Kontinuierliche Vorplanung des Transportkapazitätsbedarfs 1

Entwicklung eines prognoseunterstützten Modells zur kontinuierlichen Vorplanung des Transportkapazitäts-bedarfs zur Gestaltung nachhaltiger Transportketten Georg Brunnthaller, Fraunhofer Austria Research GmbH Sandra Stein, Fraunhofer Austria Research GmbH &

Technische Universität Wien, Institut für Managementwissenschaften

Zusammenfassung

Die zunehmende Volatilität von Transportnachfragen führt zu Planungs-unsicherheiten bei Logistikdienstleistern (LDL). Um die notwendige Fle-xibilität in der Transportdurchführung zu gewährleisten, entscheiden sich LDL aufgrund der geringeren Investitionskosten und kürzeren Vor-laufzeiten häufig für den Verkehrsträger Straße, anstatt von Schiene o-der Wasserstraße. Um dem entgegenzutreten, stellen wir in diesem Bei-trag ein Modell zur kontinuierlichen Anpassung der Flottenzusammen-setzung vor, das Methoden der Prognoserechnung, der Routenplanung sowie der Verkehrsmittelwahl kombiniert. Ziel des Modells ist die Schaf-fung von Anreizen zur verstärkten Integration von Schiene und Wasser-straße in das Transportnetzwerk. Durch eine bedarfsgerechte Ressour-cenbereitstellung können LDL Transporte sowohl flexibler als auch öko-nomisch und ökologisch nachhaltiger gestalten. Die Funktionsweise wird anhand eines Fallbeispiels aus der Fertigfahrzeuglogistik gezeigt und ein Ausblick für künftige Forschungsbedarfe gegeben.

Schlüsselwörter: Automobillogistik, Flottengrößenbestimmung, Gü-

tertransportplanung, multimodale Transporte, Verkehrsmittelwahl, Emissionen

1 Einleitung

Steigende Volatilität bei Transportnachfragen stellt LDL sowie Frächter vor Herausforderungen bei der Gestaltung einer optimalen und kontinu-ierlichen Auslastung ihrer Transportressourcen [5], [12]. Planungsunsi-

2

cherheiten und kurzfristige Planungshorizonte führen häufig zur un-günstigen Wahl der Verkehrsträger und geringer Kapazitätsauslastung [9], [13]. Zusätzlich haben hohe Kapazitätsauslastungen und die opti-male Verkehrsträgerwahl signifikanten Einfluss auf die ökologische Ef-fizienz des Transportes [7]. Daher herrscht in diesem Bereich ein hoher Bedarf an frühzeitiger Erkennung möglicher Nachfrageschwankungen, um angemessen auf diese reagieren zu können [6], [1], [4].

2 Literaturüberblick

Die Bedeutung von Prognosen der Transportnachfrage für die Qualität der Verkehrsträgerwahl und die Kapazitätsanpassung sowie deren öko-nomischen und ökologischen Einflüsse werden bisher nur unzureichend beleuchtet. Derzeit gibt es kein ganzheitliches Modell für eine multimo-dale Flottengrößenbestimmung unter Berücksichtigung von sich im Zeit-verlauf aktualisierende Prognosen. Dazu wurden bestehende Veröffent-lichungen zur integrierten Prognose, Verkehrsträgerwahl und Fuhrpark-dimensionierung in einem ausführlichen Literaturanalyse zusammenge-fasst und dort wesentliche wisschenschaftliche Fragestellungen ausge-führt [3]. Demnach beziehen sich aktuelle Veröffentlichungen zu Flot-tendimensionierung und Flottenzusammensetzung (u. a. Verkehrsträ-gerwahl) häufig auf einen einzelnen Verkehrsträger, legen einen Fokus auf den Verlader, betrachten Verkehrsnachfrage oder Kapazitätsanpas-sungen aus makroökonomischer Perspektive (u. a. Infrastrukturinvesti-tionen) oder integrieren Prognosen nicht im angestrebten Ausmaß. Kri-tisiert wird, dass sich aktuelle Modelle im Rahmen der Netzwerkplanung auf strategischer und taktischer Ebene kaum mit beschränkten Kapazi-täten der Ressourcen beschäftigen [10] und dass die Bedarfsprognose in Modellen zur Flottendimensionierung und Zusammensetzung eine untergeordnete Rolle spielt [6].

