Konsistentes stochastisches Bestands- und Tourenmanagement (COSIMA)

Das Forschungsprojekt verbindet zwei fundamentale Logistikfragestellungen, die bislang meist nur separat untersucht wurden: Bestandsplanung und Tourenplanung. Obwohl diese Verbindung nicht neu ist und bereits als Inventory Routing Problem in der Literatur existiert, gibt es sehr wenige Methoden zur Entscheidungsfindung für Echt-Welt-Probleme, die Unsicherheiten unterworfen sind. Wir schlagen daher vor, den aktuellen Wissensstand um wichtige Charakteristika dieser Probleme zu erweitern und neue Ansätze zur Integration der beiden Fragestellungen zu entwickeln. Stochastische Nachfrage bei Einzelhändlern ist typischerweise nicht-stationär und korreliert, Not-Lieferungen sind erlaubt und es müssen gewisse Servicegrade erfüllt werden. Zudem existieren Konsistenzanforderungen an die Lieferungen, d.h. die Einzelhändler sollten immer im gleichen Zeitintervall beliefert werden. Insgesamt resultiert daraus ein zweistufiges Bestandsmanagementsproblem mit integrierter Tourenplanung, stochastischen Lieferzeiten und nicht-äquidistanten Beobachtungszeiträumen. Wir beginnen mit einer Analyse der individuellen Problemstellungen, die die oben genannten realen Charakteristika miteinbezieht. Hierzu nehmen wir zunächst die Entscheidungen des jeweils anderen Problems als gegebene Inputparameter an und untersuchen und entwickeln neue, vorausschauende, iterative Methoden. Zu Vergleichszwecken entwickeln wir exakte Lösungen, die auf stochastisch-dynamischer Programmierung beruhen. Zur Lösung von Problemen in realen Größenordnungen entwickeln und integrieren wir heuristische Ansätze aus den Bereichen Bestands- und Tourenmanagement. Für das Modellieren von Unsicherheit kommen dabei Szenario- und Stichprobentechniken zur Anwendung. Heuristische Lösungsmethoden basieren auf approximativer dynamischer Programmierung, template-based ALNS oder branch & regret. Die entstehenden Ansätze werden mit künstlichen Probleminstanzen und echten Testfällen validiert.

Jedes Jahr werden rund 400 Millionen Hektoliter Bier produziert und an Restaurants, Bars, Einzelhändler und Veranstaltungsorte in Europa distribuiert. Obwohl der Bierverbrauch pro Kopf und Jahr in Europa mit rund 70 Litern relativ stabil ist, variiert der tatsächliche Bedarf nicht nur von Land zu Land (im Bereich zwischen 10 und 145 Litern pro Kopf und Jahr), sondern ist auch sehr empfindlich gegenüber exogenen Faktoren wie Wetterbedingungen, Wochenenden, Feiertagen und Sportereignissen, welche häufig durch Zufälligkeit definiert werden. Diese Zufälligkeit betrifft Brauereien sowie jede Art von Getränkeherstellern, auch wenn viele Unternehmen ihre Distribution bereits auf ein verkäuferorientiertes Bestandsmanagement umgestellt haben. Verkäuferorientiertes Bestandsmanagement bedeutet, dass der Lieferant entscheidet, wann und wie viel an den Kunden geliefert werden soll. Der Anbieter hat in Echtzeit Zugriff auf den tatsächlichen Lagerbestand des Kunden. In unserem Fall verfügt die Brauerei immer über die Information, wie viele Flaschen Bier in den Lagerräumen der Restaurants gelagert werden. Diese Daten können durch point-of-sale-Daten der Registrierkasse generiert werden. Verkäuferorientiertes Bestandsmanagement bietet mehr Flexibilität und Kontrolle für die Entscheidungen, die getroffen werden müssen. Solche stochastischen Einflüsse können immer noch dazu führen, dass Produktions- und Vertriebspläne fehlschlagen. Fehlmengen oder Überbestände in den Lagerräumen der Kunden vor Ort sind die logische Folge. Darüber hinaus hängt die vom Kunden beobachtete Servicequalität stark von der Zuverlässigkeit und Pünktlichkeit der Lieferungen ab, d.h. an verschiedenen Tagen muss ein Kunde ungefähr zur gleichen Zeit von demselben Fahrer beliefert werden, um sicherzustellen, dass der Fahrer die örtlichen Bedingungen kennt und der Kunde weiß, wann er bei der Lieferung anwesend sein muss. Ziel dieses Projekts war es, innovative neue Lösungsansätze für die Vertriebs- und Lagerentscheidungen zu entwickeln, die von Getränkeherstellern unter Berücksichtigung eines stochastischen Nachfrageumfelds getroffen werden müssen. Um das Problem zu lösen, wurden matheuristische Lösungstechniken entwickelt, die auf der adaptive large neighborhood search basieren. Die Methode zeigte sehr gute Ergebnisse bei der Lösung von Problemen von realer Größe. Wir ermitteln (nahezu) optimale Fahrzeugrouten und Stückzahlen für die Lieferung von Getränkeprodukten an die Kundenstandorte. Die Bedeutung dieses Themas ergibt sich aus den großen Mengen an Getränkeprodukten, die jedes Jahr in Europa hergestellt, distribuiert und verkauft werden. Die Optimierung der Verteilung und des Lagerbestands durch Nutzung der verfügbaren stochastischen Informationen führt zu großen finanziellen Einsparungen und einer Reduzierung von CO2-Emissionen, die durch die Verminderung ungeplanter zusätzlicher Lieferungen verursacht werden. Darüber hinaus führt die verbesserte Planung auch zu einem Rückgang des durchschnittlichen Lagerbestands und damit zu einem geringeren Lagerbestand.