pixeltrap - Fotolia

Predictive Logistics erweitert Sichtbarkeit der Lieferkette

Echtzeit-Analysen liefern Daten, wo sich Waren in der Lieferkette befinden. Einige Firmen nutzen zudem Machine Learning, um genauere Vorhersagen zu treffen.

Die Verfügbarkeit von kostengünstigen Sensoren und Internet-of-Things-Technologien hat die Supply Chain in den letzten Jahren transparenter gemacht. So ist es heute problemlos möglich, jederzeit zu erfahren, wo versendete Waren sind und in vielen Fällen auch, in welchem Zustand sie sich befinden.

Aber was wäre, wenn Sie diese Fähigkeit einen oder sogar mehrere Schritte weiter ausbauen könnten? Zwar ist es schön zu wissen, wo sich Ihre Waren im Moment befinden. Aber wäre es nicht besser, genau zu wissen, wann Sie Ihre Waren bekommen? Ein solches Scenario wird immer wahrscheinlicher, weil sich das Internet of Things (IoT) und Sensordaten zunehmend mit Machine Learning und Analysemethoden der nächsten Generation verbinden. Diese Technologien stellen Predictive Logistics bereit und helfen damit Herstellern, über die bloße Sichtbarkeit von Lieferketten hinauszugehen.

„Einer der aufkommenden Trends in der prädiktiven Logistik ist das Konzept von ETA [Anm. Estimated Time of Arrival] – die Fähigkeit eines Unternehmens, zu wissen, wann und wo seine Waren genau ankommen werden“, sagt Bill McBeath, Chief Research Officer bei ChainLink Research. Obgleich es Technologien wie das automatische Identifikationssystem oder AIS gibt, das die Position eines Schiffes jederzeit innerhalb eines Zeitfensters von wenigen Stunden aufspürt, sind diese Informationen laut McBeath nicht unbedingt nützlich.

„Es gibt eine Menge unwägbarer Dinge, die sich darauf auswirken, wann die Waren tatsächlich ankommen werden. Wie lange wird es zum Beispiel dauern, bis sie entladen werden? Wie lange wird es dauern, bis der Zoll abgefertigt ist? Möglicherweise bleiben sie auch eine Weile im Hafen liegen, bevor ein Lastwagen kommt und sie abholt“, erläutert er. „Im Moment gibt es viele blinde Flecke, Unschärfe bei dem, was vor sich geht und eine oft langatmige Informationsbeschaffung. Also de facto gilt: Sie können nicht herausfinden, dass eine Lieferung zu spät ankommt, bis sie tatsächlich sehen, dass sie nicht zum geplanten Zeitpunkt da ist. Und dann fangen sie an zu telefonieren.“

Wie bei vielen IoT- beziehungsweise Industrial-Internet-of-Things-Problemen liegt die Schwierigkeit bei der Transparenz der Lieferkette nicht im Mangel an Daten. Der Schwachpunkt sind die riesigen Datenmengen, die durch die Lieferkette fließen. Will man das Problem lösen, muss man Wege finden, um diese vielen Daten nutzbar zu machen und auszuwerten.

Genau das geschieht gerade: Mehrere Anbieter offerieren heute Dienstleistungen und Geräte mit Sensoren, die Daten speichern und mit Technologien der nächsten Generation, wie zum Beispiel Algorithmen für Machine Learning, verbinden. Auf diese Weise bekommen Lieferanten weit mehr als nur die Transparenz der Lieferkette.

Genaue Vorhersage von ETAs für den Versand

Ein solcher Anbieter ist Savi Technology. Das Unternehmen begann 1989 mit der Bereitstellung von Logistik-Dienstleistungen für das US-Verteidigungsministerium. Savi verfolgte damals Daten von Assets, die über Sensoren versendet wurden. Die Informationen wurden über kurze Distanzen mit Hilfe von RFID und über längere Distanzen mit drahtlosen Telefonnetzwerken übertragen.

„In den letzten Jahren stieg Savi mit Sensoren in den kommerziellen Markt ein. Die Sensoren erfassen Zeit und Ort sowie Umweltmesswerte wie Temperatur, Erschütterung und Umgebungslicht“, sagt Jim Hayden, Executive Vice President of Products bei Savi.

Laut Hayden erreicht Savi damit Big Data Streaming in Echtzeit und entwickelt Predictive Logistics mit Hilfe von Algorithmen des maschinellen Lernens. Damit lassen sich die Ergebnisse für drei Szenarien der Lieferkette genau vorhersagen: Lieferungen, die in ein Werk kommen, Lieferungen, die von einem Werk zu einem Distributionszentrum gehen und Lieferungen, die vom Distributionszentrum zu den Kunden ausgehen.

Das Ergebnis ist eine verbesserte Effizienz und eine bessere Übersicht über die Herkunft der Teile. Die Wartezeit der Hersteller auf die Teile kann auf diese Weise deutlich reduziert werden.

„Vom Lieferanten bis zum Werk ist ein Produktionslauf eingerichtet. Dabei ist es entscheidend, dass die für diesen Produktionslauf benötigten Lieferungen zu einem bestimmten Zeitpunkt dort ankommen“, erklärt Hayden. „Mit Sensoren können Sie genau erfahren, wo sich die Waren im Transit befinden. Darüber hinaus entwickeln wir Algorithmen für Machine Learning, die ETA-Modelle erstellen. Jedes Mal, wenn wir von einem Sensor einen aktualisierten Standort für die Sendungen erhalten, aktualisieren wir über ein Vorhersagemodell die Estimated Time of Arrival. Deshalb wissen die Leute in der Fabrik genau, wann die Ladung dort ankommt.“

Die Sensoren leisten aber noch wesentlich mehr und können auch die Sicherheit von Transportgütern gewährleisten. Das ist besonders für hochwertige Produkte wie Pharmazeutika, Chemikalien sowie Öl und Gas von Bedeutung. Man kann zum Beispiel einen Alarm erzeugen, wenn die Türen, die zu den Transportern führen, unbefugt geöffnet wurden. „Das ist besonders wichtig an den Umschlagplätzen, an denen ein Spediteur die Ladung einem anderen übergibt“, sagt er (siehe nachfolgenden Kasten).

