Übersicht laufender Forschungsprojekte

Um ihre Wettbewerbsfähigkeit auf dem globalen Markt zu wahren, sind Unternehmen dazu angehalten, den vielfältigen und kundenindividuellen Wünschen mit einem umfangreichen Produktportfolio gerecht zu werden. Die Folge ist eine Zunahme der Variantenvielfalt, was wiederum zu steigender Komplexität sowie steigenden Investitions- und Betriebskosten führt. In der Erwartung, einen breiteren Kundenkreis anzusprechen und somit den Umsatz zu steigern, erweitern Unternehmen ihr Produktportfolio um zusätzliche Varianten. Jedoch gehen sie hierbei das Risiko negativer Margen ein, die durch schrumpfende Losgrößen und unwirtschaftliche Produktvarianten verursacht werden können. Im Vergleich zu großen Unternehmen verfügen kleine und mittlere Unternehmen (KMU) häufig nicht über ausreichende Ressourcen, um die kostenseitigen Auswirkungen von Portfolioerweiterungen zu bewerten. Es ist erforderlich, die Unwirtschaftlichkeit einer Variante noch vor dem Start der Produktion (SOP) zu erkennen, um zu vermeiden, dass KMU unnötige zeitliche und finanzielle Ressourcen investieren. 

Das Projekt zielt darauf ab, durch Experteninterviews die aktuelle Situation und wesentliche Herausforderungen der Industrie zu erfassen, um Grundlagen für eine resiliente Planung abzuleiten. Die erhobenen Daten sollen Entscheidungen zur Art und Dimensionierung eines generischen Transportnetzwerks für das Resilient Service Network Design Problem (RSNDP) unterstützen und ein agentenbasiertes Simulationsmodell ermöglichen. Dieses Modell dient der Entwicklung effizienter und resilienter Planungsmöglichkeiten für KMU-Spediteure und KV-Operateure. Abschließend sollen die Ergebnisse als Handlungsempfehlungen für diese Zielgruppen aufbereitet werden.

Terminals des Kombinierten Verkehrs (KV) haben insbes. im Fall von KMU mit einer knappen Ressourcenlage und hohen Auslastungen zu kämpfen. Auch der Fachkräftemangel trägt hierzu bei. Notwendige Mehrarbeiten durch eine unzureichende Auftragsplanung, wie bspw. Umlagerungsvorgänge oder weite innerbetriebliche Transportwege, wiegen daher besonders bei knapp ausgestatteten Betrieben extrem nachteilig hinsichtlich Umschlagsgeschwindigkeit und -menge sowie auch deren Profitabilität. Gegenwärtig genutzte Planungssysteme liefern lediglich regelbasiert optimierte Auftragspläne, wodurch es an Flexibilität mangelt und nicht optimal auf unsichere Ereignisse, wie bspw. Verspätungen oder lange Prozesszeiten, reagiert werden kann. In Folge kommt es zu unproduktiver Mehrarbeit und Ressourcenengpässen.In KIProKV soll daher ein Planungstool entwickelt werden, welches mathematische Optimierungsansätze nutzt und mit datengetriebener Prozessprognose mittels Machine Learning verbindet. Dabei werden durch das Prognosemodell unsichere Prozessvariablen vorhergesagt, um vorausschauend und flexibel möglicherweise entstehende Verschiebungen oder Engpässe im geplanten Prozessablauf identifizieren zu können. Die Quantifizierung der Unsicherheiten fließt in den Entstehungsprozess der Optimierungsmodelle ein und trägt dazu bei, effiziente Lösungsalgorithmen zu entwickeln. Durch eine Feedbackschleife aus Optimierung und Prognose soll im Gesamtansatz eine Echtzeit-Planung der Umschlagsaufträge erfolgen, welche dem Terminalpersonal zur Verfügung gestellt wird.Durch diesen Ansatz soll die Unproduktivität um deutlich mehr als 30% (Praxisaussage bzgl. rein regelbasierter Optimierung) reduziert werden. Hieraus resultieren kürzere Durchlaufzeiten und somit eine gesteigerte Effizienz der Umschlagsprozesse - vor allem für KMU relevant. Dadurch kann bei gegebenen Kapazitäten und ohne Erweiterung der KV-Infrastruktur die Umschlagsmenge erhöht und somit ein nachhaltigerer Güterverkehr ermöglicht werden.