Enabling Autonomous Logistics

Multiagent Coordination Enabling Autonomous Logistics Dr.-Ing. Arne Schuldt Technologie-Zentrum Informatik und Informationstechnik (TZI) Universität B...
Author: Jörg Haupt
2 downloads 0 Views 1MB Size
Multiagent Coordination Enabling Autonomous Logistics Dr.-Ing. Arne Schuldt Technologie-Zentrum Informatik und Informationstechnik (TZI) Universität Bremen

Bewerberpräsentation Wissenschaftspreis Logistik Berlin, 21.10.2010

Multiagenten-Koordination für Selbststeuerung in der Logistik

Überblick und Fragestellungen 1.

Was ist Selbststeuerung in der Logistik?

2.

Wie kann Selbststeuerung operationalisiert werden?

3.

Welche Bedeutung hat Kooperation für Selbststeuerung?

4.

Wie verhält sich Selbststeuerung in realen Prozessen?

2

Motivation: Containerlogistik bei Tchibo Herausforderungen

 Hohes Logistikaufkommen durch 56.000 Verkaufsstellen

 Wöchentlich wechselndes Sortiment  Waren heterogen hinsichtlich Gewicht, Volumen, Wert

Fallstudie: Containernachlauf

 200-300 Container pro Woche  Hohe Anzahl Parameter  Derzeit manuelle Steuerung, hoch spezialisierte Tätigkeit

 Unterstützung durch Informationssysteme

3

Parameter für die Disposition Status quo: Disponent muss über 30 Fragen pro Container beantworten

 Wann sollen die geladenen Artikel verkauft werden?    

Welches Lager ist für die Vereinnahmung der Artikel geeignet? Sind Lager-, Wareneingangs- und Warenausgangskapazitäten vorhanden? Sind bereits ähnliche Waren in einem Lager vereinnahmt? Welches geeignete und verfügbare Lager ist das günstigste?

 Sind passende Transportkapazitäten verfügbar? (LKW, Bahn, Binnenschiff)  Ist ein gemeinsamer Transport mehrerer Container möglich?  Welche Transportrelation ist die günstigste?  Wie viel Containermiete fällt bei verspäteter Rückgabe an? (Detention)  Welche Kosten entstehen beim Verbleib im Hafen? (Demurrage)  … 4

Herausforderung Komplexität Hohe Komplexität logistischer Planung

 Anzahl zu behandelnder Objekte  Anzahl zu berücksichtigender Parameter und Vorgaben  Geographische Verteiltheit der Objekte und ihrer Daten Implikationen für die Prozessintegrität

   

Komplexität (über)fordert Disponenten Fehlentscheidungen bei Prozessplanung und -steuerung Auslastung durch Standardfälle, keine Zeit für Spezialfälle Disponent braucht Unterstützung durch intelligente Systeme

[vgl. Bretzke, 2008] 5

Herausforderung Dynamik Hohe Dynamik logistischer Prozesse

 Planung häufig bereits bei Fertigstellung veraltet  Vollständige und sequentielle Neuberechnung zu langsam  Verschärfung des Komplexitätsproblems Implikationen für die Prozessintegrität

 Statische Planung nicht adäquat anwendbar  Keine angemessene Reaktionsfähigkeit bei Ausnahmefällen  Dennoch automatische und adaptive Planung erforderlich

6

Selbststeuerung in der Logistik Selbststeuerung ermöglicht es logistischen Objekten,

   

gemäß vom Besitzer vorgegebenen Zielen Informationen zu verarbeiten, miteinander zu kooperieren sowie Entscheidungen zu treffen und auszuführen.

Eigenschaften für robuste Steuerung

 Reduzierung der Berechnungskomplexität durch Dekomposition  Skalierbarkeit durch Parallelisierung von Planung und Steuerung  Erhöhte Reaktionsfähigkeit durch lokale Behandlung von Störungen

[Hülsmann & Windt, 2007] 7

Multiagenten-basierte Operationalisierung (1/2) Selbststeuernde Einheiten

    

Stückgut Transportdienstleister Umschlagdienstleister Lagerdienstleister Kommissionierdienstleister

Repräsentation durch Software-Agenten

   

Autonom Reaktiv Proaktiv Kommunikationsfähig [Wooldridge, 1999] 8

Multiagentensystem

Multiagenten-basierte Operationalisierung (1/2)

Ereignisse

Steuerung

Server

9

Multiagenten-basierte Operationalisierung (2/2) Schritte der Planung 1.

Anforderung der Lagerkapazität

2.

Anforderung der Transportkapazität

3.

Anforderung der Kommisionierund Umschlagkapazität

Wahl der Dienstleister nach

 Ort  Zeit  Beschaffenheit

Graphrepräsentation Temporallogik Beschreibungslogik

Sollten selbststeuernde Einheiten zur Zielerreichung kooperieren?

