CENTER OF OPERATIONS RESEARCH

& BUSINESS ANALYTICS

Trotz der hohen Innovationsdynamik im Bereich der Smart-Technologies und ihrer entscheidenden Bedeutung für nachhaltige gesellschaftliche Transformationsprozesse in den Feldern regenerative Energie, Umwelt und demographischer Wandel, stehen viele dieser Innovationen vor erheblichen Unsicherheiten hinsichtlich ihres Erfolgs. Häufig scheitern sie bereits in der Einführungsphase – sei es durch unzureichende Marktkenntnisse, fehlende Technologiestandards oder mangelndes Vertrauen der Konsumenten in ihren direkten Nutzen. Die durch die EU geförderte interdisziplinäre Graduate School Navigating the Chaos of Innovation and Transformation (NACHOS) verfolgt das Ziel, die Voraussetzungen für das Gelingen, die Verbreitung und die Anpassung smarter Innovationen zu untersuchen, zu modellieren und zu optimieren. Das Teilprojekt des Lehrstuhls für Innovations- und Finanzmanagement widmet sich dabei der Analyse, wie das Entscheidungsverhalten sozialer Systeme die Bewertung von unsicherheitsbehafteten Investitionsentscheidungen beeinflusst und leitet Handlungsempfehlungen zur wertorientierten Steuerungen von unternehmerischen Innovationsprozessen ab.

View project in the research portal

Die nachhaltige Nutzung erneuerbarer Energien zur Stromerzeugung erfordert in zunehmendem Maße die Integration verschiedener Energieinfrastrukturen zur Speicherung und Nutzung von Energie. Angesichts variierender Investitionskosten, unterschiedlicher Lebensdauern von Technologien und volatiler Energiepreise spielt die finanzwirtschaftliche Bewertung eine zentrale Rolle. Insbesondere stellt sich die Frage, zu welchem Zeitpunkt und in welchem Umfang eine sektorübergreifende Kopplung erforderlich ist. Das Projekt SmartMES konzentriert sich auf die Verbindung des elektrischen und des thermischen Energiesystems. Im Teilprojekt des Lehrstuhls für Innovations- und Finanzmanagement liegt der Fokus auf der Anwendung finanzmathematischer Methoden mit dem Ziel, die mit solchen Energieinfrastrukturen verbundenen Flexibilitätspotenziale – sogenannte reale Optionen – datengetrieben bzw. simulationsbasiert zu bewerten.

View project in the research portal

In today's dynamic business environment, companies are increasingly pressured to stand out not just in terms of profit margins but also through innovative workplace strategies. Consequently, optimizing operational processes while accommodating diverse preferences of employees and customers has become increasingly crucial.

Recognizing and addressing employee preferences, such as flexible working hours and tasks tailored to their skill level and abilities, not only enhances job satisfaction and productivity but also fosters a more harmonious work environment. Similarly, considering customer preferences, such as service within desired time windows, can significantly enhance service quality and overall satisfaction levels. Meeting these objectives requires sophisticated planning and decision-support tools.

This project explores innovative solutions to identify and integrate diverse preferences into workforce and route planning. Specifically, we will investigate the influence of incorporating employee preferences spanning i.e., task types, work areas, and equitable workload distribution, ensuring optimal resource allocation. These approaches will be explored across various sectors, including last-mile delivery and the complex field of home health care routing and scheduling.

View project in the research portal

The goal of this project is to systematically improve quantitative decision support for urban mobility and logistics, to analyze its methodological functionality, to derive general conceptual insight, and to use the derived concept for future method designs.For applications in urban mobility and logistics, operational decision support needs to be effective, fast, and applicable on a large scale - often under incomplete information. Providers face uncertainty in many components, for example, the customer demand, the urban traffic conditions, or even the driver behavior. Mere adaptions to new information are often insufficient and anticipation of this uncertainty is key for successful operations. In research and practice, a range of anticipatory methods has been developed, usually tailored to specific practical problems. Such methods may follow intuitive rule-of-thumbs, draw on sampling procedures, or use reinforcement learning techniques. While the methods may perform well for individual problems, there is still a very limited understanding of the general dependencies of a method’s performance and a problem’s characteristics. This research project will provide this conceptual understanding.To this end, the project will systematically develop and compare different methodology for a set of problems from three different application areas, one combining urban mobility and transport as a service, one using a network of parcel stations for urban transportation, and one performing pickup and delivery with a gig economy workforce. The three problems differ in several dimensions, especially in their sources of uncertainty. To classify the problems, measures will be developed, for example, with respect to the scale of the problem or structure and degree of uncertainty. For each problem, a set of different methods will be developed. The methods will improve decision support for the specific problems while simultaneously allowing a systematic analysis of dependencies between problem and methodology performance. To this end, additional measures will be developed to classify method performance, for example, decision speed, or the interpretability of a method. Based on the problem and method measures and the extensive experiments and analyses, a framework will be developed to guide future method design for this emerging research field.This project will span six years and will be hosted at the TU München (TUM). During the project, the PI will supervise three PhD-students, each student working four years in one application area. The PI and the students will collaborate with researchers from TUM and the Georgia Institute of Technology.

