Antizipierende Tourenplanung durch Optimal Learning

• Antragsteller: Dr. Stephan Meisel
• Fachliche Zuordnung: Accounting und Finance
• Förderung: Förderung von 2012 bis 2013
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 214711072

Viele in der betrieblichen Praxis auftretende Tourenplanungsprobleme unterliegen in zunehmendem Maße stochastischen Einflüssen. Neue Entwicklungen wie Warenbestellungen über das Internet, die kundenindividuelle Massenproduktion oder eine erhöhte Service-Orientierung führen dazu, daß kontinuierlich neue planungsrelevante Informationen bei Logistikdienstleistern eintreffen. Durch technologische Innovationen wie GPS und mobile Kommunikation, können neu eintreffende Informationen genutzt werden, um bestehende Tourenpläne zu modifizieren während die betroffenen Fahrzeuge bereits unterwegs sind. Ziele solcher Modifikationen sind eine größere Effizienz des Fahrzeugeinsatzes sowie die Erhöhung der Kundenzufriedenheit.Die resultierenden planerischen Problemstellungen sind mehrstufige Entscheidungsprobleme unter Unsicherheit. Zu ihrer Lösung werden antizipierende Optimierungsverfahren benötigt, die bei neu eintreffender Information sehr gute Tourenplanungsentscheidungen erzeugen, indem sie a priori auf den zu erwartenden weiteren Problemverlauf reagieren.Optimale Entscheidungen werden durch perfekte Antizipation mit den Planungsverfahren der stochastischen dynamischen Programmierung ermittelt. Jedoch sind diese aufgrund ihrer rechnerischen Anforderungen für Tourenplanungsprobleme praxisrelevanter Größe nicht anwendbar.Um einen höchstmöglichen Antizipationsgrad zu realisieren werden simulationsbasierte Verfahren, wie etwa die approximative dynamische Programmierung eingesetzt. Diese ziehen jedoch immer noch einen relativ hohen rechnerischen Aufwand nach sich und sind deshalb für praxisrelevante Tourenplanungsprobleme bisher nur bedingt einsetzbar.Gegenstand des beantragten Vorhabens ist es, die simulationsbasierten Verfahren durch Integration von Methoden des Optimal Learning grundlegend zu verbessern, ihre rechnerischen Anforderungen zu senken und so ihr Potenzial für die antizipierende Tourenplanung voll zu realisieren.

• DFG-Verfahren: Forschungsstipendien
• Internationaler Bezug: USA
• Gastgeber: Professor Warren B. Powell, Ph.D.