3 Methodik

Vorgestellt wird ein mehrphasiges Modell zur kontinuierlichen und dy-namischen Anpassung der Flottengrößen sowie der Flottenzusammen-setzung. Zentrale Bausteine des Modells sind ein Prognoseprozess zur

Kontinuierliche Vorplanung des Transportkapazitätsbedarfs 3

Ermittlung zukünftiger Transportnachfragen (Schritt 1), eine Modellrech-nung zur Herleitung der Flottengrößen unter Berücksichtigung verschie-dener Varianten der Flottenzusammensetzung (Schritt 2) und die Maß-nahmenplanung zur Kapazitätsanpassung unter Berücksichtigung je-weiliger organisatorischer Rahmenbedingungen (Schritt 3):

Abbildung 1: Schematische Darstellung des Planungslaufes [2].

Im ersten Schritt werden Prognosen für zukünftige Transportvolumen erstellt. Dazu werden Daten zur erwarteten Entwicklung der Transport-bedarfe von den Auftraggebern erhoben und in das Prognosemodell als Planungsgrundlage integriert. Sind die erforderlichen Daten für die Prognose von Transportbedarfen seitens der Auftraggeber nicht verfüg-bar, wird der zukünftige Transportbedarf auf der Basis vergangener Nachfragedaten prognostiziert. Zusätzlich dient eine Benutzerschnitt-stelle zur Abschätzung von Transportbedarfen bei Neukunden oder wegfallenden Geschäften sowie zur Abänderung der maschinell erstell-ten Prognosen. Basierend auf den prognostizierten Transportbedarfen je Relation und je Periode des zweijährigen Planungshorizonts, werden im zweiten Schritt aggregierte Routen unter Berücksichtigung verschiedener Flot-tenvarianten kalkuliert. So erfolgt die Spezifikation der notwendigen Di-mension der Fuhrparkvariante unter Berücksichtigung von Transport-kosten und Treibhausgasemissionen für jede künftige Periode. Im dritten Schritt erfolgt die Auswahl einer jeweils optimalen Flottenva-riante je Periode. Dabei werden Sub-Varianten je Verkehrsträger (z. B.:

Schritt 1: Prognose

aktualisieren

Schritt 3: Kapazitäts-anpassung

planen

Schritt 2: Fuhrpark-varianten ableiten

wiederholen

4

Selbsteintritt, Fremdeintritt, Miete von Transportmitteln) genauso be-rücksichtigt, wie organisatorische Rahmenbedingungen (z. B.: Verfüg-barkeit am Markt, maximale Transportdauern) und Wechselwirkungen zwischen den Perioden des Planungshorizonts (z. B.: Vorlaufzeiten von Maßnahmen, Mindestvertragsdauern von Maßnahmen). Dieser Planungskreislauf wird kontinuierlich wiederholt und die Progno-sen anhand der aktuellen Datenlage permanent aktualisiert. Dadurch wird die geplante Flottengröße und deren Zusammensetzung dyna-misch angepasst und entsprechende Maßnahmen abgeleitet.