10

Kooperation selbststeuernder Einheiten (1/3) Notwendigkeit:

Vorteil:

 Gefahr: Zu hoher Interaktionsaufwand wiegt

Reduzierung des Interaktionsaufwands

verringerte Berechnungskomplexität auf

 Einzelne Einheiten können Mindestauslastung der Dienstleister häufig nicht erreichen

Erhöhung der Effizienz der Ressourcenausnutzung

Formales Modell für Kooperation nach Wooldridge und Jennings

 Generisches Modell mit unterspezifizierten Interaktionsmechanismen  Entwicklung spezifischer Interaktionsmechanismen für selbststeuernde Logistik [Wooldridge & Jennings, 1999] 11

Kooperation selbststeuernder Einheiten (2/3) Teambildung

 Grundlage für Kooperation, keine vordefinierten Strukturen notwendig

 Verteilte Koordination erforderlich, kein zentrales Clustering möglich

Entwickelte Interaktionsprotokolle

 Basierend auf Verzeichnisdienst  Basierend auf Makler  Basierend auf Multicasting Interaktionsaufwand

 Abhängig vom Grad der Verteiltheit  Analyse der Protokolleigenschaften unterstützt Prozessdesign

12

Kooperation selbststeuernder Einheiten (3/3) Notwendigkeit gemeinsamer Allokation von Logistikressourcen

 Alleine häufig keine Möglichkeit, Mindestauslastung zu erreichen  Risiko der Fragmentierung ähnlicher Güter auf mehrere Dienstleister Gemeinsame Allokation von Logistikressourcen

 Teammanager verhandeln mit ausgewählten Anbietern  Weitere Anbieter werden hinzugenommen, sofern nicht genug Kapazität  Teammanager verwalten Überschusskapazität Agenten-interne Koordination für mehrere Logistikfunktionen

 Abstimmung der einzelnen Logistikfunktionen (Lagern, Transport, …)  Teilweise automatische Behandlung auftretender Ausnahmen  Nachricht an Disponenten bei nicht automatisiert behandelbaren Ausnahmen

13

Anwendung im Containernachlauf Simulation mit circa 11.500 Containern pro Jahr

 Basierend auf Realdaten von Tchibo aus 2006  Multiagentenbasierte Simulation ermöglicht hohen Detailgrad

 Agentenverhalten entspricht dem in der Anwendung

14

Ergebnisse Automatische Disposition für Standardfälle

 Auswahl geeigneter und günstigster Lager- und Transportressourcen  Koordinierte Nutzung von Lagern und Massenverkehrsträgern  Koordinierung der notwendigen logistischen Grundfunktionen Entlastung der Disponenten für Ausnahmefälle

 Disponenten können sich auf Ausnahmefälle konzentrieren  Bessere Nutzung der Stärken menschlicher Disponenten  Effizientere Behandlung der Ausnahmefälle möglich Optimierte Nutzung von Logistikressourcen

 Agentensystem nutzt freie Standzeiten im Containerterminal um 50% besser  Verzögerung der Abholung der Container um durchschnittlich 5 Tage möglich  Einsparpotenzial von 2,6 Mio. Palettentagen pro Jahr im eigenen Lager 15

Fazit: Beitrag der Arbeit Was ist Selbststeuerung in der Logistik? Bestandsaufnahme selbststeuernder Logistik Schwerpunkt: Motivation und technologische Basis

Wie kann Selbststeuerung operationalisiert werden? Multiagenten-basierte Operationalisierung logistischer Prozesse Schwerpunkt: Selbststeuernde Einheiten und deren Interaktion

Welche Bedeutung hat Kooperation für Selbststeuerung? Formales Modell für die Kooperation logistischer Objekte Schwerpunkt: Gemeinsames Erreichen logistischer Ziele

Wie verhält sich Selbststeuerung in realen Prozessen? Validierung durch Simulation anhand von Realdaten von Tchibo Schwerpunkt: Potenzial und Grenzen von Selbststeuerung 16

Vielen Dank für Ihre Aufmerksamkeit!

Vielen Dank für die Unterstützung! Tchibo GmbH International Graduate School for Dynamics in Logistics Technologie-Zentrum Informatik und Informationstechnik (TZI) Deutsche Telekom AG Freie Hansestadt Bremen SFB 637, Deutsche Forschungsgemeinschaft (DFG)

17

Literatur  Bretzke, W.-R. (2008). Logistische Netzwerke. Heidelberg, Germany: SpringerVerlag.

 Hülsmann, M. & Windt, K. (Eds.). (2007). Understanding Autonomous Cooperation and Control in Logistics: The Impact of Autonomy on Management, Information, Communication and Material Flow. Heidelberg, Germany: SpringerVerlag.

 Schuldt, A. (2010). Multiagent Coordination Enabling Autonomous Logistics. Doctoral Dissertation, Universität Bremen.

 Wooldridge, M. (1999). Intelligent Agents. In G. Weiss (Ed.), Multiagent Systems. A Modern Approach to Distributed Artificial Intelligence (pp. 27–77). Cambridge, MA, USA: MIT Press.

 Wooldridge, M. & Jennings, N. R. (1999). The Cooperative Problem Solving Process. Journal of Logic & Computation, 9 (4), 563–592.

18