In dieser Artikelserie (Teil I und Teil II) sollen die relevanten Kriterien erläutert werden, die bei der Wahl eines optimierungs- oder heuristikbasierten Ansatzes im Bereich der automatisierten Lieferkettenplanung zu berücksichtigen sind. Dieser Artikel befasst sich mit den technischen Aspekten und der Bewertung der Lösungsqualität, der Flexibilität und des Rechenaufwands.

Wie erhalten wir den perfekten Plan?

Bevor Sie einen Planungsansatz auswählen, um den perfekten Produktionsplan zu bestimmen, müssen Sie zunächst eine Metrik definieren, die festlegt, was „perfekt“ für Sie bedeutet. Ist es die Lösungsqualität in Bezug auf ökonomische KPIs wie minimale Kosten oder maximale Einnahmen? Oder geht es Ihnen eher um technische Daten wie maximaler Durchsatz oder ausgewogene Ressourcen-OEE (Overall Efficiency Effectiveness)? Aufgrund Ihrer individuellen Zielfunktionsdefinition bietet die Optimierung in jedem Fall eine mathematisch nachgewiesene, optimale Lösung. Der Nachteil dieser guten Lösungsqualität ist der damit verbundene Rechenaufwand. Abhängig von der Komplexität eines bestimmten Planungsproblems (z.B. gemessen als Anzahl von Produkten oder Produktionsressourcen) kann die Laufzeit eines Optimierungsablaufs schnell zum Problem werden werden (wobei der Speicherbedarf übermäßig ansteigt).

Planungssituation ist auf den Moment beschränkt

Im Gegensatz dazu wenden Heuristiken normalerweise eine Reihe von Geschäfts- oder Planungsregeln/-richtlinien an, um eine ausreichend gute Lösung zu erreichen, ohne das absolute Optimum anzustreben. Das algorithmische Design ermöglicht die Bestimmung einer gut realisierbaren Lösung mit weitaus weniger Rechenaufwand. Angesichts der dynamischen Produktionsplanungsumgebungen, in denen etwa Eilaufträge oder Maschinenausfälle jederzeit zu unerwarteten Änderungen der Planungssituation führen können, stellt sich jedoch eine Frage: Ist es überhaupt sinnvoll, erhebliche Anstrengungen zu unternehmen, um eine auf den Moment beschränkte Planungssituation optimal zu lösen? Würden Sie eher ein zufriedenstellendes Planungsergebnis akzeptieren, das schnell von Heuristiken bestimmt werden kann? (Die unterscheidenden Schlüsselprinzipien der heuristik- und optimierungsbasierten Planung finden Sie im ersten Teil dieser Serie).

Komplexer Anlagenaufbau

Viele Produktionssysteme zeichnen sich durch einen mehrstufigen Materialfluss und/oder einen komplexen Anlagenaufbau mit mehreren alternativen Produktpfaden durch die Ressourcenstruktur aus. Viele potenziell voneinander abhängige Einschränkungen stellen eine große Herausforderung für die Definition eines geeigneten Satzes an Planungsregeln und -richtlinien dar. Infolgedessen wird die Gestaltung ganzheitlicher Planungsansätze, die auf Heuristiken basieren, praktisch unmöglich und es muss auf eine Problemzerlegung zurückgegriffen werden. Diese kann die Verringerung der Anzahl der zu berücksichtigenden Produkte und Ressourcen, das Ignorieren komplexer Einschränkungen oder die Konzentration auf Kapazitätsengpässe umfassen. Höchstwahrscheinlich müssen von Hand neue Pläne bzw. Terminierungen gemacht werden, um sicherzustellen, dass alle Einschränkungen erfüllt werden. In diesem Zusammenhang bieten optimierungsbasierte Ansätze einen ihrer größten Vorteile. Wenn Sie alle Merkmale eines Produktionssystems in einem Optimierungsmodell dargestellt haben, werden alle Einschränkungen gleichzeitig berücksichtigt, um eine global realisierbare Lösung über die gesamten Produktionsstufen hinweg abzuleiten (was die Optimierung im Idealfall zu einem One-Click-Ansatz macht).

