Masterarbeit: Algorithmische Optimierung der Aufbau-/Stauplanung von See- und Luftfracht Ladeeinheiten
E-Mail: oliver.schmitz@cml.fraunhofer.de
Ausgangssituation
Als standardisierte Ladeeinheit hat der Container signifikante Effizienzsteigerungen in der globalen Logistik ermöglicht. Durch die Vereinheitlichung wurde sowohl der Transport per Schiff als auch der Umschlag vereinfacht und infolgedessen kostengünstiger. Im Rahmen der Supply Chain Krise, welche durch die Corona Pandemie ausgelöst wurde, haben sich die Frachtraten für den globalen Containerversand vervielfacht. Daraus resultiert ein gesteigertes Interesse daran, den zur Verfügung stehenden Raum einer Ladeeinheit möglichst optimal zu nutzen.
Der Aufbau von Ladeeinheit erfolgt aktuell weitestgehend manuell und auf Basis von Erfahrungswerten der Mitarbeitenden. Dies hat zur Konsequenz, dass der zur Verfügung stehende Laderaum nicht optimal ausgenutzt wird. Um diese Tätigkeiten ausführen zu dürfen, muss das Personal nach speziellen Vorgaben geschult sein, damit ein sicherer Transport garantiert werden kann. Bereits heute herrscht ein akuter Fachkräftemangel in diesem Bereich, da Personal mit den notwendigen Prüfungen und Schulungen nur eingeschränkt zur Verfügung steht.
Zielsetzung
Ziel der Arbeit ist es, einen algorithmischen Lösungsansatz für die Aufbau-/Stauplanung von standardisierten
Ladeeinheiten (Container oder Unit Load Devices) zu entwickeln und diesen hinsichtlich seiner Anwendbarkeit auf
praxisnahe Problemstellungen zu bewerten. Hierzu sollten Methoden aus den Bereichen maschinelles Lernen oder Operations Research angewandt werden.
Vorgehensweise
Die Arbeit sollte folgendes umfassen:
– Literaturrecherche zur algorithmischen Optimierung von Aufbau- bzw. Stauplanung standardisierter
Ladeeinheiten
– Entwicklung eines eigenen Lösungsansatz unter Berücksichtigung problemspezifischer Anforderungen
– Aufbau und Durchführung eines Rechenstudie mithilfe des entwickelten Lösungsansatz
– Evaluation der Ergebnisse der Rechenstudie
Voraussetzungen
Neben guten Studienleistungen werden Kenntnisse im Bereich des maschinellen Lernens oder Operations Research vorausgesetzt. Weiterhin sind eine fundierte wissenschaftlicher Arbeitsweise, Kenntnisse einer Programmiersprache sowie im Bereich maritime Logistik notwendig.