Zusammenfassung des Projektes der Implementierung: Circly Software in einem Fulfillment / Logistikcenter
Die Verringerung des CO2-Fußabdrucks und die Steigerung der Produktivität durch effektives Ressourcenmanagement verbessern nicht nur den Wettbewerbsvorteil und das Markenimage, sondern haben auch positive Auswirkungen auf die Umwelt. Viele Unternehmen verharren jedoch in alten Mustern und erleiden Verluste weil sie ihre Ressourcen und Kapazitäten nicht effizient nutzen.
Circly ist es gelungen Fehlplanungen eines Logistikunternehmens um mehr als 50% zu reduzieren.
Dies wurde erreicht, indem aktive Algorithmen für maschinelles Lernen (ML) entwickelt und künstliche Intelligenz (KI) eingesetzt wurden. Circly’s modulares und skalierbares Verfahren ist nahezu in jeder Umgebung universell einsetzbar.
Vor der Implementierung der Circly-Algorithmen sah sich das Logistikunternehmen mit vielen Problemen konfrontiert, darunter die falsch eingeschätzte Personal-, Schicht- und Lagerplanung. Darüber hinaus gab es Probleme bei der Lastverteilung, bei der Vorhersage der eingehenden Aufträge und der Menge der sog. "Picks". Dies führte zu Fehlplanungen, welche infolgedessen finanzielle Einbußen und Effizienzverluste verursachten.
Dadurch kam es letztendlich auch zu großen Unzufriedenheiten auf Kundenseite. Die verminderte Effizienz des Ressourcenmanagements, sowie die nicht korrekt prognostizierte Nachfrage hatten weiters auch einen entbehrlichen Ausstoß an CO2 zur Folge. Die ersten Schritte von Circly bestanden darin, sich mit dem Logistikunternehmen selbst und seinen Kunden vertraut zu machen. Dabei war das Verständnis der im Hintergrund laufenden Prozesse entscheidend, um Optimierungsansätze zu finden. Jeder Prozess, angefangen bei der Lagernutzung über den Einsatz von Personal oder Fahrzeugen bis zur Prognose des Lieferbedarfs spielen eine wichtige Rolle im System und beeinflussen einander.
Bei den Beobachtungen zeigte sich, dass die manuelle Planung der Aufträge, um die übrigen Ressourcen für die nächste Woche zu planen, nicht sehr effizient war. Dieses Problem wurde gelöst, indem die analogen Vorgänge durch teilautomatisierte Prozesse ersetzt wurden. Das Ziel von Circly ist es, Schritt für Schritt eine vollständige Automatisierung zu erreichen. Während des gesamten Projekts stand Circly vor der Herausforderung, geeignete Algorithmen ausschließlich auf der Grundlage eines kleinen Datensatzes in Kombination mit anormalen Daten, beeinflusst durch den COVID-19-Ausbruch, zu implementieren.
Die vom Logistikunternehmen aufgezeichneten Bewegungsdaten werden in Form einer Excel-Datei auf die Plattform von Circly hochgeladen. Die Daten haben viele verschiedene, ihren Verlauf beeinflussende interne und externe Faktoren. Externe Faktoren sind beispielsweise Einzelhandelsrabatte der Kunden, da der Lieferbedarf von diesen beeinflusst wird. Diese Einflüsse werden von der Software zu den Daten in der Excel-Datei hinzugefügt.
Um alle notwendigen Informationen zu erhalten, musste Circly in einem B2B2B-Verhältnis (eCommerce Fulfillment Betrieb) arbeiten. Weitere nützliche Faktoren sind unter anderem Produktinformationen, Wetterdaten, Feiertage oder saisonale Trends. Mit den zusammengefügten Daten, bestehend aus Bewegungsdaten und den verschiedenen Regressoren, können Algorithmen des maschinellen Lernens kontinuierlich trainiert werden, um die zukünftige Nachfrage an Lieferbedarf vorhersagen zu können.
So kann die Nutzung von Personal- und Lagerressourcen optimal abgebildet, die Effizienz gesteigert, kostenintensive Prozesse aber auch finanzielle Verluste verringert und CO2-Emissionen reduziert werden.
.png)