Neue Gleichungen einführen

Sie können die Komplexität bewältigen und sind gleichzeitig flexibel genug, um den Planungsumfang durch Hinzufügen von Produkten/Ressourcen oder durch Anpassen von Einschränkungen einfach zu erweitern, etwa indem Sie Gleichungen in das mathematische Modell einführen oder sie anpassen. Beim heuristischen Ansatz können Änderungen der Produktionssystemmerkmale dazu führen, dass die angewandten Geschäfts-/Planungsregeln oder das gesamte algorithmische Verfahren überdacht werden muss. Bitte beachten Sie als Folgeanmerkung zum zweiten Teil dieser Serie, dass die Definition von geeigneten Gewichtungen der Zielfunktionselemente oder von heuristischen Geschäftsregeln eine zentrale Herausforderung ist. Das Kundenprojektteam muss diese Aufgabe lösen, um die Komplexität der Planungssituation zu bewältigen und die gewünschten Ergebnisse zur erhalten.

KI ist nicht der heilige Gral

Wenn Kunden mit den oben genannten komplexen Planungsumgebungen konfrontiert sind, wenden sie sich oft dem aktuellen Trend von KI als Wegbereiter für so genannte One-Button-Lösungen zu. Nach dem Motto: Nutze einfach KI und alle deine Probleme werden gelöst. Kein manueller Aufwand mehr, nur ein intelligenter kleiner Helfer, der immer den besten Zeitplan findet. Mit der Realität hat diese Denkweise aber wenig zu tun. KI-Lösungen können bei der Behebung heutiger Planungsprobleme, z.B. bei der Ermittlung von Versorgungsrisiken oder der Aktualisierung von Planungsparametern, eine große Hilfe sein. Die Vielzahl an Lösungsalternativen in Kombination mit den vielfältigen Abhängigkeiten zwischen den Planungsbeschränkungen ist jedoch zu komplex, um sie bei der Produktionsterminierung zu lösen. Kein Data Lake kann für eine solche Lösung ausreichende Lernkapazitäten unterstützen. KI ist – zumindest im Moment – nicht der heilige Gral, auf den alle hoffen.

Dieser Artikel schließt die Diskussion der Entscheidungskriterien für heuristik- oder optimierungsbasierte Lieferkettenplanungsansätze aus benutzerorientierter Perspektive und aus Sicht der Lösungsqualität ab. Als ein zentrale Erkenntnis können wir hervorheben, dass die Kompromisse zwischen den ausgewerteten Merkmalen in jedem Fall eine individuelle Bewertung erfordern.

Teil I der Serie: So planen Sie Ihre Lieferkette
Teil II der Serie: So planen Sie Ihre Lieferkette

Wir danken Jens Rieder für seinen wertvollen Beitrag zu diesem Artikel.

Das Rennen um die Wertschöpfung: Auf dem Weg zur digitalen Supply Chain

Um den Nutzen einer digitalen Supply Chain voll auszuschöpfen, ist in den meisten Unternehmen noch einiges zu tun. In unserem Thought Paper erfahren Sie, wie Sie die digitale Transformation der Supply Chain voranbringen können.

Zum Download "Digital Supply Chain"

Empfohlene Artikel

Supply Chain Management

Flow Metrics – Supply Chain Performance intelligent messen (Teil II)

Teil II: Die richtige Richtung für das Performance Management – Flow Metrics In meinem letzten Blogbeitrag habe ich erläutert, dass …

weiterlesen
CRM

CRM-Auswahl: Kostenloses CRM-Lastenheft zum Download

Ein Lastenheft spart Zeit und bringt Transparenz in die CRM-Auswahl. Hier gibt es ein vorkonfigurierter CRM-Lastenheft zum kostenlosen Download.

weiterlesen
Data & Analytics

Die Zukunft (und Gegenwart) von ML und KI im Stammdatenmanagement

Erfahren Sie mehr über aktuelle Entwicklungen und Einsatzmöglichkeiten von Machine Learning und Artificial Intelligence im Stammdatenmanagement.

weiterlesen

Denken Sie Ihre Value Chain neu mit uns

Kontaktieren Sie uns