Douglas Cunningham, Petra Hofstedt, Klaus Meer, Ingo Schmitt (Hrsg.): INFORMATIK 2015 Lecture Notes in Informatics (LNI), Gesellschaft für Informatik, Bonn 2015

Produktionsplanung mit einer kombinierten Lösung aus mathematischer Optimierung und anderen Business Analytics Werkzeugen Hans Schlenker1

Abstract: Produktionsplanung ist eine bedeutende und komplexe Planungsaufgabe die in sehr vielen Unternehmen durchgeführt wird. Häufig wird diese Planung auch heute noch überwiegend manuell durchgeführt. Im vorliegenden Papier wird ein neuer Software-Ansatz skizziert, der aktuelle Business Analytics Ansätze kombiniert: statistische Vorhersage, mathematische Optimierung und Business Intelligence. Dabei liegt der Fokus auf den verwendeten Werkzeugen und wie sie zusammenarbeiten. Die Lösung wird abschließend anhand einer konkreten Fallstudie bewertet. Keywords: Business Analytics, mathematische Optimierung, statistische Methoden, Vorhersage, IBM, ILOG, CPLEX, SPSS, Cognos TM1.

1

Einleitung

Mathematische Optimierung, statistische Vorhersage und Business Intelligence gelten als drei Grundpfeiler von Business Analytics. Business Intelligence Lösungen erlauben Entscheidern, ihre Daten intelligent zu bearbeiten, zu visualisieren und zu analysieren. Statistische Vorhersage liefert automatische Prognose auf der Basis historischer Daten, mittels Verfahren aus der mathematischen Statistik. Und mathematische Optimierung schließlich verwendet insbesondere die prognostizierten Zukunftsdaten um konkrete Handlungsempfehlungen für die Zukunft optimal zu berechnen. Im Folgenden wird gezeigt wie diese Verfahren in aktuellen Software-Werkzeugen eingesetzt werden und wie sie technisch zusammenspielen. Schließlich wird ein konkretes Anwendungsszenario skizziert und aufgezeigt, welchen fachlichen Mehrwert die technische Lösung dort bringt.

2

Daten-Analyse und Statistische Vorhersage

Der erste Schritt der Produktionsplanung ist: Datenanalyse und Vorhersage. Mit dem Werkzeug IBM SPSS Modeler können Daten aus unterschiedlichen Quellen gelesen, analysiert und auch verändert werden, beispielsweise zur Behebung von Datenfehlern. Der Daten-Analyst definiert im SPSS Modeler einen sog. Daten-Stream, der die 1

IBM Deutschland GmbH, Hollerithstr. 1, 81829 München, [email protected]

1 9

Hans Schlenker

Eingabedaten verarbeitet. Abb. 1 zeigt einen solchen Stream im Modeler.

Abb. 1: Ein Daten-Stream in IBM SPSS Modeler zur Vorhersage von Verkaufszahlen.

Dieser Stream liest historische Verkaufszahlen aus einer Excel-Datei (dieser Startpunkt ist durch den gelb dargestellten Kreis gegeben), erzeugt damit eine neue Zeitreihe, erweitert diese Zeitreihe um weitere Perioden in die Zukunft, wendet dann Vorhersagemodelle an, um für die zukünftigen Zeitperioden möglichst wahrscheinliche Verkaufszahlen zu ermitteln, filtert diese Zahlen und schreibt sie schließlich in eine Tabelle FORECAST. Die Vorhersagemodelle werden vom Werkzeug SPSS Modeler automatisch ausgewählt und erzeugen automatisch die Vorhersage.

3

Mathematische Optimierung

Im nächsten Schritt muss nun ein konkreter Produktionsplan ermittelt werden, der die vorhergesagten Verkaufszahlen möglichst gut erfüllt, dabei Nebenbedingungen einhält wie beschränkte Produktionskapazitäten, und gleichzeitig Zielkriterien optimiert, wie möglichst geringe Produktionskosten oder möglichst großer Umsatz.

1 94

Produktionsplanung mit IBM Analytics

Abb. 2: Optimierungsmodell im IBM CPLEX Optimization Studio.

Das Optimierungsmodell wird im IBM CPLEX Optimization Studio modelliert: siehe Abb. 2. Dieses Modell wird dann im CPLEX Optimization Studio mit den Vorhersagedaten aus SPSS verknüpft, so dass zur Laufzeit die Vorhersage automatisch in den Produktionsplan einfließt.

4

Business Intelligence Anwendung

Produktionsplanung wird in der Realität nicht vollautomatisch von Software durchgeführt, und sei diese auch noch so intelligent. In der Praxis arbeiten Planer mit der Software und treffen am Ende die Planungsentscheidungen. Die Software unterstützt sie dabei, indem sie Planvorschläge automatisch erstellt. Die Planungsanwendung basiert auf dem Werkzeug IBM Cognos TM1, einem Business Intelligence Werkzeug. Cognos TM1 unterstützt manuelle Planung mit einer Vielzahl intelligenter Funktionen wie automatischer Verteilung von Mengen, automatischer Aggregation und De-Aggregation, multi-dimensionalen Planwürfeln, In-Memory Verarbeitung usw. usf. Die oben beschriebenen Funktionen zur Vorhersage und Optimierung sind integriert in die TM1 Anwendung, siehe Abb. 3. Damit kann der Planer sowohl manuell planen, als auch interaktiv die automatische Vorhersage und Optimierung nutzen.

1 95

Hans Schlenker

Abb. 3: Die komplette Planungsanwendung in IBM Cognos TM1.

5

Zusammenfassung und Bewertung

Die kombinierte Lösung aus IBM SPSS, CPLEX und TM1 erlaubt Planern sehr effizient zu planen und dabei automatische Business Analytics Methoden zu verwenden. Ein Halbleiterhersteller, der diese Lösung vor kurzem eingeführt hat, bewertet sie folgendermaßen: 

Reduzierter manueller Planungsaufwand.



Weniger Planungsfehler.



Erheblich mehr Planungsszenarien können erzeigt und bewertet werden als früher.



Generischer, konfigurierbarer Ansatz als Grundlage für weitere Planungsprozesse.

1 9