Logistik

SMECS – KI-basierte ETA-Prognosen in intermodalen Transportnetzwerken

Entwicklung von Prognosemodellen für ein proaktives Störungsmanagement in intermodalen Logistiknetzwerken unter Anwendung Künstlicher Intelligenz

Webseite mit Online-Demonstrator: https://smecs-eta.de/

Projektinhalte

Motivation

Durch die steigende Dynamik und Komplexität auf den Beschaffungs- und Absatzmärkten nimmt die Störanfälligkeit in maritimen Transportnetzwerken zu. Daraus resultieren längere Reaktionszeiten auf Störereignisse, während gleichzeitig die Anforderungen an Lieferservice und Lieferzeit stetig steigen. Intelligente Überwachungs- und Steuerungssysteme, mit denen bereits vor dem Auftreten von Störungen eine automatische Identifizierung möglich ist und im Sinne eines Prescriptive-Analytics-Ansatzes proaktiv Maßnahmen für die beteiligten Akteure aufgezeigt werden, stellen Werkzeuge dar, mit denen diesen Herausforderungen effizient begegnet werden kann.

 

Ziele

Das Forschungsvorhaben SMECS (Smart Event Forecast for Seaports) leistet einen Beitrag zur Realisierung agiler Transportnetzwerke, indem ein Modell entwickelt wird, welches eine proaktive Erkennung von akteursübergreifenden Störungen und damit ein zielgerichtetes Risikomanagement ermöglicht. Der Schwerpunkt liegt auf Untersuchungen zu Prozessereignissen mit Auswirkungen auf die ETA (Estimated Time of Arrival) der eingesetzten Verkehrsmittel innerhalb multimodaler und internationaler Containertransporte für den Export im Hafen und Hafenhinterland.

Ziel des Vorhabens ist es, durch Integration aller beteiligten Akteure Verspätungen und Terminalüberlastungen besser prognostizieren zu können und im Störfall geeignete Handlungsalternativen zur Transportsteuerung zur Verfügung zu stellen, um somit für das Gesamtsystem die Effizienz und Robustheit von Planungen und Leistungserstellung zu steigern.

 

Lösungsansatz

Ausgehend von einer Systemanalyse der maritimen Transportkette werden Prozessereignisse mit Störungscharakter sowie deren Ursachen und Folgen ermittelt und in ein Wirkkettenmodell überführt. Hierbei werden sowohl betriebsbedingte als auch externe Einflussfaktoren wie Wetter und Verkehr berücksichtigt.

Durch Identifizierung relevanter Prädiktoren in den entsprechenden Datenquellen und unter Anwendung geeigneter Verfahren wird ein Prognosemodell zur echtzeitfähigen ETA-Berechnung im Exportverkehr entwickelt. Der Fokus liegt zunächst auf Zugtransporten und wird anschließend um weitere Güterverkehrsträger ergänzt. Durch die Aggregation der ermittelten Informationen werden zudem Volumenströme prognostiziert, so dass Aussagen zu Terminalauslastungen sowie langfristigen Entwicklungen möglich sind.

Durch die anschließende Verknüpfung der potenziellen Störungen mit identifizierten Maßnahmen zur Störungsvermeidung bzw. zur Reduzierung der Folgewirkungen wird ein Risikomanagementsystem entwickelt, welches in Abhängigkeit der Prozessereignisse akteursspezifische Handlungsalternativen aufgezeigt.  

Ergebnisse, Termine etc.

Projekt im Februar 2020 erfolgreich abgeschlossen

Am 13.02.2020 fand in der Kühne Logistics University in Hamburg für das SMECS-Projekt („Smart Event Forecast for Seaports“) eine Abschlusskonferenz statt. Bei diesem Termin wurden Vertretern aus Wirtschaft, Forschung und Politik die Ergebnisse aus 2,5 Jahren Projektarbeit vorgestellt.

Unter Leitung des Fachgebietes Logistik der TU Berlin wurde im SMCES-Projekt durch die Anwendung von Verfahren der Künstlichen Intelligenz (Machine Learning) ein intelligentes Assistenzsystem für die maritime Transportkette entwickelt. Das realisierte IT-System prognostiziert mit einer hohen Genauigkeit die Ankunftszeit (ETA) von intermodalen Containertransporten vom Warenversender bis zum Seehafen und erkennt dadurch proaktiv Konflikte bei der Einhaltung des geplanten Prozessverlaufes. Durch die Bereitstellung störungsbezogener Maßnahmen werden die Akteure in der Logistikkette zu einer zuverlässigen und effizienten Durchführung der Transporte befähigt.

Für die ETA-Prognose wurden verschiedene Daten aus über 15 IT-Systemen zu historischen Transportverläufen und einer Vielzahl betrieblicher und umweltbezogener Faktoren eingebunden, welche einen Einfluss auf die einzelnen Transport- und Umschlagprozesse nehmen. Dies umfasste Daten zur Infrastruktur, zu Ressourcen und Störungen der beteiligten Logistikunternehmen sowie externe Datenquellen, wie Wetter und Verkehr.

Das Projekt wurde im Rahmen der Initiative „Innovative Hafentechnologien“ (IHATEC) des Bundesministeriums für Verkehr und digitale Infrastruktur (BMVI) gefördert. Auf Seiten der TU Berlin erfolgte die Projektbearbeitung durch Peter Poschmann und Manuel Weinke. Neben den Projektpartnern KLU und DB Cargo AG fand SMECS eine große Unterstützung von weiteren Unternehmen durch die Bereitstellung von betrieblichen Informationen und Daten.

 

Projektergebnisse

Die (Zwischen-) Ergebnisse des Projektes wurden über verschiedene Medien veröffentlicht und sind u. a. hier abrufbar:

Projektorganisation

Projektförderer:

Projektträger: 

  • TÜV Rheinland Consulting GmbH

Verbundpartner:

  • Technische Universität Berlin (TU Berlin), Fachgebiet Logistik (Konsortialführer)
  • Kühne Logistics University – Wissenschaftliche Hochschule für Logistik und Unternehmensführung (KLU)
  • DB Cargo AG

Assozierte Partner:

  • boxXpress.de GmbH
  • Dakosy Datenkommunikationssystem AG
  • DB Netz AG 
  • Hamburg Süd - Hamburg Südamerikanische Dampfschifffahrts-Gesellschaft (HSDG)
  • Kühne + Nagel (AG & Co.) KG
  • Lübecker Hafen-Gesellschaft mbH
  • Metrans a.s.
  • TFG Transfracht Internat. Gesellschaft für kombinierten Güterverkehr mb
  • Verein Hamburger Spediteure e.V. 
  • et al. 

Projektlaufzeit: 

01.09.2017 - 29.02.2020

Ansprechpartner Wissensmanagement

M.Sc.

Jonas Brands

Wissenschaftlicher Mitarbeiter

brands@logistik.tu-berlin.de

+49 30 314-28438

Sekretariat H 90
Gebäude Hauptgebäude (H)
Raum H 9103
Sprechzeitennach Vereinbarung