4 Beschreibung des Anwendungsfalls

Die Automobilindustrie ist eine der anspruchsvollsten Auftraggeber für LDL. Die hohe Anzahl unterschiedlicher Fahrzeugmodelle und deren Varianten [11] sowie die Nutzung spezifischer Transportmittel [8] er-schwert insbesondere die Planung der Fertigfahrzeugdistribution. Im Rahmen einer Evaluierung der Ergebnisse wird das beschriebene Vor-gehensmodell am Fallbeispiel eines Netzwerkausschnittes eines LDL der Fertigfahrzeuglogistik erprobt. Das reduziertes beispielhafte Netz-werk besteht aus elf Relationen (Quelle-/Senke-Beziehung), wobei jede Relation einem Kunden zugeordnet ist. Die Relationen sind jeweils für Verkehre auf Schiene und Straße geeignet. Diese praxisnahe Anwen-dung erlaubt es, auf eine breite Datengrundlage zurückgreifen zu kön-nen und eine realitätsnahe Testumgebung zu schaffen. Die Daten-grundlage umfasst alle relevanten Informationen vergangener Trans-porte aus dem Zeitraum 01/2013 bis 06/2017 sowie der von den Auf-traggebern in diesem Zeitraum zur Verfügung gestellten Prognosen zum erwarteten Transportvolumen. Angelehnt an die beschriebene Me-thodik wird der Planungshorizont auf 24 Monate festgelegt. Die Neupla-nung erfolgt monatlich unter Betrachtung von aggregierten Monatszeit-fenstern.

5 Ergebnisse

Um die Anwendbarkeit des Modells zu zeigen, wird es als Simulations-studie für die beiden Testperioden umgesetzt. Dabei wird monatlich ein

Kontinuierliche Vorplanung des Transportkapazitätsbedarfs 5

Plan der Fuhrparkzusammensetzung entsprechend der aktualisierten Prognosen und der definierten Kapazitätsanpassungsmaßnahmen für das beispielhafte Netzwerk vorgelegt. Schematisch kann dieser Plan in Abhängigkeit des aggregierten Transportbedarfs je Periode wie folgt dargestellt werden:

Abbildung 2: Geplante Fuhrparkzusammensetzung

Resultierend aus der kontinuierlichen Neuplanung der Fuhrparkzusam-mensetzung und den Vorlaufzeiten von Maßnahmen zur Kapazitätsan-passung ergibt sich darauf aufbauend der Fuhrpark, der zur Umsetzung des tatsächlichen Transportbedarfs zur Verfügung steht. Ein Vergleich kann nun zu statischen Verfahren, innerhalb derer ein Fuhrpark am prognostizierten Minimum des Transportvolumens oder am prognosti-zierten Mittelwert des Transportvolumen a priori ausgelegt wird, erfol-gen. Demnach erscheint durch eine kontinuierliche Herangehensweise und des zielgerichteteren Einsatzes von Transportmitteln, eine Steige-rung der Kosteneffizienz von etwa 8 % sowie ein Potential zur Reduktion der Treibhausgasemissionen von 4 % realistisch. In einzelnen Szena-rien wird darüber hinausgehend eine Kostenreduktion von bis zu 27 % und eine Reduktion von Treibhausgase von bis zu 24 % festgestellt.

6

6 Schlussfolgerung

Die vorläufigen Ergebnisse zeigen, dass eine kontinuierliche auf Nach-fragenprognosen basierende Transportplanung zur Reduzierung von Kosten und Emissionen beitragen kann. Jedoch ist der Zusammenhang zwischen den prognostizierten Transportbedarfen und den zu planen-den Anpassungsmaßnahmen komplex. Die Ergebnisse zeigen, dass der generierte Mehrwert stark von der Qualität der Bedarfsprognosen abhängt:

Abbildung 3: Zusatzkosten durch Qualitätsmängel im Forecast

Wie in der Abbildung schematisch ersichtlich ist, kann eine Verbesse-rung der Prognosequalität zu einer weiteren Kostenreduktion führen. Im Sinne dieser Ergebnisse sind die nächsten erforderlichen Forschungs-schritte u. a. die Analyse der Prognosen und Möglichkeiten zur Verbes-serung der Prognosequalität, die Analyse der Zusammenhänge zwi-schen der Prognosequalität und dem daraus erzeugten Mehrwert (öko-logisch und ökonomisch) sowie von Effekten, die eine Erweiterung des betrachteten Netzwerkes mit sich bringt.

