Von einem einfachen Nebeneinander zu einem intelligenten Supply Chain Ecosystem
Mit der Hilfe von Digital Twins in Verbindung mit Artificial Intelligence könnte in Zukunft ein intelligentes Modell für das gesamte Supply-Chain-Network in der Logistik entstehen. Welche Anwendungsmöglichkeiten für Digital Twins in der Logistik bestehen und warum Digital Twins fortgeschrittene Möglichkeiten von AI freischalten, möchte ich in meinem neuen Artikel beschreiben.
Digitale Zwillinge (engl. Digital Twin) erhalten in immer mehr Branchen ihren Einzug und entwickeln in Verbindung mit künstlicher Intelligenz (engl. Artificial Intelligence, kurz AI) ihr volles Potenzial. In der Logistikbranche finden sie bis jetzt jedoch keine weit verbreitete Anwendung und das, obwohl viele der wichtigsten Basistechnologien bereits vorhanden sind. So werden Sensoren zur Sendungsverfolgung eingesetzt und der Logistiksektor setzt zunehmend auf offene API-Strategien und die Migration in die Cloud. Logistik Unternehmen wenden maschinelles Lernen und fortgeschrittene Analysetechniken an, um ihre Lieferketten zu optimieren und aus historischen Versand- und Betriebsdaten neue Erkenntnisse zu gewinnen. Auch implementieren Logistik-Experten Augmented-, Mixed- und Virtual-Reality-Anwendungen für Aufgaben wie Lagerkommissionierung und Fahrzeugbeladung. Alles zusammen eine ideale Datenbasis zur Schaffung von Digital Twins im Logistik Sektor. Doch welche konkreten Anwendungsmöglichkeiten bieten Digital Twins im Logistik Sektor?
Digital Twins für Verpackungen und Behälter
Die überwältigende Mehrheit der Produkte, die durch Logistiknetzwerke transportiert werden, tun dies in einer Art Verpackung. Die Branche verwendet große Mengen von Einwegverpackungen zusammen mit Flotten von speziellen oder universell einsetzbaren Mehrwegbehältern. Die Entwicklung, Überwachung und Verwaltung von Verpackungen und Behältern stellt den Logistik Sektor vor eine Reihe von Herausforderungen. Zum einen ist eine steigende (und das nicht erst seit COVID-19) Nachfrage nach Verpackungen und Behältern durch ein anhaltendes Wachstum im E-Commerce zu beobachten. Zum anderen kommen saisonale Volatilität und insgesamt eine hohe Verpackungsvielfalt hinzu. Dies führt zu erheblicher Verschwendung und verringert die Betriebseffizienz durch schlechte Volumennutzung.
Durch die Anwendung von zum Beispiel Material Digital Twins in Verbindung mit Computer-Vision-Technologien könnten schnell detaillierte Modelle von Behältern erstellt und potenzielle Probleme wie Beulen und Risse automatisch erkannt werden. Diese Informationen könnten mit historischen Daten über die Bewegungen des Behälters kombiniert werden, um einen Digital Twin zu erstellen, der die Entscheidungen darüber beeinflusst, wann ein bestimmter Behälter benutzt, repariert oder ausgemustert werden sollte. Darüber hinaus könnte die Aggregation solcher Daten über eine ganze Flotte von Behältern den Eigentümern helfen, optimale Entscheidungen über die Größe und Verteilung der Flotte zu treffen und Trends zu erkennen, die auf grundlegende Probleme wie einen Fehler im Behälter hinweisen könnten. Digital Twins könnten auch bei der Entwicklung stärkerer, leichterer und umweltfreundlicherer Verpackungsmaterialien eingesetzt werden und helfen, Behälterflotten effizienter zu verwalten.
