Stephan LamprechtWer sich ein bisschen intensiver mit Logistik und Lagersoftware beschäftigt, weiß, dass es sich um ein ebenso spannendes (Technik-) Thema wie um eine komplexe Aufgabenstellung handelt. Schließlich geht es darum, den zur Verfügung stehenden Platz optimal auszunutzen, dabei die Waren aber möglichst wenig zu bewegen und bei der Kommissionierung bzw. Picking möglichst schnell zu sein. Oft ist eine Reaktion auf geänderte Rahmenbedingungen notwendig. Entwickelt sich ein ehemaliger Ladenhüter plötzlich zu einem Bestseller, sollte der natürlich schnell erreicht werden.
Um diese Ziele zu erreichen, gibt es bei der Lagerhaltung eine Vielzahl an Strategien. Fakt ist, dass in einem modernen Lagerhaus oder HUB nichts mehr ohne eine Lagersoftware läuft.
Lagersoftware soll neuronale Netze für bessere Einlagerungsstrategien verwenden
„SeSoGEN – Entwicklung einer selbstlernenden Software zur Generierung intelligenter Einlagerungsstrategien auf Basis neuronaler Netze“. Das ist der etwas sperrige Titel eines gemeinsamen Forschungsvorhabens, das der Hersteller CIM mit der Technischen Universität München durchführen will. CIM arbeitet seit 30 Jahren an Warehouse-Management-Systemen (WMS) und hat sich als einer der führenden Anbieter etabliert.
Ziel der Forschungsprojekts ist es, eine selbstlernende Lagersoftware zu entwickeln, die selbstständig auf Basis neuronaler Netze intelligente Strategien zur Einlagerung entwickelt.
Dieses Warehouse-Management-System lernt aus Einlagerungs- und Auslagerungsdaten, um die Einlagerungsprozesse zu optimieren. Davon profitiert wiederum die Auslagerung. Die Software kann so selbstständig bisher nicht realisierte Strategien entwickeln und verändern, um etwa kurze Wege und eine optimale Lagerauslastung zu garantieren.
Die dahinterstehende Idee konnte überzeugen. So haben die Gutachter des Zentralen Innovationsprogramms Mittelstand (ZIM) die Förderung des Projekts bewilligt.
Kommentar hinzufügen