Mathematik revolutioniert die Supply Chain

Die Digitalisierung verändert das Supply Chain Management: Technische Innovationen in Verbindung mit modernen Methoden der Datenanalyse schaffen immer mehr Möglichkeiten Prozesse zu optimieren und neue Services zu entwickeln.

Neben den Methoden haben sich aber auch die mathematischen Lösungsalgorithmen stark verbessert, so dass heute viel mehr Daten schnell und anwendungsnah verarbeitet werden können als noch vor einigen Jahren.

Früher lag der Fokus der Analysen technologie- und methodenbedingt eher auf den Bereich der Descriptive Analytics. Das heißt Werte aus der Vergangenheit wurden aufgenommen und interpretiert. Heute setzt zudem Predictive und Prescriptive Analytics ein, um die Zukunft so präzise wie möglich prognostizieren sowie die Prozesse optimieren zu können. Hier kommen mathematische und statistische Methoden, Verfahren und Modelle zum Einsatz, mit denen automatisiert Abläufe und Ereignisse analysiert und konkrete Vorgaben für die Planung und Steuerung von Prozessen abgeleitet werden können.

Dabei gelten im Supply Chain Management besondere Herausforderungen: In logistischen Prozessen werden stetig riesige Datenmengen erzeugt, z. B. durch das Erfassen von Sendungsdaten, durch Lagerverwaltungssysteme oder Maschinensensoren. Diese Daten wurden in den meisten Fällen ursprünglich zu konkreten Anwendungszwecken erhoben und gespeichert, etwa für Steuerungs-, Informations- und Dokumentationsaufgaben.

Sollen die vorhandenen Daten mit modernen Data Analytics Methoden analysiert und ausgewertet werden, führt dies in der Praxis häufig zu Problemen. Denn die Daten weisen nicht die erforderliche Qualität auf oder sind fehler- bzw. lückenhaft. In anderen Fällen sind nicht die richtigen vorhanden, die für eine bestimmte Anwendung nötig wären, da eine Erhebung nicht möglich oder zu aufwendig ist, das heißt die Anforderungen der Algorithmen an die Daten werden bis dato häufig nicht erfüllt.
 

Optimale Wertschöpfungsprozesse sind nur durch Analytics zu erreichen.

Wie also können in einem solchen Umfeld mit Hilfe von Data Analytics vorrausschauende Systeme entwickelt werden, die Probleme frühzeitig erkennen, Handlungsempfehlungen vorschlagen und wenn möglich automatisiert die optimale Lösung umsetzen?

Indem Prognose- und Optimierungsmethodik miteinander verknüpft und damit die Komplexität in der mathematischen Darstellung reduziert wird: Die Arbeitsgruppe für Supply Chain Services erweitert deswegen vorhandene Datenstrukturen und kombiniert sie mit bestehenden Datenanalysemethoden und entwickelt so neue Lösungen. Die Auswahl, Kombination und Modifikation von Verfahren bzw. Algorithmen erfolgt dabei individuell für jeden Anwendungsfall. Damit können Logistikketten überwacht, Kennzahlen und Ereignisse in der Lieferkette vorausgesagt und die Supply Chain bis hin zur Mitarbeitereinsatzplanung geplant und gesteuert werden.