Dynamische Lieferzeit-Preisgestaltung in variantenreicher Produktion: Ein adaptiver Ansatz mithilfe von Reinforcement Learning
Research output: Books and anthologies › Monographs › Research
Standard
Shaker Verlag, 2022. 305 p. (Forschungsberichte aus dem wbk Institut für Produktionstechnik Karlsruher Institut für Technologie (KIT); Vol. 260).
Research output: Books and anthologies › Monographs › Research
Harvard
APA
Vancouver
Bibtex
}
RIS
TY - BOOK
T1 - Dynamische Lieferzeit-Preisgestaltung in variantenreicher Produktion
T2 - Ein adaptiver Ansatz mithilfe von Reinforcement Learning
AU - Stamer, Florian
PY - 2022/10/27
Y1 - 2022/10/27
N2 - Das Wertschöpfungsnetzwerk ist heute zur dominierenden Wertschöpfungsstruktur im Bereich der Produktion geworden. Für produzierende Unternehmen in solchen Netzwerken ist das Auftragsmanagement eine zentrale Aufgabe, die sich in einem Umfeld wachsender Herausforderungen befindet. Zum einen setzen kürzere Produktlebenszyklen und zunehmende Individualisierung die Unternehmen unter Druck. In diesem Zusammenhang hat die variantenreiche Produktion an Bedeutung gewonnen. Andererseits steigen die Wahrscheinlichkeit und die Auswirkungen von Störungen, insbesondere in Netzwerken, was die Leistungsfähigkeit von Produktionssystemen herausfordert.Ein vielversprechender Ansatz in diesem Zusammenhang ist die Verwendung einer dy-namischen Lieferzeit-Preisgestaltung über eine kontinuierliche Preis-Lieferzeit-Funk-tion. Durch den Einsatz einer dynamischen Lieferzeit-Preisgestaltung könnte es mög-lich sein, die Nachfrage im Netz mit den Fähigkeiten des Produktionssystems in Ein-klang zu bringen. Die Idee ist, Nachfragespitzen zu verschieben und die Kunden ent-sprechend ihrer individuellen Präferenzen zu beliefern. Auf diese Weise kann der Ge-samtgewinn gesteigert werden, obwohl die Kapazitäten konstant bleiben.Um die aufgestellten Hypothesen zu untersuchen, wird in dieser Arbeit eine Methodikzur dynamischen Lieferzeit-Preisgestaltung für die variantenreiche Produktion entwi-ckelt. In einem ersten Schritt werden Leistungskennzahlen und eine Zielfunktion fest-gelegt. In einem zweiten Schritt wird ein Actor Critic Reinforcement-Learning-Verfahren als Grundlage für ein Lösungsmodell motiviert. Für das Training und das spätere Testen des resultierenden Lernagenten wird ein Simulationsmodell als Umgebung entwickelt und ein Verfahren zur Durchführung und Auswertung der Experimente ausgearbeitet.Der Ansatz wurde im Rahmen der BMBF-Forschungsprojekte ReKoNeT undBaSys4SupplyQ diskutiert und angewendet. Die Ergebnisse aus zwei Anwendungsfäl-len zeigen, dass der Ansatz in der Lage ist, bei gleicher Kapazität deutlich höhere Ge-winne zu erzielen und Nachfragespitzen in gewissem Umfang zu glätten. Gleichzeitigzeigen die Ergebnisse, dass das Einsparen von Kapazitäten keine dominante Strategiezu sein scheint. Dies spiegelt die anwendungsspezifische Berücksichtigung verschie-dener Ziele wie Service, Kapazitätskosten und Marge wider.
AB - Das Wertschöpfungsnetzwerk ist heute zur dominierenden Wertschöpfungsstruktur im Bereich der Produktion geworden. Für produzierende Unternehmen in solchen Netzwerken ist das Auftragsmanagement eine zentrale Aufgabe, die sich in einem Umfeld wachsender Herausforderungen befindet. Zum einen setzen kürzere Produktlebenszyklen und zunehmende Individualisierung die Unternehmen unter Druck. In diesem Zusammenhang hat die variantenreiche Produktion an Bedeutung gewonnen. Andererseits steigen die Wahrscheinlichkeit und die Auswirkungen von Störungen, insbesondere in Netzwerken, was die Leistungsfähigkeit von Produktionssystemen herausfordert.Ein vielversprechender Ansatz in diesem Zusammenhang ist die Verwendung einer dy-namischen Lieferzeit-Preisgestaltung über eine kontinuierliche Preis-Lieferzeit-Funk-tion. Durch den Einsatz einer dynamischen Lieferzeit-Preisgestaltung könnte es mög-lich sein, die Nachfrage im Netz mit den Fähigkeiten des Produktionssystems in Ein-klang zu bringen. Die Idee ist, Nachfragespitzen zu verschieben und die Kunden ent-sprechend ihrer individuellen Präferenzen zu beliefern. Auf diese Weise kann der Ge-samtgewinn gesteigert werden, obwohl die Kapazitäten konstant bleiben.Um die aufgestellten Hypothesen zu untersuchen, wird in dieser Arbeit eine Methodikzur dynamischen Lieferzeit-Preisgestaltung für die variantenreiche Produktion entwi-ckelt. In einem ersten Schritt werden Leistungskennzahlen und eine Zielfunktion fest-gelegt. In einem zweiten Schritt wird ein Actor Critic Reinforcement-Learning-Verfahren als Grundlage für ein Lösungsmodell motiviert. Für das Training und das spätere Testen des resultierenden Lernagenten wird ein Simulationsmodell als Umgebung entwickelt und ein Verfahren zur Durchführung und Auswertung der Experimente ausgearbeitet.Der Ansatz wurde im Rahmen der BMBF-Forschungsprojekte ReKoNeT undBaSys4SupplyQ diskutiert und angewendet. Die Ergebnisse aus zwei Anwendungsfäl-len zeigen, dass der Ansatz in der Lage ist, bei gleicher Kapazität deutlich höhere Ge-winne zu erzielen und Nachfragespitzen in gewissem Umfang zu glätten. Gleichzeitigzeigen die Ergebnisse, dass das Einsparen von Kapazitäten keine dominante Strategiezu sein scheint. Dies spiegelt die anwendungsspezifische Berücksichtigung verschie-dener Ziele wie Service, Kapazitätskosten und Marge wider.
KW - Ingenieurwissenschaften
U2 - 10.5445/IR/1000151540/v2
DO - 10.5445/IR/1000151540/v2
M3 - Monografien
SN - 978-3-8440-8803-8
T3 - Forschungsberichte aus dem wbk Institut für Produktionstechnik Karlsruher Institut für Technologie (KIT)
BT - Dynamische Lieferzeit-Preisgestaltung in variantenreicher Produktion
PB - Shaker Verlag
ER -