Zum Inhalt springen

Stochastische Optimierung

Ihr Plan rechnet mit der durchschnittlichen Nachfrage, und die ist selten durchschnittlich. Stochastische Optimierung plant mit der ganzen Bandbreite, damit Ihr Plan auch dann funktioniert.

  • Kostenloses 30-Minuten-Gespräch
  • Unverbindlich
  • Der Code gehört Ihnen
Werkzeuge
Pyomo, CVXPY, Python
Eingesetzt in
5 dokumentierten Anwendungsfällen
Lieferung
Dokumentierter Quellcode, der Ihnen gehört

Kurz erklärt: Die stochastische Optimierung ist Planung, die den Zufall mit einrechnet. Statt einer Durchschnittsprognose nutzt das Modell die realistische Bandbreite von Nachfrage oder Angebot und wählt den Plan, der über die ganze Bandbreite gut abschneidet.

Das Problem

Ihr Plan geht von einer Zukunft aus: der durchschnittlichen Woche. Dann liefert ein Lieferant zu spät, oder nach einem heissen Wochenende springt die Nachfrage. Der Plan hat dafür keinen Spielraum, also improvisiert Ihr Team mit Eilbestellungen und Überstunden. Deterministische Planung rechnet mit einer einzigen festen Zahl. Sie versagt genau in den Wochen, die am meisten kosten.

Was sich ändert

Stand jetzt planen Sie für den Durchschnitt und bezahlen jede Überraschung mit Eilbestellungen. Mit unserem Modell berücksichtigt der Plan schon die Bandbreite von Nachfrage und Lieferung, die Sie wirklich erleben. In ruhigen Wochen zahlen Sie etwas für eine Reserve, etwa für mehr Ware am Lager. Dafür vermeiden Sie in schlechten Wochen die teuren Eilbestellungen. Sie sehen in Zahlen, was die Reserve kostet und was sie Ihnen erspart, bevor Sie sich festlegen.

Lohnt es sich für Sie? Erst messen

Viele Seiten erklären stochastische Optimierung. Wenige sagen Ihnen, wie Sie prüfen, ob Sie sie brauchen. In der Optimierung nennt man das Mass dafür Wert der stochastischen Lösung (VSS, Value of the Stochastic Solution). Sie nehmen den Plan für die durchschnittliche Nachfrage. Sie testen ihn mit mehreren Wochen, die eintreten könnten: ruhigen, starken und einer mit verspätetem Lieferanten. Solche möglichen Wochen nennt man Szenarien. Dann vergleichen Sie, was dieser Plan kostet und was der Plan kostet, der mit der ganzen Bandbreite rechnet.

Ein Beispiel mit erfundenen Zahlen: Der Durchschnittsplan kostet über alle Szenarien 112'000 Franken pro Woche, der stochastische Plan 104'000. Die Differenz von 8'000 ist der VSS, also das, was Ihnen die Planung mit Bandbreite wert ist. Ist die Differenz klein, bleiben Sie deterministisch. Eine erfahrene Stimme auf Operations Research Stack Exchange vermutet: In der Praxis rechnen die meisten Modelle ohne Unsicherheit, weil feste Werte reichen. Oft stimmt das, und der VSS zeigt Ihnen, welcher Fall bei Ihnen vorliegt.

So funktioniert es

Stochastische Optimierung plant den Zufall mit ein. Wir bilden im Modell ab, wie stark Ihre Nachfrage und Ihre Lieferungen bisher geschwankt haben. Zweistufige stochastische Programmierung teilt die Entscheidung: Manches legen Sie jetzt fest, anderes passen Sie an, sobald die Nachfrage bekannt ist. Worst-Case-Optimierung (Min-Max) wählt den Plan, dessen schlimmster Fall am wenigsten schadet.

