B4 - Wissensmanagement zur Unterstützung selbststeuernder Logistikprozesse

Motivation

Ebenso wie fremdgesteuerte logistische Prozesse benötigen selbststeuernde Logistikprozesse Wissen zur Erfüllung ihrer Aufgabe. Daten, Informationen und Wissen sind die zentralen Ressourcen, die über die Qualität eines logistischen Prozessablaufs entscheiden.

Ein Wissensmanagement-System muss die selbststeuernden logistischen Prozesse dahingehend unterstützen, dass es ihnen das benötigte Wissen bedarfsgerecht bereitstellt. Hierbei muss insbesondere berücksichtigt werden, dass Akteure in selbststeuernden Prozessen wettbewerblich agieren. Daher müssen Informationen und Wissen als Gut betrachtet werden, das einen potentiell hohen Nutzen für Wissenskonsumenten darstellt.

Ergebnisse 1. Phase (2004-2007)

Zu Beginn des Teilprojektes wurden wissensorientierte Systemarchitekturen untersucht und Anforderungen selbststeuernder Logistikprozesse an das Wissensmanagement identifiziert. Als Grundlage wurde ein auf Agenten-Rollen beruhender Ansatz entwickelt, der eine flexible, auf Agenteninteraktion basierende Infrastruktur für Wissensmanagement bereitstellt. Rollen sind Verhaltensmuster, die von Agenten ausgeführt werden können. Durch die spezifizierten Rollen werden Wissensmanagement-Prozesse wie das Auffinden, Verteilen und Anfordern von Wissen realisiert. Details dieses Modells wurden auf Fachtagungen und Workshops veröffentlicht.

Darüber hinaus wurde eine Ontologie als formale Repräsentation des Domänenwissens erstellt, die wesentliche Grundbausteine für Szenarien aus den Bereichen Transport-, Informations- und Produktionslogistik definiert.

Mit PlaSMA wurde eine multiagenten-basierte Simulationsplattform spezifiziert und implementiert, die als Basis für die Analyse von Logistiksystemen und die Evaluation von selbststeuernden Logistikprozessen genutzt wird.

Ziele 2. Phase (2008-2011)

In der zweiten Förderperiode fokussierte sich die Forschung des Teilprojekts B4 auf den Themenbereich Kontextsensitivität. Ausgehend von einer Analyse exemplarischer Abläufe und Entscheidungsprozesse aus der Transportlogistik hinsichtlich für Selbststeuerung notwendiger Flexibilität und Adaptivität sowie Dynamik und Relevanz entscheidungsrelevanten Wissens galt es zu untersuchen, welche Kontextinformationen für selbststeuernde logistische Systeme in konkreten Entscheidungssituationen relevant sind und wie diese Informationen auf der Basis einer Bewertung ihrer Relevanz bei Bedarf zielgerichtet akquiriert werden können. Da relevante Informationen oft nicht direkt durch das Auslesen von Sensoren erfasst oder von Informationsanbietern bereitgestellt werden können, wurde für solche Fälle darüber hinaus erforscht, inwieweit die autonomen Systeme maschinelles Lernen zur Erstellung geeigneter Prädiktionsmodelle heranziehen können.

Vorgehen 2. Phase (2008-2011)

Notwendige Voraussetzungen für Experimente zur Bewertung entscheidungsrelevanter Informationen wurden durch die Erweiterung von PlaSMA um ein physisches Weltmodell geschaffen. In Simulationen wurde daraufhin der Einfluss unterschiedlicher Verfügbarkeit von Umgebungsinformationen und Prädiktionsfähigkeiten in der Entscheidungsfindung quantifiziert. Logische und probabilistische Formen der Wissensrepräsentation wurden auf ihre Eignung für den Umgang mit unvollständigem und unsicheren Wissen untersucht. Auf dieser Grundlage erfolgte die Erarbeitung eines Ansatzes zur optimierten zielgerichteten Informationsakquisition.

Für die formalen Wissensrepräsentation wurden Foundational Ontologies auf ihre Eignung zur expliziten Kontextmodellierung untersucht. Basierend auf DOLCE wurden hiernach ontologische Spezifikationen ausgewählter Teilprozesse des Containertransports erarbeitet. Diese bildeten die Grundlage zur Reifikation von Konzepten und damit einer situationsgerechten Interpretation von Umgebungsinformationen.

In enger Kooperation mit dem Teilprojekt B10 wurden Verfahren des maschinellen Lernens zur Erstellung lokaler Prädiktionsmodelle auf der Basis individueller Erfahrungen auf ihre Eignung zur autonomen Adaption untersucht und geeignete Verfahren für Prädiktions- und Optimierungsaufgaben in der individuellen operativen Tourenplanung adaptiert.

Ergebnisse 2. Phase (2008-2011)

In der zweiten Förderperiode wurde ein Ansatz zur Bewertung fehlender, entscheidungsrelevanter Informationen auf Grundlage der Informationswert-Theorie entwickelt. Hierauf aufbauend wurde eine Methodik zur iterativen, nutzenorientierten Informationsakquisition zur Unterstützung der Entscheidungsfindung intelligenter Agenten erarbeitet.
In Kooperation mit dem Teilprojekt Datenintegration wurde eine Architektur spezifiziert zur Bereitstellung logistischer Prozessdaten durch die Anbindung FIPA-basierter Multiagentensysteme an das EPCGlobal Framework.

Die multiagenten-basierte Simulationsplattform aus der ersten Phase wurde erweitert um ein Simulationsweltmodell sowie die Möglichkeit zur expliziten Modellierung von Aktionen der von Softwareagenten gesteuerten physischen logistischen Objekte und die Erzeugung von Umgebungsereignissen.

Die vorhandene ontologische Modellierung zur Repräsentation logistischen Domänenwissens wurde auf Basis einer Foundational Ontology (DOLCE) fortgesetzt und um die Beschreibung multiagentenbasierter Simulationssysteme erweitert.

Basierend auf einer Evaluation der Potentiale zur Operationalisierung von Multiagenten-Koordination in der Selbststeuerung am Fallbeispiel des Containernachlaufs in der Beschaffungslogistik wurde ein Steuerungsverfahren entwickelt, welches intelligente Transportcontainern bzw. Transportmittel und Lager befähigt, Kooperationspotentiale bei gemeinsamer Ressourcen-Nutzung zu erschließen, indem Massenverkehrsträger und Freilagerzeiten im Containerumschlag besser ausgenutzt werden.