In komplexen Logistik- und Lieferkettennetzwerken ist die Erfassung von Tracking-Daten, die den Fluss von Einheiten durch die Netzwerke darstellen, zum Stand der Technik geworden. Das Ziel der Verfolgung von Einheiten besteht darin, die Transparenz zu erhöhen und den Zustand des Netzwerks vorherzusagen. Ein wichtiger Wert für den operativen Betrieb ist die geschätzte Ankunftszeit von Einheiten an verschiedenen Knotenpunkten des Netzwerks. Das jeweilige Unternehmensziel bestimmt die Anforderungen an das Vorhersageverfahren: Es kann erforderlich sein, eine Verzögerung im Container-Schiffsverkehr so früh wie möglich (Wochen vor der Ankunft) zu erkennen, um rechtzeitig einen Ersatz für dringend benötigte Teile per Luftfracht zu senden. Oder es kann notwendig sein, die Ankunft von Lkw innerhalb der nächsten Stunde so genau wie möglich vorherzusagen, um den Verkehr an Logistikstandorten zu steuern. Allerdings ist die Datenerfassung kostspielig – sowohl finanziell als auch hinsichtlich des Energieverbrauchs durch Sensoren und der erforderlichen IT-Infrastruktur.

In diesem Projekt werden wir neue Methoden zur Vorhersage von Ankunftszeiten in komplexen Logistiknetzwerken (z. B. multimodalen Transportnetzwerken) entwickeln. Unsere Methoden ermöglichen (a) die Integration verschiedener Datentypen wie Ereignis-, Wetter- und Tracking-Daten, (b) die Fähigkeit, in Echtzeit auf Änderungen im zugrundeliegenden Logistiknetzwerk zu reagieren, und (c) die Kommunikation von Unsicherheiten in den Vorhersagen, insbesondere bei Tracking-Daten oder Wetterprognosen mit begrenzter Verlässlichkeit.

Projektmitglieder: Svenja Jedhoff

Förderung: Deutsche Forschungsgemeinschaft (DFG), TU Dortmund