Automatische Planung und Dispositionsoptimierung für technische Ressourcen

VINCI ist zukunftsorientiert und innovativ und entwickelt Lösungen in enger Zusammenarbeit ihren Geschäftsbereichen. Im Rahmen des Leonard AI-Programms ist NEO-Schedule die Lösung von Axians zur automatischen Optimierung der Planung und Disposition von technischen Ressourcen.

„Ein Zauberer kommt nie zu spät, noch ist er zu früh, er kommt genau dann, wenn er es will.“ Gandalf, Die Gefährten (Herr der Ringe). Da wir nicht alle Zauberer sind, überrascht es nicht, dass die Planung von größter Bedeutung ist, wenn es darum geht, die richtige Ressource zur richtigen Zeit am richtigen Ort bereitzustellen. Darum geht es in bei NEO-Schedule von Axians.

Die Ressourcenallokation ist ein ständig wachsender Markt mit einem immer härteren Wettbewerb. Ein Bericht von Gartner [1] aus dem Jahr 2020 deutete auf eine jährliche Wachstumsrate von 12% für den globalen Planungsmarkt hin, was ein Wachstum von 3 Mrd. USD im Jahr 2020 auf 5 Mrd. USD im Jahr 2025 bedeuten würde. Neben den Zahlen weist Gartner auch darauf hin, dass sich Planungslösungen auf Funktionen konzentrieren sollten, die die Effizienz der Disponenten und die Auslastung der Techniker verbessern. Um dieses neue Paradigma anzugehen, beschloss Axians NEO, eine KI-gestützte Lösung zu entwickeln, um seine aktuelle Lösung NEO-Schedule zu vervollständigen und zu erweitern.

NEO-Schedule ist die Lösung von Axians zur automatischen Optimierung der Planung und Disposition von technischen Ressourcen. Diese Lösung ist zweigleisig, der erste Teil konzentriert sich auf die Massenplanung.

Die Massenplanug besteht darin, eine große Liste von Aufgaben/Aufträgen den richtigen Ressourcen zuzuordnen, z.B. alle anstehenden Wartungsaufträge und Instandsetzungen für ein entsprechenden Servicegebiet, um den rationellsten Einsatzplan zu erstellen. Spezifische Ressourcen, sogenannte Dispatcher, sind dafür verantwortlich, alle mit einem solchen Problem verbundenen Einschränkungen zu berücksichtigen und den rationellsten Plan zu ermitteln. Bei der Erstellung eines solchen Zeitplans werden Standorte, Verfügbarkeiten, Service Level Agreements (SLA), lokale Vorschriften und Arbeitsvereinbarungen berücksichtigt. Dies führt zu einem guten bis sehr guten Ergebnis, ist jedoch zeitaufwändig und bedarf vieler Iterationen, da alles manuell durchgeführt wird. Erfahrungswerte zeigen, das mit einem täglichen Aufwand von ca. 3-4 Stunden für die Verplanung von 100 Ressourcen pro Tag zu rechnen ist.

Die neue KI-erweiterte NEO-Planung bietet eine Verbesserung der Lösung, da sie diese Zeit für eine ähnliche Konfiguration auf weniger als 10 Minuten pro Tag reduziert. Dies reduziert nicht nur die Zeit, die erforderlich ist, um den Tag für eine bestimmte Anzahl von Ressourcen zu planen, sondern bietet den Disponenten darüber hinaus die Möglichkeit, mehr Ressourcen zu verwalten und mehr Zeit für mehr wertschöpfende Aufgaben aufzuwenden. In Summe entstehen so bessere Ergebnisse mit weniger Aufwand. Der Dispatcher kann sich dann um die untertägigen Änderungen kümmern, die innerhalb des Tages zu bearbeiten sind.

Der Dispatching-Prozess ist im Grunde genommen die Verarbeitung von Echtzeitinformationen der Techniker vor Ort. Diese Informationen können darauf hinauslaufen, dass eine Ressource krank und an einem bestimmten Tag nicht arbeitsfähig ist, einen platten Reifen hat und mit einer kleinen Verzögerung arbeiten muss oder einfach eine Arbeit ausübt, die mehr Zeit als erwartet benötigt. Diese Erkenntnisse vor Ort sind für die Disponenten von entscheidender Bedeutung, da sie verwendet werden sollen, um den Zeitplan geringfügig zu verschieben, um sich ergebende Überlappungen oder Lücken in der Planung zu schließen, und dies möglichst schnell und mit möglichst wenig Auswirkungen auf die ursprüngliche Planung. Denn Termine sind ja bereits in Arbeit oder abgeschlossen, Material bereits bereitgestellt und nicht jede Ressource kann kurzfristig umgeplant werden.

Die derzeitige Norm, die manuelle Disposition, beruht auf der Expertise und dem Wissen der Disponenten, was gut ist, aber angesichts der hohen Anzahl an eingehenden Updates, der großen Anzahl an Abhängigkeiten, die im Zeitplan berücksichtigt werden müssen, manchmal suboptimal ist: hinzu kommen noch die sehr kurze Reaktionszeit, die von den Disponenten erwartet wird. KI-erweiterte NEO-Schedule (AI-augmented NEO Schedule) kümmert sich um diese Probleme, da sie den gesamten Prozess vollständig automatisiert und den Zeitplan geringfügig anpasst, wenn Live-Updates aus dem Feld kommen und in Sekundenschnelle passende Änderungsvorschläge ermittelt.

Die neue KI-erweiterte NEO-Schedule erfüllt schon heute die Marktanforderungen der Zukunft und sichert den Kunden eine bessere Planungsergebnisse mit deutlich reduziertem Aufwand. Dies bedeutet höhere Flexibilität, schnellere Reaktionen und zufriedenere Kunden. Die Nutzung von KI für diese Innovationen erweist sich bei der Berücksichtigung realer Einschränkungen als effizienter als die Lösungen der Mitbewerber, da diese Einschränkungen direkt in die zugrunde liegenden Optimierungsalgorithmen eingebettet sind. So kann NEO Schedule die individuellen Optimierungsanforderungen jedes einzelnen Kunden berücksichtigen. Kurzum NEO Schedule AI ist eine innovative Planungslösung, die von Disponenten und für Disponenten entwickelt wurde. 

Dieser Artikel ist Teil einer Serie mit Teilnehmer:innen des KI-Programms von Leonard. Das Programm wurde speziell entwickelt, um die Einführung von KI-Technologien innerhalb des VINCI-Konzerns zu beschleunigen. Es besteht aus einer fünfmonatigen Inkubationsphase, in der ausgewählte VINCI-Mitarbeitende im Rahmen eines Learning-by-Doing-Prozesses unter Anleitung des Leonard- Teams und der Berater:innen von Eleven Strategy einen KI-basierten Anwendungsfall entwickeln.

[1] Gartner: Magic Quadrant for Field Service Management –ID: G003992502

Teilen Sie den Artikel auf