LAMA-P
Last Mile Analysis and Planning
Zuletzt aktualisiert am 18.12.2024
Projektbeschreibung
Problem
Das Segment der Last-Mile-Deliveries unterliegt weiterhin einem starken Wachstum, wobei neben dem Wachstum des Sendungsvolumens auch die Größe und Gewichte der Produkte zunehmen. Die bisherige Forschung fokussiert stark auf das Kurier-, Express- und Paketsegment und ist auf die Auslieferung größerer und schwerer Objekte nur bedingt übertragbar. Bei Paketen lässt sich die Wegzeit zwischen Fahrzeug und Kundentür relativ einfach kalkulieren. Falls der Kunde nicht angetroffen wird, können die Sendungen an einem sicheren Ort oder bei Nachbarn hinterlegt werden. Letzteres ist für große und schwere Objekte nicht möglich und insbesondere bei Packstücken, die ein 2-Personen-Handling erfordern, kann die Wegzeit zwischen Fahrzeug und Übergabeort stark variieren und hat damit einen hohen Einfluss auf die Stoppzeit. Die Verwendung fester, nicht auf den Kunden abgestimmter Stoppzeiten in der Tourenplanung führt zu Ungenauigkeiten und verringert die Präzision der Ankunftsprognosen.
Ziele
Das Projekt „LAMA-P“ untersucht die Zusammensetzung und Einflussfaktoren der Stoppzeiten analytisch und empirisch. Hierzu wird die Motion-Mining-Technologie, die mit Hilfe von Bewegungssensoren Aktivitäten der Mitarbeitenden erfasst und in Prozesse klassifiziert, auf die Abläufe der Last-Mile-Delivery adaptiert, um eine KI-gestützte Auswertung der Prozesse zu ermöglichen. Auf dieser Basis wird ein erweiterter Tourenplanungsalgorithmus entwickelt, der eine spezifische Kalkulation der Stoppzeiten beinhaltet. Ziel ist die Verbesserung der Zuverlässigkeit und Genauigkeit des Auslieferzeitfensters. Dies steigert die Erstzustellrate und steigert die Kundenzufriedenheit.
Durchführung
Basierend auf einer Anforderungsanalyse mit den operativen Beteiligten und einer Prozessanalyse werden Einflussfaktoren identifiziert. In einer empirischen Studie werden Realdaten über die Auslieferprozesse mit der Motion-Mining-Technologie ausgewertet. Hierzu ist die bestehende, aus der Intralogistik stammende Klassifizierung zu erweitern. Auf Basis der Realdaten können die Einflussfaktoren bestimmt werden, um bei der Tourenplanung in die Kalkulation der Stoppzeit einzufließen. Der erweiterte Algorithmus wird über den Vergleich mit Realtouren validiert.
Projektübersicht
