{"id":3411,"date":"2021-04-22T14:35:59","date_gmt":"2021-04-22T12:35:59","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/stec\/?post_type=projects&#038;p=3411"},"modified":"2023-03-10T13:53:04","modified_gmt":"2023-03-10T12:53:04","slug":"ki-gestuetzte-dynamische-disposition","status":"publish","type":"projects","link":"https:\/\/s-tec.de\/en\/projekte\/ki-gestuetzte-dynamische-disposition\/","title":{"rendered":"KI-gest\u00fctzte dynamische Disposition"},"content":{"rendered":"\n\n<div class=\"wp-block-group MainContent MainContent--page\"><div class=\"wp-block-group__inner-container is-layout-flow wp-block-group-is-layout-flow\">\n<div class=\"wp-block-v4core-inner-blocks MainContent-left\">\n<div class=\"wp-block-v4core-layout undefined alignwide--left\"><div class=\"\"><\/div><\/div>\n\n\n\n<p class=\"has-big-font-size\">Logistikdienstleister, wie das f\u00fchrende Logistikunternehmen der Buch- und Medienbranche Zeitfracht GmbH, stehen vor der Herausforderung, sowohl den Service der Lieferbarkeit zu erf\u00fcllen als auch Lagerkosten f\u00fcr Artikel minimal zu halten. Daf\u00fcr ist die pr\u00e4zise Vorhersage des zuk\u00fcnftigen Bedarfs der im Bestand vorhandenen Artikel essenziell. Im Projekt fokussieren die Zeitfracht GmbH und das Fraunhofer IAO eine dynamische Disposition. Hierf\u00fcr wurden Methoden des \u00fcberwachten Maschinellen Lernens f\u00fcr die pr\u00e4zise Vorhersage des zuk\u00fcnftigen Bedarfs eingesetzt und evaluiert.&nbsp;<\/p>\n\n\n\n<h4 class=\"wp-block-heading\">Dynamische Disposition mittels KI<\/h4>\n\n\n\n<p>Die pr\u00e4zise Vorhersage der Bedarfe auf Artikelebene verbessert die Lieferf\u00e4higkeit, reduziert Lager- und Opportunit\u00e4tskosten in Form von entgangenen Ums\u00e4tzen sowie Abwanderung von Kund*innen. Somit erm\u00f6glicht sie einen optimalen Service und Kapitalbindung. Die Vorhersagegenauigkeit des k\u00fcnftigen Bedarfs soll nun f\u00fcr verschiedene Methoden des \u00fcberwachten Maschinellen Lernens evaluiert werden. Daf\u00fcr wurde ein Datensatz mit 600.000 Artikeln und historischen Daten \u00fcber 3 Jahre (2017 \u2013 2020) von dem Unternehmen Zeitfracht GmbH zur Verf\u00fcgung gestellt. Besonders herausfordernd sind Artikel, die kurzfristig ein sehr starkes und \u00fcber einen l\u00e4ngeren Zeitraum ein geringes Absatzverhalten zeigen (Long-Tail-Artikel). Hinzu kommen Neuerscheinungen und schwer vorhersehbare externe Einfl\u00fcsse. Zu letzteren geh\u00f6ren politische, soziale oder mediale Ereignisse, welche die Nachfrage stark beeinflussen.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\">Projektablauf<\/h4>\n\n\n\n<p>F\u00fcr die Vorhersage des k\u00fcnftigen Bedarfs wurden verschiedene Regressionsmodelle des klassischen Maschinellen Lernens (XGBoosting Trees aus der Familie der Ensemble Lerner) und tiefe Neuronale Netze (z.B., r\u00fcckgekoppelte neuronale Netze mit Long-Short-Term Memory) exploriert. Informative Informationen wurden in Form von Merkmalen aus den historischen Daten (Bedarfe der Vergangenheit) und Metadaten der einzelnen Artikel extrahiert. Um den Merkmalsraum f\u00fcr die Vorhersage noch weiter anzureichern und die Gruppierung von Artikeln mit \u00e4hnlichem Absatzverhalten vorzunehmen, war ein un\u00fcberwachter Clusteralgorithmus (Fuzzy C-Means) im Einsatz. Die Clusterzugeh\u00f6rigkeit ist informativ hinsichtlich der Saisonalit\u00e4t und des Absatzverhaltens im Zeitverlauf.&nbsp;Besonders XGBoosting Trees konnten das Nachfrageverhalten einzelner Artikel mit einem geringen Sch\u00e4tzfehler pro Warengruppe vorhersagen. Dabei \u00fcbertrafen sie die Vorhersagen des bereits implementierten Systems in der Genauigkeit.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\">Projektnutzen<\/h4>\n\n\n\n<ul class=\"wp-block-list\"><li>Die pr\u00e4zise und verbesserte Vorhersage der Bedarfe auf Artikelebene mittels ML Methoden verbessert die Lieferf\u00e4higkeit, reduziert Lager- und Opportunit\u00e4tskosten in Form von entgangenen Ums\u00e4tzen sowie Kundenabwanderung und erm\u00f6glicht einen optimalen Service und Kapitalbindung<\/li><li>Augenblicklich manuell durchgef\u00fchrte Korrekturen k\u00f6nnen in Zukunft schrittweise automatisiert werden<\/li><li>Die Vorhersagegenauigkeit der Methoden des Maschinellen Lernens kann mit der des aktuell verwendeten Verfahrens verglichen werden, um m\u00f6gliche Verbesserungen zu quantifizieren<\/li><\/ul>\n\n\n\n<h4 class=\"wp-block-heading\">Beteiligte Industriepartner<\/h4>\n\n\n\n<ul class=\"wp-block-list\"><li>Zeitfracht