DIE REVOLUTION 4.0 WIRD KONKRET… (TEIL IV)

METAHEURISTISCHE METHODEN

In den Bereichen Operations Research, Analytik und Informatik wird häufig auf typische Beispielprobleme zurückgegriffen, wie das Rucksackproblem, das Problem des Handlungsreisenden oder das Nächste-Nachbarn-Problem. Diese können bei einer ersten Annäherung an das Thema verwirrend wirken – worum geht es dabei eigentlich?

Stellen wir uns vor, wir müssen eine Route planen, auf der 20 Punkte besucht werden sollen, ohne denselben Ort zweimal anzufahren, oder wir müssen 20 Aktionen durchführen, ohne zu wissen, in welcher Reihenfolge. Nehmen wir weiter an, wir möchten herausfinden, welche Kombination (basierend auf Parametern wie Entfernung, Zeit, Kosten usw.) am effizientesten ist. Man könnte meinen, dass es dank der heutigen Technologie und Rechengeschwindigkeit von Computern nichts Unmögliches mehr gibt. Wenn wir jedoch über einen Computer verfügen würden, der jede Sekunde eine Million mögliche Kombinationen analysiert, würde es – um herauszufinden, welche die beste ist (also alle möglichen zu betrachten und daraus die beste auszuwählen) – ganze 77.000 Jahre dauern! (Für den chinesischen Supercomputer Tianhe-2 mit 33,86 PetaFlops/Sekunde ist das allerdings kein unüberwindbares Problem.)

Dies mag kein besonders alltägliches Beispiel sein, doch es vermittelt bereits einen Eindruck vom Ausmaß, das kombinatorische Probleme annehmen können. Genau hier kommt der Bereich der heuristischen Methoden ins Spiel.

HEURI… WAS?

Angesichts kombinatorischer Probleme wird klar, dass wir eine Art von Modellen benötigen, die eine zufriedenstellende Antwort liefern (auch wenn sie vielleicht nicht die beste ist) und zwar in einer angemessenen Zeit, damit sie nützlich ist (eine Lösung, die nicht angewendet werden kann, bringt nichts). Genau das ist das Ziel heuristischer Methoden. Und innerhalb dieser Algorithmen werden diejenigen Verfahren, die bei generischen Ansätzen eingesetzt werden, als metaheuristische Methoden bezeichnet. Es gibt eine Vielzahl implementierter metaheuristischer Methoden – von den intuitiveren wie gierigen Algorithmen oder Implementierungen des nächsten Nachbarn bis hin zu ausgefeilteren Methoden, die versuchen, das Problem des Verharrens in lokalen Minima zu überwinden, wie simuliertes Abkühlen oder genetische Algorithmen.

WIE SETZE ICH HEURISTIK IN MEINEM UNTERNEHMEN EIN?

Wie wir in verschiedenen Beiträgen bereits betont haben, besteht das Ziel dieser Artikel darin, einen allgemeinen Überblick über die Konzepte zu geben und aufzuzeigen, in welchen Unternehmensbereichen diese Theorien umgesetzt werden können. Kurz gesagt: die Revolution 4.0 konkret werden lassen. Einige der praktischen Problemstellungen können sein:

• Kartonbefüllung: auf schnelle Weise eine effiziente Methode zur Befüllung von Kartons finden (abhängig von Preis oder Volumen, den damit verbundenen Kosten usw.)
• Routenplanung: sowohl auf Ebene der Vertriebslogistik als auch bei internen Abläufen in Fabriken.
• Optimierung der Betriebsabläufe: herausfinden, wie eine Reihe von Aufgaben schnell und effizient durchgeführt werden kann (das Problem könnte berücksichtigen, dass bestimmte Aufgaben zwingend vor anderen erledigt werden müssen, zum Beispiel Schleifen vor dem Lackieren).

Der Schlüssel zum Verständnis, wo metaheuristische Algorithmen eingesetzt werden können, liegt im Allgemeinen darin, über einen kombinatorischen Prozess (verschiedene Möglichkeiten, eine Reihe von Aufgaben auszuführen) zu verfügen und das Kriterium zu kennen (Kostenfunktion), anhand dessen wir entscheiden, ob eine Kombination besser ist als eine andere (das kann die Kosten, die Zeit, die Entfernung usw. sein).

METAHEURISTISCHE METHODEN IM DATENMANAGEMENT UND IN DER KOMBINATORIK

Metaheuristische Methoden entstanden, um dem Bedarf gerecht zu werden, schnell und effektiv eine Lösung für ein kombinatorisches Problem zu finden, bei dem die Optionen enorm zahlreich sind und die Suche nach der Nadel im Heuhaufen zu einer mühsamen Aufgabe wird. Unsere Unternehmensprozesse können von solchen Implementierungen profitieren und die Entscheidungen unserer Unternehmen datenbasiert steuern.