Forschung – Datengetriebene Logistik-Optimierung in der Produktion

Die Anforderungen an Produktionsunternehmen steigen: Kundenspezifische Produkte und volatile Märkte erfordern eine effiziente Logistikleistung. Doch wie lassen sich die komplexen Ursache-Wirkungs-Zusammenhänge in der Produktionslogistik bewältigen?

Ein innovatives Framework kombiniert modellbasierte Analysen mit datengetriebener Ursachenforschung. Dabei werden traditionelle logistische Modelle durch Methoden der Datenanalyse (DA) und des maschinellen Lernens (ML) ergänzt. So können spezifische Ursachen für logistische Unterleistungen identifiziert und zielgerichtete Maßnahmen abgeleitet werden.

Fallstudie: Verzögerte Materialverfügbarkeit

Eine Fallstudie zeigt, wie dieses Framework in einem Unternehmen für elektrische Maschinen angewendet wurde. Die Analyse kombinierte modellbasierte Ansätze mit DA/ML-Methoden und identifizierte Lieferantenzuverlässigkeit und unrealistische Planungswerte als Hauptursachen. Maßnahmen wie die Einführung von Sicherheitspuffern und die Anpassung der Planungswerte verbesserten die Logistikleistung signifikant.