Digital Twins von Sendungen
Die Einbeziehung des Inhalts eines Behälters in seinen Digital Twin ist der nächste logische Schritt. Es ist bereits gängige Praxis, empfindliche, hochwertige Produkte wie z. B. Arzneimittel oder elektronische Komponenten mit Sensoren zu versenden, die Temperatur, Schock und Vibration etc. überwachen. Ein Digital Twin einer Sendung würde wie eine Art „Repository“ für die von diesen Sensoren gesammelten Daten funktionieren und es ermöglichen, diese Daten auf eine neue Art und Weise zu nutzen. So könnte zum Beispiel ein Modell, das die thermische Isolierung und die stoßdämpfenden Eigenschaften der Verpackung einschließt, es ermöglichen, die Bedingungen im Inneren eines Behälter aus den von externen Sensoren gesammelten Daten zu extrapolieren.
Die Kombination von Produkt- und Verpackungsdaten könnte Unternehmen helfen, ihre Effizienz zu verbessern, indem beispielsweise die Automatisierung der Verpackungsauswahl und der Verpackungsstrategien für Behälter optimiert wird, um Leerraum und Verschmutzung der Sendung zu minimieren.
Digital Twins von Lager- und Versandzentren
Ein sicherlich auch sehr spannendes Einsatzfeld von Digital Twins ergibt sich in der Gestaltung, dem Betrieb und der Optimierung von Lager- und Versandzentren. Warehouse Digital Twins können den Entwurf und das Layout neuer Einrichtungen unterstützen, indem ein 3D-Modell der Anlage mit IoT-Daten sowie Bestands- und Betriebsdaten (z. B. Größe, Menge, Standort und Nachfragecharakteristika von Artikeln) kombiniert wird, um zum Beispiel die Raumnutzung zu optimieren, indem die Bewegung von Produkten, Personal und Material simuliert wird. Aber auch während des Lagerbetriebs lassen sich Digital Twins mit Daten aus Automatisierungstechnologien wie drohnenbasierte Bestandszählsysteme, fahrerlose Transportsysteme oder auch automatische Ein- und Auslagerungsgeräte aktualisieren. Diese Digital Twins können dann für die weitere Optimierung der Leistung dieser Automatisierungssysteme genutzt werden.
In Summe lassen sich Digital Twins insbesondere zur kontinuierlichen Leistungsverbesserung in Lager- und Versandzentren einsetzen, indem umfassende Daten über die Bewegung von Inventar, Ausrüstung und Personal bis hin zu Identifizierung und Beseitigung von Verschwendung im Lagerbetrieb (z. B. Kommissionierungsfehler) identifiziert werden. Bevor dann Änderungen im Livebetrieb vorgenommen werden, können mit Hilfe von Simulation potenzielle Auswirkungen von Layout- und Prozessänderungen oder die Einführung neuer Geräte getestet und bewertet werden. Gerade in Bereichen in denen mit schnellen Änderungen von Volumen und Bestandsmix (z. B. im E-Commerce-Fulfillment) zu rechnen ist, können Digital Twins durch dynamische Optimierung von Abläufen über Lagerorte, Personal bis zur Zuweisung von Ausrüstung unterstützen.
Digital Twins und Artificial Intelligence
Der wirkliche Boom für Digital Twins entsteht aber durch AI und ihre vorausschauenden Fähigkeiten. In der Vergangenheit war es aufregend, räumliche Modelle digital zu erstellen, aber nicht mehr als eine Möglichkeit, ein Objekt statisch zu visualisieren. Heute eignen sich alle Daten, die uns von Sensoren, historischen Leistungen und Eingaben zum Verhalten zur Verfügung stehen, dazu, mit dem räumlichen Modell verknüpft zu werden und zukünftiges Verhalten durch Veränderung verschiedener Eingaben vorherzusagen. Tatsächlich machen die Daten und die Vorhersagemöglichkeiten das räumliche Modell lebendig.
Der erste Vorteil eines Digital Twins ist die Fähigkeit, simulierte Daten zu erzeugen. Eine virtuelle Umgebung kann eine unendliche Anzahl von Wiederholungen und Szenarien durchlaufen. Die erzeugten simulierten Daten können dann zum Training des AI-Modells (z. B. im Rahmen einer AI Development Plattform) verwendet werden. Auf diese Weise können dem AI-System potenzielle Bedingungen der realen Welt beigebracht werden, die ansonsten sehr selten oder noch in der Testphase sein könnten.
