Supply Chain Analytics – Problemlösen mit vielen Daten und schnellen Algorithmen

Publish date:

Die Optimierung von Wertschöpfungsketten (Supply Chains) mit modernen Methoden der künstlichen Intelligenz, des Operations Research und des maschinellen Lernens, helfen, zukünftige Optimierungspotentiale zu identifizieren und gegenwärtige Effizienzengpässe zu überwinden.

Supply Chain Management bezeichnet das Design und den Betrieb von integrierten Logistikketten (Material- und Informationsflüsse) über den gesamten Wertschöpfungsprozess. Es startet mit der Produktion oder der Beschaffung von Rohmaterialien, geht weiter über verschiedene Verfeinerungsschritte und endet schließlich beim Recycling der Produkte [Gabler Wirtschaftslexikon]. Beispiele für Supply Chains tauchen überall auf, z.B. bei Nahrungs- und Konsumgütern, in der (petro) chemischen Industrie, der Autoproduktion oder sogar bei Finanztransaktionen [Abb. 1].

 

Abbildung 1 Supply Chain Analytics in Matrix Form CapgeminI Invent
Abbildung 1 Supply Chain Analytics in Matrix Form

 

“(…) das Verhalten der Supply Chains unter sich ändernden Umweltbedingungen zu verstehen ”

 

Die Hauptmotivation der Analyse von Supply Chains ist, zukünftige Optimierungspotentiale zu identifizieren und gegenwärtige Effizienzengpässe zu überwinden. Hierfür gilt es, das Verhalten der Supply Chains unter sich ändernden Umweltbedingungen zu verstehen: Wie viel Lagerkapazität der Rohstoffe benötige ich, wenn die Nachfrage nach dem Endprodukt unsicher ist? Wie hoch ist die erwartete Produktionsverzögerung, wenn die Pünktlichkeit der Lieferung der Komponenten nicht gewährleistet ist?

 

 “Werkzeuge der künstlichen Intelligenz, des Operations Research und der hoch-dimensionalen Datenanalyse helfen dem Analysten, ein klareres Bild der gesamten Supply Chain zu erlangen.”

 

Problemlösekompetenzen mit Methoden aus der künstlichen Intelligenz, des Operations Research und der hochdimensionalen Datenanalyse sind wesentlich bei der Beantwortung dieser Fragen. Diese Werkzeuge reichen von graphentheoretischen Modellen über diskrete Optimierung und Simulation bis hin zur Entdeckung vorher unbekannter Abhängigkeiten zwischen Ereignissen. Im Kern erlauben sie, aufbauend auf einem gesamtheitlichen Bild, die Effizienz der Supply Chains zu erhöhen.

Jüngste Fortschritte in der diskreten Optimierung und in der Visualisierung komplexer Daten liefern Lösungen zu schwierigen Supply Chain Problemen mit messbaren Ergebnissen. So wurden z.B. bei einem internationalen Hersteller von Konsumgütern die Einkaufs- und Lagerhaltungskosten um 3.5% bei Beibehaltung der Produktqualität gesenkt, während Losgrößenbeschränkungen und vertragliche Bestimmungen berücksichtigt wurden (Studie „Cross Enterprise SC Integration and Coordination“).

Es ist mittlerweile möglich, mit Supply Chain Modellen in kostenlosen open-source Softwareumgebungen wie z.B. „R“ oder Python zu „spielen“. Darüber hinaus kommen spezialisierte Modellierungs- und Optimierungssysteme wie z.B. GAMS, CPLEX oder GUROBI zum Einsatz, wenn sehr große Problem gelöst werden müssen.

 

“Kontaktiert uns!”

 

Unsere Online Demos und Fallstudien (Links siehe unten) zeigen, dass es ein großes Verbesserungspotential bei Supply Chains gibt, das gehoben werden will. Werft einen Blick auf sie und kontaktiert uns!

Claus Gwiggner & Christoph Euler


 

Online Demos (nur Capgemini-intern):

Weitere Posts

Agile IT

Agile Security: Wie kann Cybersecurity Agilität und Innovationen unterstützen?

Sebastian Heierhoff
Date icon Dezember 11, 2019

Immer mehr Organisationen wenden agile Methoden an oder sind gar vollständig agil...

Capgemini Invent

Value-adding Business & Transformation Services heben Shared Services auf die nächste Stufe

Tobias Unger
Date icon Dezember 5, 2019

Stellen Sie sich vor, Shared Service Organisationen werden zu Innovationstreibern und...

cookies.

Mit dem Fortsetzen des Besuchs dieser Website akzeptieren Sie die Verwendung von Cookies.

Für mehr Informationen und zur Änderungen der Cookie-Einstellungen auf Ihrem Computer, lesen Sie bitte Privacy Policy.

Schließen

Cookie Information schließen