Große Wertschöpfungsketten konnten bislang nur deterministisch abgebildet werden. Eine neue Steuerungssoftware macht eine ganzheitliche Optimierung unter Berücksichtigung realer Risiken möglich.
Die Leistungsfähigkeit von Distributions- und Produktionsnetzwerken (Supply-Chain-Networks) ist von vielen Eingangsgrößen abhängig. Entlang der Wertschöpfungskette sind dies Leistungsgrößen wie Auftragsmengen, Produktionsstandorte, Transportwege und Produktspektren. Bislang gibt es keinen Lösungsansatz, der alle Einflussfaktoren angemessen berücksichtigt und damit das volle Potenzial von Supply-Chain-Networks ausschöpft. Gründe sind die hohe Komplexität der Struktur und Unsicherheiten bei den Eingangsgrößen. Schwankende Eingangsgrößen stellen wesentliche Risikofaktoren für ein Unternehmen dar und müssen durch hohe Bestände aufgefangen werden. Wachsende Komplexität der Wertschöpfungsketten und steigende Erwartungen der Endkunden machen dieses Thema für Unternehmen wichtiger und aktueller als jemals zuvor.
Der klassische Ansatz zur Optimierung von Distributions- und Produktionsnetzwerken basiert auf deterministischen Modellen, also festen Beziehungen zwischen Einflussgrößen und Ergebnis, sowie Best-, Worst- und Average-case-Szenarien. In diesem Projekt werden die Stochastische Simulation und Mathematische Optimierung kombiniert, um mit leistungsfähigen Netzwerkflussalgorithmen dynamische Komponenten zu berücksichtigen. Ziel ist die Erforschung und Entwicklung innovativer und hoch effizienter Methoden, Algorithmen und Verfahren zur Netzwerkoptimierung mit unsicheren Eingangsgrößen.
Für den Anwender ist die Berücksichtigung unsicherer Eingangsgrößen ein wichtiger Schritt, um die Optimierungssoftware realitätsnah einzusetzen. Konnten große Wertschöpfungsketten bisher nur deterministisch abgebildet werden, so wird mit den Ergebnissen dieses Projekts eine ganzheitliche Optimierung unter Berücksichtigung realer Risiken möglich.