GmbH<\/li><li>Kooperationspartner: Cyber Valley<\/li><\/ul>\n<\/div>\n\n\n\n<div class=\"wp-block-v4core-inner-blocks MainContent-right\">\n<div class=\"wp-block-v4core-layout undefined alignwide--right\"><div class=\"\"><div class='Sidebar'>\n\n<div class=\"wp-block-v4core-sidebar-item--contact Sidebar-item\">\n<p class=\"Sidebar-item-title h6\">Ihr Kontakt<\/p>\n\n\n\t\t\t<div class=\"Sidebar-item-content Sidebar-item-content--contact\">\r\n\t\t\t                <p>\r\n\t\t\t\t\t                        <span class=\"Sidebar-item-subtitle Sidebar-item-subtitle--contact\">M.Sc. Katharina Lingelbach<\/span><br>\r\n\t\t\t\t\t\t                        <span>Phone  +49 711 970-5342<\/span><br>\r\n\t\t\t\t\t\t                        <span><a href=\"mailto: katharina.lingelbach@iao.fraunhofer.de\">Send email<\/a><\/span><br><br>\r\n\t\t\t\t\t\t                <\/p>\r\n\t\t\t\t\t\t\t<\/div>\r\n\t\t<\/div>\n\n<\/div>\n\n\n<p><\/p>\n<\/div><\/div>\n<\/div>\n<\/div><\/div>\n\n\n\n\n<div class=\"wp-block-group\"><div class=\"wp-block-group__inner-container is-layout-flow wp-block-group-is-layout-flow\">\n<h2 class=\"wp-block-heading\">Gef\u00f6rdert durch<\/h2>\n\n\n\n<div class=\"wp-block-v4core-logowall LogoWall-wrapper is-style-large\"><div class=\"LogoWall\">\n<div class=\"wp-block-v4core-logowall-item LogoWall-item\">\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1920\" height=\"377\" src=\"https:\/\/s-tec.de\/wp-content\/uploads\/2020\/08\/BW_Ministerium_MWAW.png\" alt=\"BW_Ministerium_MWAW unterst\u00fctzt das Projekt zur KI-gest\u00fctzten dynamische Disposition\" class=\"wp-image-1482\"\/><\/figure>\n<\/div>\n<\/div><\/div>\n<\/div><\/div>\n\n\n\n\n<div class=\"wp-block-group\"><div class=\"wp-block-group__inner-container is-layout-flow wp-block-group-is-layout-flow\">\n<div class=\"wp-block-columns is-layout-flex wp-container-core-columns-is-layout-9d6595d7 wp-block-columns-is-layout-flex\">\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\">\n<h2 class=\"wp-block-heading\">Weitere Projekte<\/h2>\n<\/div>\n\n\n\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\">\n<p><\/p>\n<\/div>\n<\/div>\n\n\n\n    \n    \n<div id=\"v4core-post-list--1\" class=\"PostList PostList--projects PostList--slider\">\n\n    \n        <article class=\"PostList-no-results\">\n    <div class=\"PostList-item-link-content\">\n        <p class=\"PostList-item-link-content-title\">\n            <span class=\"PostList-item-link-content-category h6 has-magenta-color\">Keine Ergebnisse gefunden<\/span><br>\n            Versuchen Sie die Filterung anzupassen\n        <\/p>\n    <\/div>\n<\/article>\n\n                <div class=\"swiper-container\">\n            \n            <div class=\"PostList-posts PostList-posts--projects swiper-wrapper\">\n                \n    \n            <\/div>\n\n                    <\/div>\n        \n        <div class=\"PostList-meta\">\n\n                            <div class=\"wp-block-buttons\">\n                    <div class=\"wp-block-button\">\n                        <a class=\"wp-block-button__link has-text-color has-background has-gradient-background-color has-black-color\"\n                           href=\"https:\/\/s-tec.de\/projekte\/\">Alle Projekte<\/a>\n                    <\/div>\n                <\/div>\n            \n                            <div class=\"swiper-buttons\">\n                    <div class=\"swiper-button swiper-button-prev\"><\/div>\n                    <div class=\"swiper-button swiper-button-next\"><\/div>\n                <\/div>\n            \n        <\/div>\n\n        \n<\/div><\/div><\/div>\n\n","protected":false},"excerpt":{"rendered":"<p>Gef\u00f6rdert durch<\/p>\n","protected":false},"featured_media":46,"template":"","categories":[8],"class_list":["post-3411","projects","type-projects","status-publish","has-post-thumbnail","hentry","category-quick-check"],"acf":[],"_links":{"self":[{"href":"https:\/\/s-tec.de\/en\/wp-json\/wp\/v2\/projects\/3411","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/s-tec.de\/en\/wp-json\/wp\/v2\/projects"}],"about":[{"href":"https:\/\/s-tec.de\/en\/wp-json\/wp\/v2\/types\/projects"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/s-tec.de\/en\/wp-json\/wp\/v2\/media\/46"}],"wp:attachment":[{"href":"https:\/\/s-tec.de\/en\/wp-json\/wp\/v2\/media?parent=3411"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/s-tec.de\/en\/wp-json\/wp\/v2\/categories?post=3411"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}