Parameteroptimierung

Die Herstellung von Kochschinken bringt einige Herausforderungen mit sich. Für die Produktion werden Fleischteile mithilfe von Salzlake in einem mehrstufigen Pökel- und Garprozess verarbeitet. Dabei kann es zu Qualitätsschwankungen kommen, die auf Strukturfehler im Fleisch zurückzuführen sind. Das Resultat: Die Salzlake wird nicht optimal aufgenommen. Ein auf historischen Daten trainiertes KI-Modell soll das Problem lösen.

Präzise Bedarfsprognosen sind der Schlüssel für eine erfolgreiche Materialdisposition. EntscheidungsträgerInnen stehen jedoch vor dem Dilemma, welches Prognoseverfahren sie verwenden sollen. Zumeist fehlt auch das Methodenwissen, um komplexe mathematische Prognoseverfahren anwenden zu können. Doch auch nach der Wahl des Prognoseverfahrens verbleibt noch die Hürde, die Prognoseverfahren optimal zu parametrisieren. Der vorliegende Beitrag untersucht das Optimierungspotenzial eines selbst entwickelten automatisch optimierenden Prognoseansatzes auf Basis zehn gängiger Prognoseverfahren. In die Praxis umgesetzt wurde die Methode im Forschungsprojekt DISPO 4.0 im digitalen Planungstool Demand Planning Falcon, das zielgenaue Bedarfsprognosen für die Investitionsgüterindustrie erstellt.