7 Danksagung

Kontinuierliche Vorplanung des Transportkapazitätsbedarfs 7

Die Ergebnisse sind Teil des Projektes IPPO, das vom Bundesministe-rium für Verkehr, Innovation und Technologie im Rahmen des For-schungsprogramms „Mobilität der Zukunft“ finanziert wurde. Die Auto-ren danken Dr. Stephanie Kritzinger der RISC Software GmbH und Wolfgang Kragl von der Hödlmayr Logistics GmbH für ihre Projektzu-sammenarbeit.

8 References [1] Bretzke, W.-R. and Barkawi, K. 2012. Nachhaltige Logistik. Ant-

worten auf eine globale Herausforderung. Springer, Berlin, Heidel-berg.

[2] Brunnthaller, G., Stein, S., Schett, G., and Sihn, W. 2018. Develop-ment of a Multi-Step Approach for Continuous Planning and Fore-casting of Required Transport Capacity for the Design of Sustaina-ble Transport Chains. Proceedings of 7th Transport Research Arena TRA 2018, Vienna, Austria.

[3] Brunnthaller, G., Stein, S., and Sihn, W. 2017. State-of-the-art analysis: continuous pre-planning of required transportation capac-ity for the design of sustainable freight transportation networks. Eu-ropean Transport Conference 2017 (submitted).

[4] Corsten, H. and Gössinger, R. 2014. Dienstleistungsmanagement. Lehr- und Handbücher der Betriebswirtschaftslehre. Oldenbourg Wissenschaftsverlag, München.

[5] Handfield, R. 2013. Embracing global logistics complexity to drive market advantage. Trends and strategies in logistics and supply chain management. DVV Media Group, Hamburg.

[6] Hoff, A., Andersson, H., Christiansen, M., Hasle, G., and Løkketangen, A. 2010. Industrial aspects and literature survey. Fleet composition and routing. Computers & Operations Research 37, 12, 2041–2061.

[7] Keller, H. and Helmreich, S. 2011. Freightvision. Sustainable Euro-pean freight transport 2050 ; forecast, vision and policy recommen-dation. Springer, Heidelberg, London.

[8] Klug, F. 2010. Logistikmanagement in der Automobilindustrie. Grundlagen der Logistik im Automobilbau. VDI-Buch. Springer, Berlin.

[9] Lohre, D., Ed. 2007. Praxis des Controllings in Speditionen. Bil-dungswerk Spedition und Logistik, Frankfurt am Main.

8

[10] SteadieSeifi, M., Dellaert, N. P., Nuijten, W., van Woensel, T., and Raoufi, R. 2014. Multimodal freight transportation planning. A liter-ature review. European Journal of Operational Research 233, 1, 1–15.

[11] Stein, S., Brunnthaller, G., Dörr, H., Romstorfer, A., Marsch, V., Pöchtrager, S., Strobel, C., Sajovitz, P., Hörl, B., Berkowitsch, C., and Wanjek, M. 2016. RTI-potential at Interfaces Between Logis-tics and Freight Transport in Austria. Transportation Research Pro-cedia 14, 1553–1561.

[12] Wittenbrink, P. 2014. Transportmanagement. Springer Fach-medien Wiesbaden, Wiesbaden.

[13] Zesch, F., Kasper-Brauner, K., Motta, M., Schwede, C., Wagenitz, A., Reeker, C., Liebler, K., Maaß, J.-C., Engmann, C., Siu-Ling Schneider, S., Pauli, T., Preuß, M., Kemper, J., Hermes, A., Marr, M., and Florian, M. 2011. Integrierte Transportterminierung und Transportplanung für komplexe Wertschöfpungsstrukturen - INTERTRANS - Verbundbericht zum Projektabschluss. 4flow AG, Fraunhofer IML, Schenker AG, Volkswagen AG, TU Wien, Berlin.