Abstract
Ostermeier et al. [1] befasst sich im Paper zum Thema mit einem integrierten Zonenkommissionier- und Fahrzeugroutingproblem mit begrenztem Zwischenlager und Zeitfensterbeschränkung. Er untersuchen die Bedeutung der gleichzeitigen Planung von Kommissionier- und Routingvorgängen in den Distributionsprozessen. Das Paper zum Forschungsseminar Schwarminteligenz wird vorgestellt. Eine ausgiebige Bewertung des Papers aus mehreren Blickrichtungen wird aufgestellt. Anschließend werden neue Arbeiteten im Bereich der Zonenkommissionier- und Fahrzeugroutingprobleme vorgestellt. Zum Schluss werden weitere Optimierungsproblem im Bereich der Distribution von Produkten dargelegt.
Disclaimer Das Paper auf welches sich die Ausarbeitung bezieht ist unter der DOI 10.1007/s00291-021-00664-7 oder über [1] zu finden.
Ausgangslage und Forschungsfrage
In Distributionszentren treffen zwei Welten aufeinander: Im Lager müssen Aufträge schnell und fehlerarm kommissioniert werden, auf der Straße entscheidet die Tourenplanung über Kosten, Auslastung und Liefertreue. In der Praxis werden diese Schritte oft nacheinander geplant. Das kann jedoch zu Widersprüchen führen, etwa wenn fertig kommissionierte Teilaufträge im Zwischenlager warten, weil passende Fahrzeuge oder Startzeiten fehlen.
Das zugrundeliegende Paper untersucht deshalb eine integrierte Sicht auf Zonenkommissionierung und Fahrzeugrouting unter zwei realitätsnahen Nebenbedingungen: begrenzte Zwischenlagerkapazität und Zeitfenster bei den Filialen. Die zentrale Forschungsfrage lautet: Wie lässt sich die Kommissionierreihenfolge gemeinsam mit den Liefertouren so planen, dass Lieferkosten und Verspätungsstrafen sinken, ohne die Zwischenlagerrestriktion zu verletzen? [1]
Die Idee, Lagerprozesse und Routing gemeinsam zu optimieren, taucht auch in weiterer Forschung auf: etwa für den Front-Warehouse-Mode im E-Commerce [2] oder für die integrierte Planung von Beladung und Lieferrouten [3]. Diese Arbeiten helfen, die Ergebnisse des integrierten Ansatzes im Kontext aktueller Logistik-Optimierung einzuordnen.
Nicht im Fokus stehen Detailfragen des eigentlichen Zone-Picking-Problems (z.B. Wegeoptimierung im Regalgang) oder eine exakte Platzierung einzelner Aufträge im Zwischenlager. Stattdessen zählt die zeitliche Kopplung der Prozesse und der Einfluss der Kapazitätsgrenzen auf die Gesamtplanung.
Methodisches Vorgehen
Ausgangspunkt ist ein Distributionszentrum, das in Segmente und Zonen gegliedert ist. Pro Kundenauftrag entstehen Teilaufträge je Zone, die von Kommissionierern bearbeitet werden. Fertige Teilaufträge belegen Kapazität im Zwischenlager, wobei das Volumen für einen Auftrag bereits mit Start des ersten Teilauftrags reserviert bleibt und erst nach kompletter Verladung wieder frei wird.
Für die Auslieferung steht eine begrenzte, homogene Fahrzeugflotte zur Verfügung. Neben einer frühesten Startzeit (z.B. weil Fahrzeuge vorher in einem anderen Segment eingesetzt werden) gelten Zeitfenster je Filiale: eine weiche Obergrenze mit linear steigender Strafgebühr und eine harte Obergrenze, nach der eine Lieferung als nicht mehr zulässig gilt.
Das integrierte Problem (ZPRI_VRP) wird als Graphmodell formuliert, in dem Knoten das Depot und die Filialen repräsentieren und Kanten Reisezeiten und -kosten tragen. Die Zielfunktion minimiert drei Komponenten: Transportkosten entlang der gefahrenen Kanten, nutzungsabhängige Fahrzeugkosten (Betriebszeit) und Verspätungskosten an den Filialen. Nebenbedingungen koppeln Routing, Startzeiten, Kommissionierung und Zwischenlagerverbrauch.
Da exakte Lösungen für größere Instanzen nicht praktikabel sind, wird ein heuristischer Ansatz vorgestellt: ein integrierter General Variable Neighborhood Search (iGVNS). Er startet mit einer initialen Zuordnung von Kunden zu Fahrzeugen und einer darauf abgestimmten Kommissionierzuweisung. In Iterationen werden Lösungen über Nachbarschaftsoperatoren gezielt verändert (Shaking) und per Variable Neighborhood Descent (VND) lokal verbessert. Eine zusätzliche Steuerlogik stellt sicher, dass Änderungen im Routing und in der Kommissionierung die Zwischenlagerrestriktion einhalten, indem sie Kommissionierentscheidungen priorisiert und den Lieferplan möglichst stabil hält.
