Herausforderungen von Steuerungslösungen

15 Städte – 43,6 Mrd. Möglichkeiten

Mobile Mitarbeiter müssen möglichst schnell zu den für sie vorgesehenen, wechselnden Einsatzorten manövriert werden. Gleiches gilt für Ressourcen und Geräte. In der logistischen Praxis in Industrie, Flughäfen oder Krankenhäusern werden dazu intelligent optimierende Steuerungslösungen eingesetzt, deren Funktionsweise an einigen Beispielen aufgezeigt werden soll.

---

Die grundlegende Herausforderung bei der Steuerung mobiler Einheiten beschreibt das mathematische „Problem des Handelsreisenden“: In welcher Reihenfolge muss der Außendienstmitarbeiter eine gegebene Anzahl von Städten bei gleichem Start- und Zielpunkt anfahren, damit die Strecke möglichst kurz bleibt?“ Schon bei 15 Städten müssten 43,6 Mrd. Möglichkeiten durchgerechnet werden, um die kürzeste Strecke zu ermitteln. Kommt nur eine Auswahl an Städten infrage – Einwohnerzahl 250.000, Altersschnitt der Kontaktpersonen unter 40 Jahre, verfügbares Einkommen über 2.800 Euro –, erhöht sich durch die Anzahl der Randbedingungen der Rechenaufwand weiter. Geht es nicht um einen einzigen Handlungsreisenden, sondern um deren 100, und müssen kontinuierlich neue Städte in die Route eingebaut werden, sind selbst Supercomputer überfordert, wenn sie alle Möglichkeiten durchrechnen müssen.

Software, mit der mobile Einheiten in der Logistik, in Industrie-Unternehmen oder in Krankenhäusern gesteuert werden, gehen in unterschiedlicher Weise mit diesen Herausforderungen um. Konventionelle Lösungen verzichten in der Regel darauf, optimierte „Strecken“ auszurechnen. Sie helfen dem Nutzer lediglich, Dispositionsentscheidungen zu treffen: Sie summieren die Strecke pro Handlungsreisendem, errechnen daraus Reisezeiten, zeigen Reiserouten an und dokumentieren Bewegungen. Kommt ein neuer Auftrag herein, entscheidet der Disponent meist so: „Mitarbeiter x hat am Mittwoch noch Zeit und kann dort vorbeifahren.“ Ist der Mitarbeiter einmal auf einer Route unterwegs, lässt sich in der Folge kaum mehr etwas ändern. Auf diese Weise können unmöglich optimierte Routen gefunden werden – weder für Handlungsreisende noch für Gabelstapler, Lkw oder Patiententransporte.

Mathematisch fundiert

Intelligent optimierende Software arbeitet grundsätzlich anders: Sie nutzt mathematisch fundierte Verfahren, etwa Operations Research oder Fuzzy Logic, um das Problem des Handlungsreisenden mit Standard-PC-Technik (keine Supercomputer) möglichst optimal zu lösen. Je besser die Qualität der Algorithmen, desto mehr mobile Einheiten können dabei gesteuert werden und desto genauer können die tatsächlichen Prozesse über die Berücksichtigung von Randbedingungen modelliert werden. Da die Software die optimierten Routen kennt, kann sie auch die Dispositionsentscheidungen selbstständig treffen. Der Disponent wird davon entlastet und muss sich nur noch um die kritischen Fälle kümmern.

Da es in der Praxis immer um dynamische Systeme geht – es kommen laufend neue Aufträge hinzu oder die Randbedingungen ändern sich kontinuierlich – rechnen leistungsfähige Steuerungslösungen das Optimum mit Blick auf die aktuelle Gesamtsituation in Echtzeit immer neu aus. Für die mobilen Einheiten heißt das, dass sie sich nicht nach starren Plänen bewegen, sondern ihre Anweisungen immer wieder neu erhalten, wenn sie einen Auftrag erledigt haben (eine Stadt angefahren haben). Die Lösung des Handlungsreisenden-Problems durch intelligente Software besitzt sowohl für Unternehmen als auch für die mobile Gesellschaft hohe Relevanz. Die Ersparnisse und die höhere Produktivität, die Unternehmen damit in der Logistik und in anderen Bereichen realisieren können, liegen auf der Hand. Schon diese unternehmerischen Vorteile zahlen sich auch für die Gesellschaft aus: Weniger Bewegung bei gleich hoher Transportleistung bedeutet weniger Energieverbrauch und weniger klimaschädliche Emissionen. Schaut man weiter auf die zahlreichen Mobilitätsprozesse, liefern die Verfahren den Schlüssel zu vielfältigen Optimierungen aus ökologischen und ökonomischen Perspektiven.