Biogen nutzt Sensoren zur Verhinderung von Diebstahl in der Lieferkette

Das Biotechnologie-Unternehmen Biogen verwendet in seiner globalen Lieferkette seit zwei Jahren Savi-Sensoren und -Software, um Transparenz und zusätzliche Sicherheit für seine Sendungen zu gewährleisten.

„Wir haben einen internen Prozess, in dem wir risikoreiche Wege identifizieren, auf denen sich unsere Produkte bewegen. Bei den Produkten handelt es sich um Rohstoffe, Zwischenprodukte, Fertigprodukte oder laufende Arbeiten“, sagt Lee Spach, Biogen Director of Global Product and Supply Chain Security. „Wir verwenden das Visibility-Tool Savi in unserem Global Security Operations Center. Hier legen wir fest, was und wo wir verfolgen wollen. Dann aktivieren wir die Sensoren auf Produktebene und überwachen die tatsächlichen Bewegungen dieser Sendungen.“

Die Savi-Plattform ermöglicht es Biogen, seine Sendungen zu verfolgen und Warnmeldungen zu versenden, wenn sich die Ware nicht in die gewünschte Richtung bewegt. Ein Alarm wird auch ausgelöst, wenn die Ware falsch verladen wird – zum Beispiel außerhalb festgelegter geografischer Gebiete wie Seehäfen oder Flughafen-Terminals. Spach sagt, dass das Biotech-Unternehmen auch Sensoren verwendet, die Warnmeldungen senden für den Fall, dass die Transportbehälter manipuliert werden. Außerdem überwachen sie die Umgebungsbedingungen, die die Qualität der Waren beeinflussen.

Vorhersage der voraussichtlichen Ankunftszeit

Laut Scott Byrnes, Vice President of Marketing bei TransVoyant, verarbeitet der Softwarehersteller TransVoyant riesige Big-Data-Mengen von IoT-Geräten auf der ganzen Welt. Das Ziel ist, mehr über die Lieferketten von Unternehmen und die damit verbundenen Ereignisse zu erfahren.

Das Unternehmen füttert mit den Daten Machine-Learning-Algorithmen, um Vorhersagen zu treffen und Maßnahmen festzulegen, die Unternehmen dabei unterstützen, die Variabilität zu reduzieren und Störungen in der Lieferkette zu vermeiden.

„Wir verarbeiten täglich über eine Billion Ereignisse, die auf der ganzen Welt stattfinden“, sagt Byrnes. „Das sind Dinge wie die Höhe der Meereswellen, die Windgeschwindigkeiten, Unwetter, die Überbelegung von Häfen, Sonnenstrahlung, Routenpläne und sogar die Stimmung der Verbraucher.“

TransVoyant hat zum Beispiel jahrelang Daten über Schifffahrtspläne gesammelt und die gesammelten Daten mit einem Machine-Learning-Algorithmus analysiert. So konnte er mehr über die Häfen auf der ganzen Welt unter verschiedenen Bedingungen erfahren, zum Beispiel Wetterszenarien, Zollangelegenheiten und Arbeitsmuster. Das Unternehmen kennt auch das typische Verhalten einzelner Fluggesellschaften, einschließlich ungeplanter Stopps zu bestimmten Jahreszeiten.

„Wenn Sie Vertrauen in einen Spediteur haben und die genaue Zeit kennen, zu der er im Hafen ankommen wird,“ sagt Byrnes, „wenn Sie Vertrauen haben, wann er den Zoll passieren wird, dann können Sie dafür sorgen, dass Ihr Transportunternehmen zur vorhergesagten Zeit auftaucht – selbst wenn die Waren noch fünf Tage draußen im Meer ist. Wenn Sie in der Lage sind, die pünktliche Ankunft all dieser verschiedenen Teile aus der ganzen Welt zu koordinieren, um die Herstellung eines Produkts nach Plan fertigzustellen, dann können Sie ruhig schlafen. Denn dann wissen Sie, dass die Materialien zur richtigen Zeit dort sein werden.“

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!

Nächste Schritte

ERP-Systemcheck für Industrie 4.0, IIoT und die Cloud.

Kostenloser E-Guide: Wo Industrie 4.0 und IIoT bereits Realität sind.

Industrie 4.0: Die Top-5-Herausforderungen für Unternehmen im IIoT.

Artikel wurde zuletzt im Februar 2018 aktualisiert

Erfahren Sie mehr über Big Data

Diskussion starten

Schicken Sie mir eine Nachricht bei Kommentaren anderer Mitglieder.

Mit dem Absenden dieser Daten erklären Sie sich bereit, E-Mails von TechTarget und seinen Partnern zu erhalten. Wenn Ihr Wohnsitz außerhalb der Vereinigten Staaten ist, geben Sie uns hiermit Ihre Erlaubnis, Ihre persönlichen Daten zu übertragen und in den Vereinigten Staaten zu verarbeiten. Datenschutz

Bitte erstellen Sie einen Usernamen, um einen Kommentar abzugeben.

- GOOGLE-ANZEIGEN

SearchSecurity.de

SearchStorage.de

SearchNetworking.de

SearchDataCenter.de

Close