Mathematiker errechnen die besten Routen
Zustellservices von Supermarktketten sind auf der Überholspur, denn für die Kunden ist es praktisch, sich den Einkauf für den täglichen Bedarf in einem bestimmten Zeitfenster nach Hause liefern zu lassen. Für die Handelsketten steckt hinter dem Online-Handel aber ein großer logistischer Aufwand, bei dem es viel zu verlieren, aber auch zu gewinnen gibt.
Schneller, billiger, weniger Schadstoffe
Das Team von Mathematikerinnen und Mathematikern rund um den Optimierungs-Experten Philipp Hungerländer konnte nun die Effizienz der Auslieferungsrouten für eine globale Handelsmarke in England um zehn Prozent steigern. Damit verhalfen sie dem Konzern zu einer Kostenreduktion von mehreren Millionen Euro pro Jahr. Auch der CO2-Ausstoß konnte verringert werden.
aau/Waschnig
Hungerländer vor einem Stadtplan
„Ziel unseres Projekts, das wir für eine der weltweit größten Handelsketten durchführten, war es, einen stabilen, schnellen und transparenten Optimierungsansatz zu finden, der effiziente Auslieferungsrouten für viele Bestellungen, Lieferautos und Depots in Echtzeit errechnet“, erklärte Hungerländer. Das Projekt wurde gemeinsam mit dem britischen Unternehmen Satalia durchgeführt.
Programm errechnet beste Zustellungsroute
Ein Team von sechs Forschern arbeitete am Institut für Mathematik in Klagenfurt daran. In der betrachteten Anwendung werden laufend neue Bestellungen online getätigt, wobei sich die Kunden ihr gewünschtes Zulieferzeitfenster auswählen können. Das entwickelte Optimierungstool errechnet schnell, wie sich die zusätzlichen Bestellungen auf die optimale Route auswirken und erstellt adaptierte Zustellpläne. Am Ende sollen sowohl Kundinnen und Kunden, als auch das Zustellpersonal zufrieden sein.
Fahrer und Kunden zufriedener
Die Ergebnisse zeigen, dass ein möglichst optimaler Zustellplan sich auch auf die Zufriedenheit der Fahrer positiv auswirkt, so Hungerländer. Bei der Berechnung von Routen und Zeitfenstern gilt es eine Vielzahl an Faktoren für die Effizienz der Zulieferung zu berücksichtigen, beispielsweise die Dauer für die Übergabe der Einkäufe an die Kundinnen und Kunden oder auch die Anzahl der Stockwerke, die ohne Lift bewältigt werden müssen.
Die Fahrzeiten hängen auch von Parametern wie Wochentagen, Tageszeiten, Wetter und vielem mehr ab. „Wir haben uns darum bemüht, die Genauigkeit der Input-Daten für unsere Optimierungsmethoden zu verbessern, indem wir ‚Machine Learning‘-Techniken aus dem Bereich der Künstlichen Intelligenz eingesetzt haben“, so Hungerländer. Derzeit wird das System von London auf ganz England ausgerollt und dann weltweit eingesetzt.
Nächste Aufgabe: Personalplanung
Hungerländer, der in den vergangenen eineinhalb Jahren am Massachusetts Institute of Technology (MIT) in Boston als Gastforscher tätig war, ist nun wieder an der Alpen-Adria-Universität in Klagenfurt. In einem nächsten Projekt wird es ihm und seinem Team darum gehen, die Personalplanung einer der weltweit größten Wirtschaftsprüfungsgesellschaften zu optimieren. Er sieht aber auch für hiesige Märkte Optimierungspotenzial, das im Sinne der Kunden und Handelsmarken nutzbar gemacht werden könnte.