Multiagentensysteme im Supply Chain Management - Ansätze aus der Hafenlogistik und dem Supply Chain Finance

Alexandra Fiedler, Dirk Sackmann und Hans-Dietrich Haasis

Eine Lieferkette ist ein weltweites Netzwerk von Lieferanten, Herstellern, Lagern, Vertriebszentren und Einzelhändlern, über das Rohstoffe beschafft, umgewandelt und an Kunden geliefert werden. In den letzten Jahren hat sich ein neuer Systemansatz für das Management der Lieferkette auf taktischer und operativer Ebene herausgebildet. Dieser sieht eine Versorgungskette als ein Zusammenspiel von intelligenten (Software-)Agenten an, die für eine oder mehrere Aktivitäten verantwortlich sind und mit anderen verwandten Agenten bei der Planung und Ausführung von Aufgaben interagieren. In diesem Beitrag werden zwei Anwendungsbeispiele sogenannter Multiagentensysteme für das Supply Chain Management vorgestellt.

In einem zunehmend wettbewerbsintensiven industriellen Umfeld müssen Unternehmen entweder ihre Produktion diversifizieren, um ihr Angebot auf dem Markt zu erweitern, oder sich umgekehrt auf ein Geschäft spezialisieren, um an Effizienz zu gewinnen. Sie stehen daher zunehmend in Kontakt mit einer großen Anzahl von Partnern, da nicht die gesamte Herstellung und der Vertrieb der Produkte von einem einzelnen Akteur übernommen werden kann. Unternehmen bilden somit ein Netzwerk, das üblicherweise als «Supply Chain“ bezeichnet wird. Das Management dieser Kette wird durch einen Informationsaustausch und eine Umverteilung von Aktivitäten zwischen den verschiedenen Akteuren, aus denen es besteht, verwirklicht. Die Leistung des Supply Chain Management (SCM) beruht auf den Synergien von Material-, Informations-, und Finanzflüssen entlang der Lieferkette. Da herkömmliche Ansätze im Allgemeinen monolithisch sind und ihr Konzept zentralisiert ist, basieren aktuelle Anwendungen auf Multiagentensystemen (MAS). Diese ermöglichen dezentrale Ansätze, die in der Lage sind, die dynamischen Strukturen einer Supply Chain darzustellen. MAS und eigenständige Agenten bieten eine neue Möglichkeit zum Analysieren, Entwerfen und Implementieren anspruchsvoller Anwendungen, denn sie sind Teil des Fachgebiets der verteilten Künstlichen Intelligenz und profitieren auch von Erkenntnissen anderer Disziplinen in der Wissenschaft wie Soziologie und Sozialpsychologie. Die Anwendungsbereiche von MAS im SCM haben sich von unternehmensinternen Prozessen wie Auftrags- und Produktionsplanung und -steuerung [1] zu komplizierten Entscheidungsunterstützungsverfahren entwickelt, die das Management einzelner Unternehmen, aber auch interagierende SCM-Partner involvieren [2, 3]. Im Folgenden werden zwei Ausschnitte einer Supply Chain dargestellt und mithilfe von Anwendungsszenarien sowie ersten Ergebnissen erläutert.


Bild 1: Hafen mit Liegeplätzen und Kränen (eigene Darstellung).

Multiagentensysteme

Agentenbasierte Modelle oder Multiagentensystemen bestehen aus einer Reihe von Elementen (Agenten), die durch bestimmte Attribute gekennzeichnet sind. Diese interagieren in einer bestimmten Umgebung anhand definierter Regeln miteinander. MAS können nützlich sein, um viele wirtschaftswissenschaftliche Systeme zu reproduzieren, bei denen die Struktur über ein Netzwerk entworfen werden kann [4, 5].

Nach der Definition von Wooldridge und Jennings [6] ist ein Agent ein rechnergestütztes System, das mit einer Umgebung interagiert, die mit den folgenden Merkmalen ausgestattet sein kann:

• Unabhängigkeit: Jeder Agent agiert ohne die direkte Kontrolle von Menschen oder anderen Geräten.
• Soziale Fähigkeit: Interaktionen zwischen den Entitäten, um Ziele zu erfüllen, erfolgen über eine Kommunikationssprache.
• Reaktivität: Die Agenten antworten präzise auf Signale, die aus der Umgebung kommen.
• Pro-Aktivität: Agenten sind mit zielgerichteten Verhaltensweisen ausgestattet. Sie ergreifen die Initiative, um ihre Ziele zu erreichen.

