemHintergrund beschäftigt sich die Vorlesung Hafenlogistik mit der Planung,Steuerung, Durchführung und Kontrolle von Materialflüssen und den dazugehörigenInformationsflüssen im System Hafen und seinen Schnittstellen zu zahlreichenAkteuren innerhalb und außerhalb des Hafengeländes. Die VeranstaltungHafenlogistik zielt darauf ab, Verständnis über Strukturen und Prozesse inHäfen zu vermitteln. Schwerpunktmäßig werden unterschiedliche Typen vonTerminals, ihre charakteristischen Layouts und das eingesetzte technischeEquipment und die voranschreitende Digitalisierung sowie das Zusammenspiel derbeteiligten Akteure thematisiert.
Außerdem werdenregelmäßig renommierte Gastredner aus der Wissenschaft und Praxis eingeladen,um einige vorlesungsrelevante Themen aus alternativen Blickwinkeln zubeleuchten.
FolgendeInhalte werden in der Veranstaltung vermittelt:
Vermittlung von Strukturen und Prozessen imHafen
Planung, Steuerung, Durchführung undKontrolle von Material- und Informationsflüssen im Hafen
Grundlagen unterschiedlicher Terminals,charakteristischer Layouts und des eingesetzten technischen Equipments
Bearbeitung vonaktuellen Fragenstellungen der Hafenlogistik
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.