Optimierte Mischprozesse in der Lebensmittelindustrie

Optimale Chargenauswahl für mehr Qualität und Gesundheit

© chitsanupong - Adobe Stock

Genuss und Qualität sind essenzielle Merkmale für jedes Lebensmittel. Die Vielzahl an Geschmacksnoten wird in der Herstellung durch das Mischen von Chargen mit unterschiedlichsten Zutaten erreicht. Auf Seiten der Hersteller, müssen die Chargen im Lagerbestand im Rahmen einer Produktionsplanung für den Mischprozess vorrausschauend bereitgestellt werden. Nur so kann einerseits die Qualität der Mischungen für die Kundenaufträge sichergestellt werden und andererseits der Lagerbestand nachhaltig eingesetzt wird.

Vor diesem Zusammenhang entwickelt das Fraunhofer IIS mit Methoden der mathematischen Optimierung eine Chargenauswahl in homogenen Mischprozessen, die eine effizientere und nachhaltigere Lagerführung ermöglicht.

Optimierte Produktionsplanung für eine effiziente Bestandssteuerung

Die vielseitige Planung von Mischprozessen sind Kernbestandteil der Lebensmittel- und Getränkeherstellung. Die Herausforderung bei der Produktion besteht vor allem darin, die richtigen Chargen für die Mischung zu verwenden, je nach Herkunft, Kultivierung der Lebensmittelzutaten und der Art und Weise der Weiterverwarbeitung. Qualitätsparameter, wie beispielsweise wertgebende Inhaltsstoffe werden in einer Laboranalytik strikt gemessen und geprüft und haben Einfluss auf die finale Mischung, denn dabei gilt es einen gesetzlich vorgeschriebenen Rahmen einzuhalten.

Der Chargenbestand bestimmt, welche Aufträge rezeptiert werden können. Aktuell werden Chargen mit viel manuellem Planungsaufwand unter verschiedensten Kriterien bereitgestellt. Folglich ist es sinnvoll die Entscheidung, welche Aufträge zu rezeptieren sind, mit der Chargenauswahl zu koppeln. Ziel des Projektes ist daher ein entscheidungsunterstützendes Softwareplanungstool zu entwickeln, das folgende zentrale Fragestellungen integriert betrachtet.

Wie können im Rahmen der Rezeptierung Chargen so ausgewählt werden, dass

  • Qualitätsstandards und Ansprüche unter Berücksichtigung der Messwerte aus der Laboranalytik während und nach der Mischung sichergestellt sind?
  • eine nachhaltige und vorrausschauende Lagerplanung ermöglicht wird?
  • die Kundenaufträge mit dem verfügbaren Lagerbestand bestmöglich bedient werden können?

Für den letzten Planungsschritt von Halbfertigware zur fertigen Mischung wurde eine Planungssoftware entwickelt. Die Basis bildet ein maßgeschneidertes, gemischt-ganzzahliges Optimierungsmodell. Dieses Modell wurde in einer Software implementiert, deren Testläufe hohen Mehrwert für die Produktionsplanung versprachen.

Mit Vergleich von Planungsstrategien und flexiblen Schnittstellen zu einer benutzerfreundlichen Softwarelösung

Im Rahmen dieses Projektes wurde das zugrundeliegende mathematischen Modell um weitere Produktionsregeln und Planungspraktiken formalisiert. Dabei wurden Informationen über Kundenaufträge, Lagerbestand, Laboranalytik für Entwicklung und Test vom Projektpartner zur Verfügung gestellt. So ist es möglich, die bestehdene Software mittels flexibler Schnittstellen in die IT-Infrastruktur des Projektpartners zu integrieren, um die Entscheidungsunterstützung in die alltägliche operative Planung nahtlos einfliesen zu lassen.

Potenziale für noch mehr Ressourceneffizienz

Das auf mathematische Optimierung beruhende Softwaretool generiert auf Basis bestehender Anfragen an Produkten flexibel einen Chargenvorschlag für die Mischung. Eine Erweiterungsmöglichkeit, um die Ressourceneffizienz der Lagerplanung weiter anzuheben, ist die Ausweitung der Planung von einem Produktionsschritt auf die gesamte Produktionskette von Rohware, über Halbfertigwaren bis zur fertigen Mischung. Weiteres Zukunftspotential findet sich zudem in der Einbindung von Bedarfsprognosen, um noch nicht getätigte Aufträge abzuschätzen, die nahtlos in das bestehende Tool eingespeist werden könnten.

 

Das könnte Sie auch interessieren

 

OBER – Optimierte Lagerplanung

Die Steuerung von Lagerbeständen ist eine zentrale Herausforderung bei KMUs im Großhandel. Obwohl dort teilweise bereits Prognosemodelle eingesetzt werden, um Absätze vorherzusagen, sind diese häufig nicht state of the art. Die Fraunhofer-Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS entwickelt und implementiert deshalb ein Verfahren, um mithilfe modernster KI-Methoden die Unsicherheit einer Prognose zu quantifizieren und darauf aufbauend automatisch optimale Lagerbestände zu bestimmen.

Jahresbericht Fraunhofer IIS 2021

Lesen Sie mehr zu der bisherigen Software für die Tee-Rezeptierung im Highlight-Bericht »KI revolutioniert die Supply Chain« im Jahresbericht 2021 des Frauenhofer IIS.

Zum Highlight-Bericht

Innovationsmotor Kaffee

Im Fraunhofer IIS wird neben Tee auch Kaffee zur Wissenschaft. Lesen Sie hier mehr zur Serie »Innovationsmotor Kaffee – Auf den Spuren des Kaffees im Kontext von Wissenschaft und Forschung« des Fraunhofer IIS-Magazins.

 

Forschungsfeld

KI-basierte Bedarfsprognosen für Logistik, Handel und Verkehr

Wir bringen KI-basierte Bedarfsprognosen in der Logistik, dem Handel und der Produktion in die Anwendung, um Vorhersagen zu verbessern und Prognose-Unsicherheiten zu quantifizieren.

 

ADA Lovelace Center

Selbstoptimierende adaptive logistische Netzwerke

Die Planung der Tee-Rezeptierung ist ein mehrstufiger Prozess in einem logistischen Ökosystem. Im ADA Lovelace Center werden diverse KI-Methoden in der Applikation  »Selbstoptimierenden adaptiven logistischen Netzwerke« untersucht.  

 

ADA Lovelace Center

Mathematische Optimierung

Die mathematische Optimierung ist unverzichtbarer Bestandteil der modellbasierten Entscheidungsunterstützung, indem sie Planungslösungen in unterschiedlichen Bereichen liefert. In der Kompetenzsäule des ADA Lovelace Center wird umfangreiche bestehende Expertise in mehrere aussichtsreiche Richtungen, namentlich der Echtzeitplanung und -steuerung weiterentwickelt.

 

White Paper

Data Analytics für die Supply Chain

Erhalten Sie hier eine Übersicht über gängige Analytics-Methoden und ihre Anwendungsfälle im Supply Chain Management.