EPL - Eigenschaftsplanung mit Markov-Netzen

Anders als die meisten Mitbewerber in der Automobilindustrie verfolgt der Volkswagen-Konzern eine Marketing-Strategie, die dem Kunden ein Maximum an Wahlfreiheit bei der Spezifikation individueller Fahrzeuge gestattet. So darf der Käufer aus einer großen Vielfalt an Ausstattungsoptionen wählen, von denen jede aus einer so genannten Eigenschaftsfamilie stammt. Typische Beispiele sind Motoren, Getriebe, Türigkeiten, Felgen, Sitzbezüge, Radios, Navigationssysteme und vieles mehr. Im Beispiel des VW Golf gibt es ungefähr 200 solcher Eigenschaftsfamilien, jede zumeist mit zwischen vier und acht wählbaren Optionen, wobei das Spektrum von 2 bis zu 150 wählbaren Optionen pro Eigenschaftsfamilie reicht. Die Kombinierbarkeit solcher Optionen wird nur dabei allein durch technische, logistische und vertriebsorientierte Regelsysteme eingeschränkt. Im Falle des VW Golf gibt es ungefähr 5000 technische Regeln und eine noch viel größere Zahl weiterer Regeln auf Basis der durch den Vertrieb spezifizierten marktabhängigen Verkaufsprogramme.

Das Projekt EPL (EigenschaftsPLanung), welches im Jahre 2001 von den konzernweiten Bereichen zur Systementwicklung, Vertriebssteuerung und Logistik initiiert wurde, hat das Ziel, mittels eines geeigneten methodischen State-of-the-Art-Ansatzes ein Produktivsystem zu konzipieren und zu realisieren, welches unter Beachtung der Besonderheiten der bestehenden Marketingphilosophien und Planungsprozesse ein Optimum an Effizienz und Planungsqualität für die Eigenschaftsplanung, die Teilebedarfsvorschau und das Kapazitätsmanagement erzielt.

ISC Gebhardt hat die methodische Analyse, die mathematische Modellierung, die theoretische Problemlösung sowie die Bereitstellung effizienter Algorithmen für EPL übernommen. Dabei ergab sich eine Idealmodellierung mit Hilfe von Markov-Netzen, in denen es möglich ist, hochdimensionale Abhängigkeiten zwischen den Eigenschaftsfamilien unter Ausnutzung bedingter Unabhängigkeiten auf eine handhabbare Größe zu reduzieren.

EPL bot von Anfang an die Möglichkeit, das Spektrum der Kompetenzen von ISC Gebhardt auszunutzen: Die Integration heterogener, teils inkonsistenter Datenquellen zu einem Markov-Netz stellte eine besondere Herausforderung an moderne Techniken von Data Mining und Data Fusion dar: Hier waren zuerst große Stichproben von Fahrzeugaufträgen aus der Historie, das Wissen um Planungsstrategien sowie Regelsysteme für die Kombinierbarkeit von Ausstattungen zu einem konsistenten Markov-Netz (als Wissensbasis) zu kombinieren. Dieses A-priori-Netz wird dann den konkreten Planvorgaben für eine betrachtete Planungswoche unterworfen. Sie bestehen aus (kontextabhängigen) Vertriebsvorgaben für Ausstattungen (z.B. 10 % Anstieg von Climatronic in Deutschland beim Audi A4) und logistischen Restriktionen (max. 10.000 Felgen des Typs C in Woche 42/05), und werden noch ergänzt um besondere Daten im Rahmen von Aktionsplanungen und Anlaufsituationen. Aufgabe des EPL-Systems ist es, die veränderten Planvorgaben unter Ausnutzung des Wissens um strukturelle und quantitative Abhängigkeiten aus dem A-priori-Netz zu erfüllen und daraus die für eine Teilebedarfsvorschau bis zu 24 Monaten erforderliche Eigenschaftskombinatorik zu berechnen. Um dies durchführen zu können, sind Ansätze des Belief Change, einem Teilgebiet der wissensbasierten Systeme, erforderlich, die ISC Gebhardt bezüglich der Revision und des Updating in Markov-Netzen theoretisch entwickelt und erstmals für ein produktives Großsystem etabliert hat. Darüber hinausgehend waren aufgrund der enormen Planungskomplexität noch Innovationen im Erkennen, Beschreiben und entscheidungsunterstützenden Auflösen von Inkonsistenzen zwischen Planvorgaben und Regelsystemen nötig.

In Anwendungen solcher Komplexität wie EPL ist die Relevanz von Performance-Aspekten offensichtlich. Es stellt sich heraus, dass die Eigenschaftsplanung Markov-Netze mit ca. 150 Cliquen einer Maximaldimensionalität von mindestens 12 für die individuellen Cliquen erfordert - und dies selbst dann, wenn man die Betrachtungen auf eine einzelne Fahrzeugklasse und eine einzelne Planungswoche reduziert. Daraus folgt, dass cliquenabhängige Wertebereiche mit mehr als 100.000.000 Tupeln zu berücksichtigen sind und eine Gesamtzahl von mehr als 2.000 Planungsnetzen zu verwalten ist.

Das Systemdesign und ein Großteil der Implementierung von EPL wird von der zuständigen VW-Systemstelle in Kooperation mit einem Software-Dienstleister durchgeführt. Die mathematische Modellierung, die theoretische Problemlösung sowie die Bereitstellung effizienter Algorithmen, erweitert um die Entwicklung einer neuen Software-Bibliothek mit dem Namen MARNEJ (MARkov Networks in Java), welche der Repräsentation von Markov-Netzen und der Realisierung oben genannter Funktionalitäten dient, stammt von ISC Gebhardt.

Das weltweite Roll-Out des Systems EPL für alle Marken des Volkswagen-Konzerns wurde Mitte 2005 gestartet. Zurzeit implementieren bis zu 12 Systementwickler eine Client-Server-Architektur in Java. Die geplante Endkonfiguration besteht aus sechs bis acht HP-Maschinen mit 4 AMD Opteron 64-Bit-CPUs und 16 GB Hauptspeicher pro Maschine. Ferner steht ein Terabyte-Plattenspeicher für das unter Linux und Oracle laufende System zur Verfügung. Trotz der imposant klingenden technischen Daten kommt das System ohne Großrechner aus, so dass — abgesehen von den gesteigerten Planunsqualität — auch ein enormes Sparpotential bei der Hardwareausstattung abgesehen werden kann.

Publikationen zu diesem Projekt.