Schließlich wird die Ergänzung eines industriellen Prozesses durch maschinelles Lernen den Prozess intelligenter machen, indem genauere Daten und Vorhersagen gewonnen und auch visuelle und unstrukturierte Daten verstanden werden. Durch die Integration des maschinellen Lernens in den Arbeitsablauf eröffnen sich nicht nur Möglichkeiten bisher ungesehene Muster in den Daten zu entdecken, sondern schaffen auch neue Möglichkeiten für die Optimierung von Prozessen.
Digital Twins schalten fortgeschrittene Möglichkeiten von AI frei
Der größte Teil des heutigen maschinellen Lernens ist überwachtes Lernen, bei dem das Modell von gekennzeichneten Beispielen lernt. Es gibt auch andere Formen des Lernens, die es ermöglichen, unvorhergesehene Muster in den Daten zu finden. Eine davon ist das so genannte Reinforcement Learning, bei dem das Modell unbeaufsichtigt aus Belohnungen lernt, wenn es in einer gegebenen (simulierten) Umgebung Maßnahmen ergreift.
In den meisten der weithin bekannten Fälle von Reinforcement Learning wären diese Bedingungen in der realen Welt jedoch nicht möglich. Selbst hochmoderne Modelle des Verstärkungslernens erfordern viel Erfahrung, um gut zu werden. Um ein Beispiel zu nennen: Das neuronale Netzwerk OpenAI Five benötigte 180 Jahre effektive Spielzeit für das Training.
Bislang funktioniert ein Großteil des modernen Verstärkungslernens nur in Spielen, da die Menge der Wiederholungen im wirklichen Leben nicht möglich wäre. In der Digital Twin Umgebung können Sie ein Szenario wiederholen oder einen Test durchführen, ohne das System so oft zu unterbrechen, dass Reinforcement Learning-Agenten neue Wege finden können, um die Belohnung zu erhalten. In der Praxis könnte sich dieses Verfahren zum Beispiel als Methode zur Optimierung von Logistiknetzwerken durchsetzen und dabei herkömmliche Optimierungsalgorithmen bezüglich der Performance weit übertreffen.
Intelligentes Supply-Chain-Ecosystem
Lager- und Versandzentren machen nur einen Bruchteil der gesamten logistischen Infrastruktur aus. Der Warenfluss von der Quelle zum Ziel hängt von der Orchestrierung verschiedener Elemente ab, darunter Schiffe, Lastwagen und Flugzeuge, Auftrags- und Informationssysteme und vor allem Menschen. Dieses komplexe, von vielen Interessengruppen geprägte Umfeld, lässt sich am deutlichsten an den großen globalen Logistikknotenpunkten wie Cargo Flughäfen und Containerhäfen analysieren. In diesen Einrichtungen wird die Herausforderung eines effizienten Betriebs heute noch durch unvollkommene Systeme für den Informationsaustausch verschärft, in welchen viele Teilnehmer auf Offline-Prozesse angewiesen sind, die fehleranfällig sein können.
Mit der Hilfe von Digital Twins in Verbindung mit AI könnte in Zukunft ein intelligentes Modell für das gesamte Supply-Chain-Network und der simultanen Verfügbarkeit von Informationen für alle Partner zur Erhöhung der Transparenz ihrer Supply Chains entstehen. Grundlage hierfür wäre die Nutzung aller internen und externen Daten zur Steuerung der Supply Chain, als auch der Zugriff auf unstrukturierte, externe Daten wie etwa aus IoT- und Social-Media-Anwendungen oder Kundendaten.
Digital Twins und AI werden in Zukunft einen entscheidenden Wettbewerbsvorteil bei der Optimierung von Logistik-Netzwerken spielen. Welche konkreten Anwendungsszenarien auch in Ihrem Unternehmen möglich sind, zeigen wir gerne in einem persönlichen Get Inspired Event von Cloudflight.Sources: Digital Twins in Logistics – A DHL perspective on the impact of digital twins on the logistics industry, Research, personal experience