Maschinelles Lernen zur Optimierung des Sicherheitsbestands in Produktions- und Distributionsnetzwerken

Die OPTANO GmbH entwickelt maßgeschneiderte Softwarelösungen für Unternehmen aller Branchen, um mithilfe mathematischer Optimierungsverfahren unternehmensinterne Prozesse ihrer Kunden zu verbessern.

Icon

Um Lieferengpässe zu vermeiden und die Verfügbarkeit von Produkten zu gewährleisten, sind Sicherheitsbestände notwendig. Diese sind jedoch mit hohen Lagerhaltungs- und Kapitalbindungskosten verbunden.

Icon

Ein intelligentes Assistenzsystem unterstützt menschliche Entscheidungsträger mithilfe maschineller Lernverfahren bei der Einstellung der optimalen Höhe von Sicherheitsbeständen in Produktions- und Distributionsnetzwerken.

Icon

Die Sicherheitsbestände werden auf das tatsächlich notwendige Minimum reduziert und Kapital für andere Investitionen freigesetzt. Gleichzeitig wird der Planungsaufwand reduziert, sodass die Planung flexibler eingesetzt werden kann und robuster auf Störungen reagiert.

Sicherheitsbestände garantieren Produktverfügbarkeit

In den letzten Jahren haben Krisen wie geopolitische Konflikte, die Corona-Pandemie oder blockierte Seewege die Abhängigkeit der Produktverfügbarkeit von globalen Lieferketten deutlich gemacht. Um die Produktverfügbarkeit zu gewährleisten, sind Sicherheitsbestände ein wichtiges Konzept. Da diese mit hohen Lagerhaltungskosten und Kosten für gebundenes Kapital verbunden sind, muss eine optimale Balance zwischen Sicherheitsbeständen und verbundenen Kosten und Risiken gefunden werden. Diese Balance ist von vielen Faktoren wie der Anzahl der Produkte und Standorte, Nachfragevariabilität, Lieferzuverlässigkeit, Bestellkosten und Lagerkostensätzen abhängig. Die Berechnung der Sicherheitsbestände für eine hohe Anzahl an Produkten für mehrere Lager- und Produktionsstandorte ist mit traditionellen mathematischen Optimierungsmethoden zu komplex und rechenintensiv für die operative Nutzung in Unternehmen. Daher muss eine Verbesserung der Rechenlaufzeit erreicht werden, auch um dynamisch auf Änderungen in der Umwelt reagieren zu können.

Im Rahmen dieses Projektes wird OPTANO daher gemeinsam mit der Universität Paderborn ein intelligentes Assistenzsystem entwickeln und prototypisch umsetzen. Dieses soll menschliche Entscheidungsträger mithilfe maschineller Lernverfahren unterstützen, die optimale Höhe der Sicherheitsbestände in mehrstufigen Produktions- und Distributionsnetzwerken effizient einzustellen. Das Assistenzsystem soll in der Lage sein, Unsicherheiten bezüglich Angebot und Nachfrage zu berücksichtigen und dynamisch auf Veränderungen zu reagieren. Außerdem soll das System die Interaktion und die Kommunikation zwischen Mensch und System unterstützen, indem es transparent und verständlich ist.

Unser Ziel ist es, mittels KI-Methoden optimale Sicherheitsbestände für Produktions- und Distributionsnetzwerke zu ermitteln. Diese betten wir in eine verständliche und anwenderfreundliche Lösung ein. So schaffen wir den Transfer von State-of-the-Art Methoden in die Planungsroutinen der Unternehmen und helfen ihnen, kosteneffiziente Bestände und bestmögliche Verfügbarkeit zu erreichen.
– Dr. Dominik Hollmann, Optano GmbH

Mithilfe von Maschinellen Lernen den optimalen Sicherheitsbestand ermitteln

Maschinelles Lernen bietet die Möglichkeit, aus historischen Daten und Expertenwissen zu lernen und Muster und Zusammenhänge zu erkennen, die für die Optimierung von Sicherheitsbeständen genutzt werden können. Im Rahmen des Projekts werden Methoden des Supervised Machine Learning (SML) und des Reinforcement Learning (RL) genutzt.

Zunächst soll die Optimierung der Sicherheitsbestände aus betriebswirtschaftlicher Sicht analysiert und in technische Teilprobleme aufgegliedert werden, welche mit SML- bzw. RL-Modellen gelöst werden können. Dabei werden historische Daten und das Expertenwissen von erfahrenen Planer:innen berücksichtigt. Anschließend wird die Ergebnisqualität der Modelle in einer Fallstudie evaluiert und die entwickelten Komponenten werden in ein Assistenzsystem integriert. Dabei werden sowohl organisatorische wie auch nutzerzentrierte Aspekte zum Einsatz des Assistenzsystems untersucht.

Ziel von OPTANO und der Universität Paderborn ist es, die Planung von Sicherheitsbeständen in Produktions- und Distributionsnetzwerken zukünftig kosteneffizienter und robuster auf etwaige Störungen vorzubereiten. Dadurch werden die Netzwerke anpassungsfähiger und ihre Wettbewerbsfähigkeit gestärkt.

Optimierung der Mitarbeiterakzeptanz durch Einbindung und Berücksichtigung menschlicher Faktoren

Aus bereits vergangenen Projekten des Kompetenzzentrums geht hervor, dass die Akzeptanz der KI-Unterstützungssysteme am höchsten ist, wenn Mitarbeitende frühestmöglich informiert und aktiv eingebunden werden. Um die Akzeptanz, das Vertrauen und die Zufriedenheit der Mitarbeitenden zu gewährleisten, sollen menschliche Faktoren wie Erklärbarkeit, Nachvollziehbarkeit, Kontrollierbarkeit und Benutzerfreundlichkeit des KI-Systems berücksichtigt werden. Das Projekt knüpft hierbei an Ergebnisse der Leuchtturmprojekte mit Dr. Oetker und WAGO an.