Hinauszögern, um schneller zu sein

Wie eine intelligent optimierende Steuerung mobiler Einheiten funktioniert, soll hier am Beispiel des Transportleitsystems Syncrotess des Aachener Anbieters Inform illustriert werden. Die Software wird in jeweils angepasster Form in der Intralogistik, in der Automobillogistik, für die LKW Zulaufsteuerung, im Container-Terminal-Management, beim Behältermanagement oder in Umschlagzentren eingesetzt.

In der Intralogistik stoßen regelmäßig abzuarbeitende und spontan entstehende Transportaufträge, mit unterschiedlichen Anforderungen hinsichtlich Zeit, Dringlichkeit, Quell- und Zielplätzen, Ladungen oder Fahrerqualifikation auf verfügbare Transportressourcen. Diese haben wiederum passende oder nicht passende Eigenschaften, ­wie Ladekapazität, Geschwindigkeit, Verfügbarkeit etc. Transportleitsysteme im Allgemeinen bringen Transportaufträge mit -ressourcen zusammen. Dabei möchte man die insgesamt gefahrenen Strecken minimieren und die Termintreue maximieren. Darüber hinaus sollte die Gesamtkapazität an vorzuhaltenden Ressourcen möglichst gering bleiben.

Herkömmlichen Systemen stehen für den Abgleich von Aufträgen und Ressourcen nur beschränkte, einfache Verfahren zur Verfügung. Entsteht spontan eine Transportnotwendigkeit, prüfen sie, welche passenden Stapler verfügbar sind und schicken denjenigen dorthin, der sich aktuell am nächsten zum Quellplatz befindet. Die Systeme sind jedoch nicht in der Lage, die Gesamtsituation in einem Werk im Blick zu behalten und Fahrstrecken über diese Gesamtsituation hinweg zu optimieren oder auch nur den Gesamtweg eines einzelnen Staplers über alle anstehenden Aufträge zu minimieren.

Berücksichtigung der Gesamtauftragslage

Die Algorithmen eines intelligenten Transportleitsystems optimieren vorausschauend und erkennen zum Beispiel, dass es in der logistischen Gesamtsituation sinnvoller ist, zunächst längere Anfahrtswege zum Quellplatz in Kauf zu nehmen, wenn sich unter Berücksichtigung der Gesamtauftragslage und der verfügbaren Ressourcen eine insgesamt kürzere Fahrstrecke für alle Stapler zusammen ergibt. Bei der Einführung eines intelligenten Transportleitsystems werden Ressourcen „gepoolt“, so dass ein intralogistisches Gesamtsystem entsteht, das auf Transportanforderungen flexibler und schneller reagieren kann als ein „Mosaik“ aus einzeln zu steuernden Komponenten.

Im Betrieb vergibt das Transportleitsystem immer nur einen einzelnen Auftrag an einen Stapler und berücksichtigt dabei immer dessen aktuellen Status und die logistische Gesamtsituation. Erst wenn der Fahrer den laufenden Auftrag als erfüllt meldet, erhält er einen nächsten. Die Dispositionsentscheidung wird buchstäblich bis zum letzten Moment aufgeschoben, sodass das Transportleitsystem maximal lange an idealen Auftragskombinationen rechnen und sich kurzfristig ändernde Randbedingungen berücksichtigen kann – etwa eine neu entstandene Transportaufgabe. Die Optimierung geschieht also in Echtzeit.

Bildquelle: iStockphoto.com/enjoynz

 

---