- Titel
- AI-Driven Digital Twin Architecture for Forestry Logistics Planning
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-997297
- Übersetzter Titel (DE)
- KI-basierte Digital Twin-Architektur für die Logistikplanung in der Forstwirtschaft
- Konferenz
- 21. ASIM-Fachtagung Simulation in Produktion und Logistik. Dresden, Germany, 24. bis 26. September 2025
- Quellenangabe
- Simulation in Produktion und Logistik 2025
Herausgeber: Sebastian Rank
Herausgeber: Mathias Kühn
Herausgeber: Thorsten Schmidt
Erscheinungsort: Dresden
Verlag: Technische Universität Dresden, Professur für Technische Logistik
Erscheinungsjahr: 2025
ISBN: 978-3-86780-806-4 - Erstveröffentlichung
- 2025
- DOI
- https://doi.org/10.25368/2025.259
- Abstract (EN)
- Forestry logistics is challenged by the stochastic nature of supply chains, with production outcomes and road accessibility highly affected by weather. Traditional planning methods, based on historical data and static heuristics, lack adaptability to real-time changes, resulting in inefficiencies. While simulation-based multi-objective optimization (SMO) offers improvements, discrete event simulation models often fall short in providing real-time decision support. This study presents an AI-driven digital twin (AI-DT) framework that transforms static SMO models into adaptive tools for harvest and transport planning. By integrating real-time data, AI, and predictive modeling, the AI-DT enables dynamic scenario analysis and responsive control of logistics. The framework enhances operational robustness, allowing decision-makers to optimize schedules under real-world constraints such as weatheraffected road conditions and uncertain supply.
- Freie Schlagwörter (DE)
- Simulation, Künstliche Intelligenz, Modellierung, Optimierung, Lieferketten, simulationsbasierte Mehrzieloptimierung (SMO)
- Freie Schlagwörter (EN)
- Simulation, Artificial Intelligence, Modelling, Optimisation, supply chains, simulation-based multi-objective optimization (SMO)
- Klassifikation (DDC)
- 620
- Klassifikation (RVK)
- ZM 9500
- Publizierende Institution
- Technische Universität Dresden, Dresden
- Förder- / Projektangaben
- Stiftelsen för Strategisk Forskning (SSF)
ID: FID17-0043 - Version / Begutachtungsstatus
- publizierte Version / Verlagsversion
- URN Qucosa
- urn:nbn:de:bsz:14-qucosa2-997297
- Veröffentlichungsdatum Qucosa
- 20.10.2025
- Dokumenttyp
- Konferenzbeitrag
- Sprache des Dokumentes
- Englisch
- Lizenz / Rechtehinweis
CC BY 4.0