StandPI
Systemübergreifende Steuerung von Transport- und Intralogistik zur nachhaltigen Distribution im Physical Internet
| Programm / Ausschreibung | Mobilität der Zukunft, Mobilität der Zukunft, MdZ - 10. Ausschreibung (2017) | Status | abgeschlossen |
|---|---|---|---|
| Projektstart | 01.01.2019 | Projektende | 30.09.2022 |
| Zeitraum | 2019 - 2022 | Projektlaufzeit | 45 Monate |
| Keywords | Physical Internet; Crowdsourcing Delivery, Machine Learning; Systemübergreifende Steuerung; Distribution | ||
Projektbeschreibung
Das Forschungsvorhaben StandPI soll der verladenden Wirtschaft ermöglichen, anbieterunabhängige Transportkapazitäten, nach Vorbild des Physical Internets, effizient zu nutzen. Hierzu werden inner- und außerbetriebliche Systemparameter kontinuierlich erfasst. Die Echtzeit-Daten fließen in einen Machine Learning Algorithmus, der Warenbereitstellung seitens Verlader und dynamische Transportkapazitäten, in Form von Crowdsourcing Delivery, optimal koordiniert. Ziel ist die selbstlernende Steuerung an der Schnittstelle von Transport- und Intralogistik zur systemübergreifenden Optimierung dieser heute sequentiell gesteuerten Teilbereiche. Die konsequente Nutzung der Restkapazitäten, von sich ohnehin auf der Straße bewegenden Fahrzeugen, soll einen wesentlichen Beitrag zur Erhöhung der ökonomischen, ökologischen und sozialen Nachhaltigkeit in der physischen Distribution leisten.
Abstract
The research project StandPI enables the efficient usage of Crowdsourcing Delivery for the loading industry. Therefor, internal and external system parameters will be continuously monitored and these real-time data will be further processed by a machine learning algorithm. By the means of this algorithm, the matching of the loader’s product supply and the dynamic available transportation capacities in respect to Crowdsourcing Delivery will be optimized. Eventually, in contrast to the nowadays commonly used sequentially controlling and optimization of the transportation and inner logistics systems, the aim of this research project is a self-learning controlling, which acts at the interface of these system, concerning a cross-system optimization. Hence, consistent exploitation of the remaining capacities of vehicles en route will significantly contribute to economical, ecological and social sustainability concerning physical distribution.