Wie ein Algorithmus die Kommissionierwege verkürzt
Stellen wir uns – vereinfacht – einen klassischen Kommissioniervorgang vor: Ein Kommissionierer erhält eine analoge oder digitale Liste, die alle Bestellpositionen eines Auftrags enthält. Anhand dieser Liste bewegt er sich durch das Lager und entnimmt die entsprechenden Artikel. Damit dieser Vorgang möglichst effizient abläuft, werden Picklisten bereits jetzt so gestaltet, dass sie relevante Daten wie Lagerstandorte, genaue Auftragsdaten oder auch Produkteigenschaften berücksichtigen. Denn das Ziel bei der Optimierung des Komissioniervorgangs und der Picklisten ist immer die Verkürzung der Durchlaufzeiten. Zeit ist schließlich Geld und Kostenoptimierung essenziell für die wirtschaftliche Nachhaltigkeit eines Unternehmens. Wie das optimal gelingen kann, zeigt das Warehouse Management System PSIwms im E-Commerce-Distributionszentrum des Bekleidungsherstellers LPP.
Neue Herausforderungen fördern neue Lösungen
Die Ausgangslage des Projektes gestaltete sich so: Steigende Bestellungen im Onlinehandel sorgten für immer mehr Aufträge, die letztendlich beim Kommissionierer eintrafen. Dieser hätte die einzelnen Aufträge also schneller abarbeiten müssen, um am Ende des Tages alle Aufträge kommissioniert zu haben. Nun kann man von den betroffenen Mitarbeitern schlecht verlangen, durch das Lager zu rennen, um seine Quote zu erfüllen. Also entwickelte PSI gemeinsam mit dem Kunden LPP eine Lösung, um die steigenden E-Commerce-Aufträge zu bewältigen und für jeden dieser Aufträge die optimale Antwort auf das sogenannte „Travelling Salesman Problem“ zu finden. „Wegeoptimierung ist in unserem Warehouse Management System seit jeher implementiert. Jedoch wurde bei jedem Auftrag das gleiche Optimierungsverfahren angewandt“, beschreibt Rüdiger Stauch, Vertriebsleiter bei PSI, die Ausgangssituation. Man nutzte also für verschiedene Aufträge die immer gleiche Lösung– aus Mangel an Alternativen.
Strecke ist Zeit und Zeit ist Geld
PSI entwickelte daher eine KI-Lösung, die die Pickliste für jeden einzelnen Auftrag spezifisch optimiert. Dabei beachtet der Algorithmus die Lagertopologie inklusive möglicher Quergänge oder Abkürzungen, die Artikelpositionen, die Inhalte des Auftrags und sowohl räumliche als auch zeitliche Start- und Endpunkte der Pickroute. So simuliert er die ideale Route durch das Lager, bevor der Kommissionierer überhaupt losgeht.
Die optimale Route kann dabei auch mal im Zickzack verlaufen, wenn das in der Simulation angezeigt wird“, lacht Stauch.
Ebenfalls in die Berechnung einbezogen werden die Verfügbarkeiten des Personals und des Equipments.
Die Lösung mit den kürzesten Wegen kann sowohl eine einstufige Kommissionierung als auch ein Multipickverfahren sein. Eben genau das, was für die jeweilige Pickliste die effizienteste Abwicklung ermöglicht. Und das Ergebnis überrascht selbst PSI. „Bereits in der ersten Phase haben wir durch diese KI-basierte Simulation eine Wegeverkürzung um bis zu 32 Prozent erreicht“, sagt Stauch.
Kürzere Wege bedeuten weniger Zeit und damit einen ökonomischen Vorteil. Aber die Lösung punktet noch mit einem zweiten Zeitfaktor, so Stauch:
Durch die Einbindung neuronaler Netze findet die Künstliche Intelligenz eine optimierte Lösung 100-fach schneller als ein gewöhnliches Lagerverwaltungssystem.“
Und nicht nur das: Mithilfe dieser neuronalen Netze lernt die KI und kann so ihre Routenberechnung in Hinblick auf Weg, Zeit und Ressourcen kontinuierlich optimieren.
Je mehr Daten dem Algorithmus zur Verfügung stehen, desto besser ist natürlich auch das Ergebnis. Dabei passt sich das System dynamisch an neue Daten an, beispielsweise bei einer Änderung der Lagertopologie. Und das in Echtzeit. Ökonomischer Vorteil und Flexibilitätsgarant in einem also. Wir sind gespannt auf weitere Ergebnisse von PSI!
Mehr zu PSI finden Sie auf der Unternehmenswebsite.