Werbung
Werbung
Werbung

Forschung: Multiskale Datenstrukturen für effiziente Logistikplanung

TU Berlin und Beratungsunternehmen 4flow schließen Big-Data-Projekt LogiScale ab.

Mit großen Daten besser umgehen: Ein Forschungsprojekt der TU Berlin mit dem Logistikberater 4flow möchte das möglich machen. (Foto: Taiga/Fotolia)
Mit großen Daten besser umgehen: Ein Forschungsprojekt der TU Berlin mit dem Logistikberater 4flow möchte das möglich machen. (Foto: Taiga/Fotolia)
Werbung
Werbung
Sandra Lehmann

Wie lassen sich sehr große Netzwerke in der Logistik vereinfachen und effizienter planen? Diese Fragestellungen standen hinter dem Big-Data-Projekt „LogiScale“, das gemeinsam von der Logistikberatung 4flow und der Arbeitsgruppe Kombinatorische Optimierung und Graphenalgorithmen (COGA) der Technischen Universität (TU) Berlin nach dreijähriger Laufzeit abgeschlossen wurde.

Darstellung von Kosten, Zeit ind Ort

Wie beide Projektpartner berichten, haben 4flow und COGA innerhalb des Forschungszeitraums eine multiskale Repräsentation von Logistiknetzwerken konzipiert und entwickelt. Diese ermögliche die Darstellung von Kosten-, Zeit- oder Ortsdaten in verschiedenen Aggregationsstufen (Skalen).

„Dabei werden detaillierte Daten und Lösungen auf kleinen Skalen aggregiert, mit gröberen Lösungen auf höheren Skalen gekoppelt, wobei der Bezug zu den Ausgangsdaten erhalten bleibt, und für die Berechnung in Optimierungsalgorithmen bereitgestellt“, erklärt Prof. Dr. Martin Skutella, Einstein-Professor für Mathematik und Informatik an der TU Berlin.

Die multiskale Repräsentation erlaube es, Daten auf mehreren Granularitätsstufen gleichzeitig und dauerhaft vorzuhalten. Mit diesem Ansatz möchten die Projektpartner nach eigenen Angaben das Problem zu hoher Datenmengen umgehen. Die Gesamtheit aller zur Verfügung stehenden Daten übersteigt nämlich laut 4flow bislang meist die Kapazität eingesetzter Planungsverfahren und erschwert somit die rechnergestützte Optimierung. Würden die Daten – wie bisher üblich – irreversibel vereinfacht oder Teilnetzwerke separat optimiert, könnten die errechneten Lösungen in der operativen Planung oft nicht im ursprünglichen Netzwerk umgesetzt werden.

„Was kompliziert klingt, ist in der logistischen Praxis von großem Nutzen. Von der stundengenauen taktischen Netzwerkplanung unter Berücksichtigung aller Transportmodi über die Kosten- und Servicelevel-Optimierung in Distributionsnetzwerken bis hin zu verbesserten Pack-Algorithmen reichen die im Projekt entwickelten konkreten Anwendungsfälle für die multiskale Repräsentation“, sagt Dr. Laura Gellert, die das Projekt bei 4flow betreut.

Zusammenarbeit wird fortgesetzt

Deshalb seien neben den Forschern von 4flow auch Berater und Planer involviert. Aktuell arbeiten die Softwareentwickler daran, die Ergebnisse in 4flow „Vista“, eine Software zur Logistik- und Transportplanung zu implementieren. Zudem werden die Projektpartner die Zusammenarbeit nach Eigenangaben mit Unterstützung des Exzellenzclusters MATH+ fortsetzen. Parallel dazu arbeitet 4flow nach eigenen Aussagen an zahlreichen weiteren Innovationsprojekten, vor allem zu den Einsatzmöglichkeiten von Artificial Intelligence beim Optimieren und Managen komplexer, internationaler Supply Chains.

Printer Friendly, PDF & Email
Werbung