Untersuchung des autonomen und selbstlernenden Managements von Kundenanforderungsänderungen in der Logistik (SelfChange)

• Antragsteller: Professor Dr.-Ing. Yilmaz Uygun
• Fachliche Zuordnung: Produktionssystematik, Betriebswissenschaften, Qualitätsmanagement und Fabrikplanung
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 525282741

Logistische Kundenanforderungen sind produktbezogene Spezifikationen hinsichtlich Transport, Umschlag und Lagerung, die von Kunden ausgestellt und an ihre Zulieferer mitgeteilt werden. Kunden reichen diese selten standardisierten Dokumente beim Lieferanten ein und fordern die rasche Implementierung der dort aufgelisteten und angepassten Vorgaben. Diese Kundenanforderungen und deren Aktualisierungen werden immer komplexer und unstrukturierter. Ein Ansatz ist es, diesen Prozess mit Hilfe des maschinellen Lernens zu verbessern bzw. zu verselbständigen. Obwohl Algorithmen für maschinelles Lernen als Werkzeuge zur Automatisierung komplexer Entscheidungsfindungs- und Problemlösungsaufgaben angesehen werden, fehlen im Bereich des maschinellen Lernens noch Beispiele für Anwendungen im Anforderungsmanagement im produzierenden Gewerbe. Diese Thematik ist nicht vollständig erforscht. Insbesondere sind die Möglichkeit und das Ausmaß der Unterstützung maschinellen Lernens auf eben diese Prozesse wissenschaftlich zu bewerten. Es muss aufgezeigt werden, wie dieser Prozess mit Hilfe aktuell vorhandener Methoden des maschinellen Lernens mit dem Anspruch auf Allgemeingültigkeit beherrscht werden kann. Das übergeordnete Forschungsziel ist die Verwirklichung der autonomen Bewertung und Beantwortung der Änderungswünsche von Kundenanforderungen an Produkte und Dienstleistungen mit einer sich ständig erhöhenden Genauigkeit hinsichtlich logistikbezogener Anforderungen am Beispiel von zwei Hauptindustrien (Automobil & Maschinenbau). Es wird zum Ziel gesetzt, wissenschaftliche Erkenntnisse hinsichtlich der Möglichkeiten, des Ausmaßes und der Grenzen (1) der Nutzbarkeit der heute verfügbaren Datenbasis sowie weiteren Bedarfs an Daten, (2) der Eigenschaften und Besonderheiten beider Hauptbranchen in der Auftragsabwicklung und ihrer Einflüsse auf die Kundenanforderungsänderungen (3) der Standardisierung der Prozesse des Anpassungsmanagement von Kundenanforderungen im Hinblick auf deren Automatisierbarkeit, (4) der automatisierten Erkennung gewünschter Anpassungen mittels der Untersuchung der Anwendbarkeit von Methoden maschinellen Lernens auf das Management von Kundenanforderungsänderungen, (5) der Standardisierung der Kundenanforderungsänderungswünsche in fest definierten Anforderungskategorien, (6) des Antizipierens der Reaktion auf Änderungswünsche der Kundenanforderungen sowie (7) des Selbstlernprozesses für das Zuweisen und Beantworten der Änderungswünsche an Kundenanforderungen zu erzielen.

• DFG-Verfahren: Sachbeihilfen