Mathematik revolutioniert die Supply Chain

Supply Chain Analytics

Forschungsfeld »Supply Chain Analytics«, demand forecasting
© Adobe Stock/ minianne

Die Digitalisierung verändert das Supply Chain Management: Technische Innovationen in Verbindung mit modernen Methoden der Datenanalyse schaffen immer mehr Möglichkeiten Prozesse zu optimieren und neue Services zu entwickeln.

Neben den Methoden haben sich aber auch die mathematischen Lösungsalgorithmen stark verbessert, so dass heute viel mehr Daten schnell und anwendungsnah verarbeitet werden können als noch vor einigen Jahren.

Früher lag der Fokus der Analysen technologie- und methodenbedingt eher auf den Bereich der Descriptive Analytics. Das heißt Werte aus der Vergangenheit wurden aufgenommen und interpretiert. Heute setzt zudem Predictive und Prescriptive Analytics ein, um die Zukunft so präzise wie möglich prognostizieren sowie die Prozesse optimieren zu können. Hier kommen mathematische und statistische Methoden, Verfahren und Modelle zum Einsatz, mit denen automatisiert Abläufe und Ereignisse analysiert und konkrete Vorgaben für die Planung und Steuerung von Prozessen abgeleitet werden können.

Qualität und Art der Daten: Die Herausforderungen in der Supply Chain

Dabei gelten im Supply Chain Management besondere Herausforderungen: In logistischen Prozessen werden stetig riesige Datenmengen erzeugt, z. B. durch das Erfassen von Sendungsdaten, durch Lagerverwaltungssysteme oder Maschinensensoren. Diese Daten wurden in den meisten Fällen ursprünglich zu konkreten Anwendungszwecken erhoben und gespeichert, etwa für Steuerungs-, Informations- und Dokumentationsaufgaben.

Sollen die vorhandenen Daten mit modernen Data Analytics Methoden analysiert und ausgewertet werden, führt dies in der Praxis häufig zu Problemen. Denn die Daten weisen nicht die erforderliche Qualität auf oder sind fehler- bzw. lückenhaft. In anderen Fällen sind nicht die richtigen vorhanden, die für eine bestimmte Anwendung nötig wären, da eine Erhebung nicht möglich oder zu aufwendig ist, das heißt die Anforderungen der Algorithmen an die Daten werden bis dato häufig nicht erfüllt.
 

Optimale Wertschöpfungsprozesse sind nur durch Analytics zu erreichen.


Wie also können in einem solchen Umfeld mit Hilfe von Data Analytics vorrausschauende Systeme entwickelt werden, die Probleme frühzeitig erkennen, Handlungsempfehlungen vorschlagen und wenn möglich automatisiert die optimale Lösung umsetzen?

Indem Prognose- und Optimierungsmethodik miteinander verknüpft und damit die Komplexität in der mathematischen Darstellung reduziert wird: Fraunhofer SCS erweitert deswegen vorhandene Datenstrukturen und kombiniert sie mit bestehenden Datenanalysemethoden und entwickelt so neue Lösungen. Die Auswahl, Kombination und Modifikation von Verfahren bzw. Algorithmen erfolgt dabei individuell für jeden Anwendungsfall. Damit können Logistikketten überwacht, Kennzahlen und Ereignisse in der Lieferkette vorausgesagt und die Supply Chain bis hin zur Mitarbeitereinsatzplanung geplant und gesteuert werden.

Wie wir mit Mathematik die Supply Chain revolutionieren

Wir lösen aktuell noch zu komplex scheinende Fragestellungen im Supply Chain Management: Dafür verknüpfen wir als eines der wenigen Institute in der mathematischen Welt Prognose- und Optimierungsmethoden und reduzieren die Komplexität bei der mathematischen Darstellung von industriellen Problemstellungen.

Konkret entwickeln, analysieren und testen wir domänenspezifische Data Analytics Methoden aus den Bereichen des maschinellen Lernens, Statistik und Mathematik wie:

  • Lineare und Nichtlineare Regressionen
  • Clustering-Verfahren
  • Bayesianische Methoden
  • Entscheidungsbäume und Ensemble-Methoden
  • Neuronale Netze und Deep Learning
  • Ganzzahlige und gemischt-ganzzahlige Optimierung

Alle Informationen zum Forschungsfeld auf einen Blick

Laden Sie hier die Zusammenfassung zu unserem Forschungsfeld »Supply Chain Analytics« als PDF herunter.

»KI in der Küche« – Christian Menden stellt Supply Chain Analytics vor

Restaurantbesitzerinnen und Restaurantbesitzer stellen sich häufig folgende Frage: Wie viele Gäste kommen in den nächsten Tagen? Christian Menden zeigt in diesem Kurzvortrag, was diese Fragen mit Supply Chain Analytics zu tun aben und vor allem wie diese Herausforderung in der Planung mittels #KI präzise gelöst wird – etwa durch die Verknüpfung von komplexen Prognoseverfahren und einer mathematischen Optimierung.

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: http://www.youtube.com/t/privacy_at_youtube

Referenzen aus dem Forschungsfeld

Noch mehr Referenzen

 

Erfahren Sie hier mehr über alle unsere Projekte und Publikationen aus unseren einzelnen Forschungsfeldern.

Fokusprojekt

ADA Lovelace Center for Analytics, Data and Applications

Neues Kompetenzzentrum für Data Analytics und KI in der Industrie

Fokusprojekt

Technologien und Lösungen für die digitalisierte Wertschöpfung

Industrie 4.0 in der Praxis

Projekt

OBER

Entwicklung eines Verfahren zur automatischen Bestimmung des optimalen Lagerbestands.

Projekt

BHS-Joint Lab Data Analytics

Auf dem Weg zur digitalen Transformation unterstützen und die Data Analytics-Kompetenzen nachhaltig ausbauen.

Erfahren Sie mehr über das Fraunhofer SCS

 

Vision

Unsere Vision »Erfolg und Mehrwert durch Daten« bestimmt unsere Forschungsfelder. Lesen Sie hier mehr über das, was uns antreibt.

 

Geschäftsfelder

Aus unseren Forschungsfeldern heraus entwickeln wir konkrete Beratungsleistungen für spezifische Branchen und Kundengruppen: Hier geht es zu unserem Leistungsangebot in den Geschäftsfeldern »Logistik, Transport und Mobilität«, »Großhandel und B2B-Märkte«, »Digitalisierte Produktion« und »Smarte Services«.

 

Wissenschaftliche Kompetenz im Referenzprozess

Die in unseren Forschungsfeldern geschaffenen methodischen Kompetenzen orientieren sich an unserem eigens entwickelten Referenzprozess zur digitalen Transformation: Lesen Sie hier, was wir darunter verstehen und wie wir mit unseren Kompetenzen Unternehmen umfassend begleiten können.