Chance-Constrained-Programmierung hält eine Regel mit einer festen Wahrscheinlichkeit ein, etwa: kein leeres Regal in 19 von 20 Wochen. Szenariobäume bilden ab, wie sich die Zukunft Woche für Woche verzweigt. In Python bauen wir das mit stochastischen Erweiterungen von Pyomo und CVXPY, zwei Bibliotheken für Optimierungsmodelle. Bei vielen Szenarien nutzen wir mpi-sppy, eine weitere Python-Bibliothek. Sie teilt ein Pyomo-Modell nach Szenarien auf und löst die Teile gleichzeitig. Die ehrliche Grenze: Ist die Schwankung klein oder billig aufzufangen, ist ein deterministisches Modell einfacher und gut genug. Dann empfehlen wir Ihnen ein solches Modell.

Wann diese Methode nicht passt

Die ehrliche Grenze: Ist die Schwankung klein oder billig aufzufangen, ist ein deterministisches Modell einfacher und gut genug. Dann empfehlen wir Ihnen ein solches Modell.

Häufige Fragen.

Etwas anderes? Fragen Sie uns direkt.

Stochastische Optimierung setzt voraus, dass Sie schätzen können, wie wahrscheinlich jedes Ergebnis ist. Sie sucht dann den Plan, der im Durchschnitt über alle Ergebnisse am wenigsten kostet. Worst-Case-Optimierung braucht diese Wahrscheinlichkeiten nicht. Sie legen eine Bandbreite möglicher Werte fest, und der Plan bleibt für jeden Wert darin umsetzbar, auch für den ungünstigsten. Eine viel gelesene Antwort auf Operations Research Stack Exchange erklärt den Unterschied genauso. Haben Sie viele Daten aus der Vergangenheit, passt meist die stochastische Optimierung. Mit wenig Daten ist die Worst-Case-Optimierung sicherer.

So viele, dass sich der Plan nicht mehr ändert. Ein Szenario ist ein möglicher Verlauf, etwa eine Woche mit hoher Nachfrage. Wir lösen das Modell mit mehreren verschiedenen Sätzen von Szenarien, alle gleich gross. Ändern sich die heutigen Entscheidungen und die durchschnittlichen Kosten kaum, reicht die Zahl. Ändern sie sich von Satz zu Satz stark, nehmen wir mehr Szenarien. Oder wir wählen weniger Szenarien aus, die trotzdem dieselbe Bandbreite abdecken wie Ihre bisherigen Daten.

Meist aus Ihrer eigenen Historie. Vergangene Wochen mit Nachfrage, Lieferzeiten oder Ausfällen werden zu Szenarien. Jedes Szenario erhält ein Gewicht, das sagt, wie wahrscheinlich es ist. Wo zwei Grössen zusammenhängen, etwa Hitze und Getränkeabsatz, halten wir sie zusammen. Haben Sie nur wenige Daten aus der Vergangenheit, sagen wir das. Dann rechnen wir mit Bandbreiten und ihrem ungünstigsten Wert statt mit erfundenen Wahrscheinlichkeiten.

Manchmal schon, und dann sagen wir es. Standardtools sind aber für ein durchschnittliches Problem gebaut. Bei Stochastische Optimierung gehen wir von Ihrem Problem aus: von seiner Grösse, seinen Regeln und den Ausnahmen, die nirgends aufgeschrieben sind. Darum passt der Plan besser zu Ihrem Betrieb.

Für den Start brauchen Sie beides nicht. Wir bauen das Modell aus den Daten, die Sie haben, ob ordentlich oder nicht, und das Aufräumen gehört zur Arbeit. Sie erhalten ein dokumentiertes System, das Ihr Team pflegen kann. Wir schulen Ihr Team, bis es das System auch nach dem Projekt selbst betreut.

Am Anfang steht ein kostenloses 30-Minuten-Gespräch über Ihren Betrieb und das passende Modell. Dann bauen wir einen funktionierenden Prototyp und lassen ihn mit Ihren Zahlen rechnen. Sie sehen Ergebnisse, bevor Sie sich auf etwas Grösseres festlegen.

Erzählen Sie uns, was Sie planen.

In einem kostenlosen 30-Minuten-Gespräch mit einem Spezialisten finden Sie heraus, ob Optimierung Ihnen helfen kann.

  • Kostenlos und unverbindlich
  • Sie sprechen direkt mit einem Spezialisten
  • Ein klares Ja oder Nein