Zur Einordnung werden zwei sequenzielle Alternativen betrachtet: ein praxisnaher Ansatz, der zuerst Routing optimiert und danach Kommissionierung anpasst, sowie eine iterative Variante, die diesen Ablauf wiederholt, um schrittweise zu besseren Lösungen zu gelangen.
Die gewonnenen Erkenntnisse
Die Experimente zeigen, dass der integrierte Ansatz in kleinen Instanzen die Qualität exakter Löser erreicht und zugleich bei knappen Laufzeitbudgets konkurrenzfähig bleibt. In Vergleichen mit CPLEX konnten für Instanzen, die CPLEX optimal löste, die gleichen optimalen Lösungen gefunden werden; bei größeren Instanzen lieferte iGVNS bei deutlich kürzerer Rechenzeit gleich gute oder bessere Ergebnisse.
In einer Fallstudie wird iGVNS mit einem sequenziellen, praxisnahen Vorgehen verglichen. Das Ergebnis: Gesamtkostenverbesserungen von bis zu 34,52% sind möglich. Zwar steigen Routing- und Fahrzeugnutzungskosten im Mittel, die Verspätungskosten sinken jedoch stark und dominieren die Gesamtbilanz. Für das betrachtete Fallbeispiel wird eine Einsparung in der Größenordnung von 270.000 EUR pro Jahr und Distributionszentrum berichtet.
Ein dritter Befund betrifft das Zwischenlager als Engpassressource: Größere Kapazitäten reduzieren die Gesamtkosten durchgängig, vor allem weil frühere Abfahrten und pünktlichere Lieferungen wahrscheinlicher werden. Umgekehrt führt ein kleines Zwischenlager zu häufigeren Blockierungen, verspäteten Fahrzeugstarts und steigenden Strafkosten.
In einer breit angelegten Instanzauswertung über viele Problemklassen übertrifft iGVNS sequenzielle Varianten im Durchschnitt deutlich. Zudem erzeugt iGVNS wesentlich häufiger machbare Lösungen innerhalb harter Zeitgrenzen, während sequenzielle Ansätze deutlich öfter scheitern.
Was die Ergebnisse bedeuten
Die Ergebnisse stärken die Intuition aus der Praxis: Die getrennte Optimierung von Lager und Transport übersieht die zeitliche Kopplung, die erst durch das Zwischenlager und die Abfahrtsfenster sichtbar wird. Ein integrierter Ansatz kann bewusst Trade-offs eingehen, etwa leicht höherer Fahrleistung zugunsten deutlich geringerer Verspätungsstrafen.
Verwandte Arbeiten zeigen, dass sich solche Kopplungen auch jenseits des klassischen Distributionszentrums lohnen können: In Multi-User-Warehouses kann die gemeinsame Nutzung knapper Ressourcen (z.B. Kommissionierer, Docks) Verspätungen reduzieren, auch wenn Transportentscheidungen dort teils ausgelagert sind [4]. Bei Online-Order-Picking in Kühlketten stehen dynamische Auftragseingänge und Nachfrage-Peaks im Vordergrund, was integrierte Planung ebenfalls begünstigt [5].
Das Zwischenlager erweist sich als zentraler Stellhebel. Kapazität wirkt nicht nur als physische Grenze, sondern auch als Taktgeber für Kommissionierung und Verladung. In Umgebungen mit knapper Fläche kann das die Planung dominieren; hier hilft eine integrierte Heuristik, weil sie Blockierungen antizipiert und Startzeiten mit dem Lagerfortschritt synchronisiert.
Gleichzeitig bleiben Limitationen: Die Modellierung abstrahiert von detaillierten Lagerwegen und der exakten Platzierung im Zwischenlager; zudem basiert die Lösung auf einer Heuristik, deren Laufzeit mit strengeren Restriktionen steigen kann. Auch Annahmen wie homogene Fahrzeuge oder die Betrachtung eines Segments vereinfachen die Realität und müssen je nach Distributionsnetz angepasst werden.
Für die Praxis ergibt sich dennoch ein klarer Transfer: Wer Liefertreue über Strafkosten oder Service-Level steuert, sollte Kommissionierung, Zwischenlager und Tourenplanung nicht als getrennte Optimierungsinseln behandeln. Besonders bei Zeitfenstern und begrenzter Pufferfläche lohnt sich eine gemeinsame Planung, weil sie Machbarkeit und Kosten zugleich adressiert.
Kernaussagen und Ausblick
Integrierte Planung von Zonenkommissionierung und Fahrzeugrouting kann Lieferprozesse deutlich verbessern, wenn Zwischenlagerkapazität und Zeitfenster die Kopplung zwischen Lager und Transport erzwingen. Der vorgestellte iGVNS-Ansatz liefert hochwertige Lösungen in kurzer Zeit und kann sequenzielle Planungen in Kosten und Machbarkeit übertreffen.
Als wichtigste Hebel treten die Reduktion von Verspätungen und die Entschärfung von Blockierungen durch knappe Zwischenlager hervor. Für Distributionszentren mit engen Zeitfenstern lässt sich daraus ableiten, dass Prozess- und Kapazitätsentscheidungen (Pufferfläche, Abfahrtsfenster, Flottengröße) gemeinsam bewertet werden sollten.