Um also ihre eigenen Ziele zu verfolgen, müssen Agenten interagieren und kommunizieren. Zur Kommunikation gehören die Funktionen zum Empfangen und Senden von Nachrichten [7]. Dies ist erforderlich, um einen Koordinierungsmechanismus zwischen den Agenten selbst sicherzustellen. Dadurch können Konflikte zwischen den Agenten bei dem Zugang zu Ressourcen oder bei der Erreichung von Zielen verhindert werden. Die Implementierung eines kooperationsbasierten Koordinierungsmechanismus bedeutet die Verwendung von Planungsansätzen, um Ressourcenkonflikte zu verringern und die Erreichung globaler Ziele sicherzustellen [8]. Diese Ansätze lassen sich in zwei Hauptkategorien einteilen: Verteilte Ansätze, bei denen Agenten mit selbstorganisierenden Regeln für die gemeinsame Nutzung von Ressourcen und die Verfolgung von Zielen ausgestattet sind. Zentralisierte Ansätze, bei denen ein Mediatoragent die Aufgabe hat, das Verhalten der Agenten zu regulieren und zu überwachen. Die Umsetzung eines auf Wettbewerb basierenden Paradigmas bedeutet die Reproduktion von Verhandlungsformen zwischen den Akteuren. Es ist kein Mediator beteiligt. In diesem Fall ist jeder Akteur eigennützig, was bedeutet, dass die finale Lösung vielleicht für den einzelnen Akteur die Beste ist, aber nicht für die Gruppe als Ganzes [9, 10].

Anwendungsszenario Hafenlogistik

Durch den zunehmenden Wettbewerb der Häfen in der maritimen Logistik wird die Durchlaufzeit von Schiffen in den Häfen zu einem entscheidenden Erfolgsfaktor für den Terminalbetrieb [11]. Ein Thema in diesem Zusammenhang ist die Zuweisung von Kai-Raum und Servicezeiten zu Schiffen, die an einem Terminal entladen und beladen werden müssen. Dieses Problem wird allgemein als Liegeplatzzuweisungsproblem (berth allocation problem BAP) bezeichnet. Der Umschlag von Containern zwischen einem Schiff und dem Kai erfolgt in der Regel mit Spezialkränen, die neben dem Kai auf Schienen montiert sind. Die Zuordnung dieser Kaikräne (quay crane QC) zu Schiffen und die Festlegung von Arbeitsplänen für die Kräne befassen sich mit zwei weiteren Problemen, nämlich dem Problem der Zuweisung von Kaikränen (quay crane allocation problem CAP) und dem Problem der Planung von Kaikränen (quay crane scheduling problem CSP). Lösungen für diese Probleme müssen das Layout der Liegeplätze und die verwendeten Geräte berücksichtigen (Bild 1), während sie sich auf den Betrieb des Hafens und die Personalplanung auswirken.

Es existieren zahlreiche Ansätze und Verfahren [12, 13] zur Lösung der genannten Probleme, die verschiedenste Optimierungsmethoden und mathematische Programmierung verwenden. Kaum Aufmerksamkeit wurde bisher der Anwendungsmöglichkeit von MAS in diesem Zusammenhang gewidmet. In den meisten Studien gelten Liegeplatzplanung und Kaikran-Planung als unabhängig voneinander. Die Dauer des Anlegens eines Schiffs hängt jedoch von der Anzahl der Kaikräne ab, die dem Schiff zugeordnet sind. Wenn die Anzahl der Kaikräne, die einem Schiff zugeordnet sind, zunimmt, wird die Liegedauer des Schiffs verringert. Deshalb sollten Liegeplatz- und Kaikran-Planung gleichzeitig berücksichtigt werden. In diesem Beitrag wird ein MAS-Ansatz vorgeschlagen, um die Liegeposition jedes Schiffs sowie die Anzahl der Kaikräne zu bestimmen, die jedem Schiff zugewiesen werden sollen.

Zum Weiterlesen hier klicken