Ein international tätiger Maschinenbauer verwaltet mehrere tausend unterschiedliche Artikel innerhalb seiner Lager- und Produktionslogistik. Das Artikelspektrum reicht von kleinen Verbindungselementen bis hin zu größeren Baugruppen mit unterschiedlichen Abmessungen, Gewichten und Umschlagshäufigkeiten. Das eingesetzte AutoStore-System stellte zwar eine hohe Lagerdichte und Automatisierung sicher, die Stellplatzvergabe sowie Ein- und Auslagerstrategien basierten jedoch überwiegend auf statischen Regeln. Veränderungen im Nachfrageverhalten, saisonale Schwankungen und neue Produktvarianten konnten nur eingeschränkt berücksichtigt werden. Ziel des Projekts war die Entwicklung einer intelligenten Optimierungslösung, die Lagerplätze und Materialbewegungen dynamisch an das tatsächliche Nutzungsverhalten anpasst und dadurch die Leistungsfähigkeit des AutoStore-Systems nachhaltig steigert.
Für den Kunden wurde eine datengetriebene Optimierungsplattform entwickelt, die Lagerbewegungen, Bestandsdaten und Materialanforderungen kontinuierlich analysiert und daraus optimale Ein- und Auslagerstrategien ableitet. Mithilfe von Machine-Learning-Verfahren werden Artikel hinsichtlich ihres zukünftigen Bewegungsverhaltens prognostiziert und automatisch in geeigneten Lagerbereichen positioniert. Häufig benötigte Artikel werden bevorzugt in Bereichen mit schnellen Zugriffszeiten vorgehalten, während selten benötigte Materialien in weniger kritische Lagerzonen verlagert werden. Für Einlagerungen berechnet das System den optimalen Stellplatz unter Berücksichtigung von Zugriffswahrscheinlichkeit, Lagerdichte und zukünftigen Bedarfsprognosen. Auslagerungen werden so priorisiert, dass Roboterfahrten reduziert und Engpässe im Materialfluss vermieden werden.
Ein wesentlicher Bestandteil des Projekts war die nahtlose Integration in die bestehende SAP-Landschaft des Kunden. Über standardisierte REST-Schnittstellen werden relevante Stamm- und Bewegungsdaten aus SAP übernommen und für die Optimierung verarbeitet. Die berechneten Empfehlungen und Strategievorgaben können anschließend automatisiert an nachgelagerte Lager- und Steuerungssysteme übergeben werden. Durch die containerisierte Bereitstellung lässt sich die Lösung flexibel in bestehende IT-Infrastrukturen integrieren und unabhängig von den angebundenen Systemen betreiben.
Mit der Einführung der intelligenten Optimierungsplattform konnte der Kunde seine Lagerprozesse deutlich effizienter gestalten. Die datenbasierte Stellplatzvergabe und die selbstlernenden Ein- und Auslagerstrategien sorgen für kürzere Zugriffszeiten, eine bessere Auslastung des AutoStore-Systems und eine höhere Versorgungssicherheit der Produktion. Die Lösung schafft die Grundlage für eine intelligente Intralogistik, die sich kontinuierlich an veränderte Rahmenbedingungen anpasst und langfristig zur Steigerung von Produktivität und Wettbewerbsfähigkeit beiträgt.
Wir möchten Cookies und Skripte von Dritten verwenden, um die Funktionalität dieser Website zu verbessern.