View project in the research portal

A pandemic can immobilize municipalities within a short amount of time. The key is to discover and avoid spreading of infection clusters through fast and effective testing. An innovative idea implemented during the COVID-19 pandemic in metropolitan areas such as Vienna, Austria, is the employment of a workforce of mobile testers. This project deals with the operational management of such mobile testers and the resulting impact on the spread of a disease using COVID-19 as an example.Based on state-of-the-art multi-agent simulation models, we will generate and analyze data on the tem-poral and spatial spreading (descriptive analytics). With methods of predictive analytics, we will aggregate the data to a detailed information model with a particular focus on modelling correlation for testing de-mand. Using this, we will model and solve the dynamic tester routing with infection hot spots and correla-tion demand problem (TRISC) using methods of prescriptive analytics, esp. reinforcement learning. The obtained policies will be evaluated by the multi-agent simulation again.Hypotheses / research questions / objectivesThe following core research questions will be investigated: (1) How can data of the spread of highly infec-tious diseases like COVID-19 be analyzed and modeled for the purpose of dynamic workforce control? (2) How can we achieve an effective dynamic control of the workforce in reaction and in anticipation of the complex disease information? (3) When is anticipatory dynamic workforce control effective in containing the spread of pandemics?The problem at hand shows new and severe complexity in the information model of the demand (test requests) and in the decision model for the operational control. Deriving the demand information model (via predictive analytics) is complex because it must capture the spatial-temporal correlation of demand. The decision model for the problem is a novel stochastic and dynamic vehicle routing problem. Determin-ing high-quality decisions that integrate the information model (via prescriptive analytics) is therefore additionally challenging. The evaluation by an established agent-based simulation is particularly excep-tional for this research field.The project will be conducted by Jan Fabian Ehmke (JE, Universität Wien), Marlin Ulmer (MU, Technische Universität Braunschweig), and Niki Popper (NP, Technische Universität Wien). JE will serve as coordina-tor and is responsible for tasks of predictive analytics. MU leads the project part on prescriptive analytics for dynamic vehicle routing. NP will contribute with an agent-based simulation that supports the creation of the predictive information model and the evaluation of dynamic and stochastic disease sampling. This will provide unique opportunities to extend current methods including their evaluation in the urgent ap-plication of disease routing.

View project in the research portal

We analyze planning and operations in restaurant meal-delivery, We consider the design of different delivery systems. We further optimize demand and fleet control in an integrated manner, and use machine learning for delivery time predictions.

View project in the research portal

To compete with e-commerce giants such as Amazon, many local businesses start to offer fast same-day delivery, often within a few hours after an order was placed. Deliveries are conducted by local delivery fleets. However, the narrow delivery times and the geographical spread of pickup and delivery locations result in a lack of consolidation opportunities. This can be remedied by so-called micro hubs, which can serve as transhipment centres for parcels in urban delivery. Drivers can store parcels from adjacent shops for redistribution. They also can pick up parcels from different shops for joint delivery to customers in the same region. Thus, micro hubs can increase consolidation opportunities and may also enable the use of smaller, green, and clean vehicles for first and last mile delivery. Within this project, optimisation models incorporating consolidation centres in the pickup and delivery system of urban same day delivery are developed. Further, different solution approaches will be investigated to cope for the uncertainty in demand at time of planning.

View project in the research portal

Local delivery platforms are collaborative undertakings where local stores offer instant-delivery to local customers ordering their products online. Offering such delivery services both reliably and cost-effectively is one of the main challenges for local delivery platforms as they face a complex, stochastic, dynamic pickup-and-delivery problem. Orders need to be consolidated to increase the efficiency of the delivery operations and thereby enable a high service guarantee towards the customer and stores. But, waiting for consolidation opportunities may jeopardize delivery service reliability in the future, and thus requires anticipating future demand. This project introduces a generic approach to balance the consolidation potential and delivery urgency of orders. Inspired by a motivating application in the city of Groningen, the Netherlands, numerical experiments show that this approach strongly increases perceived customer satisfaction while lowering the total travel time of the vehicles compared to various benchmark policies. It also reduces the percentage of late deliveries, and the extent of their lateness, to a minimum.

View project in the research portal

Peer-to-peer transportation platforms dynamically match requests (e.g., a ride, a delivery) to independent suppliers who are not employed nor controlled by the platform. Thus, the platform cannot be certain that a supplier will accept an offered request. To mitigate this selection uncertainty, a platform can offer each supplier a menu of requests to choose from. However, such menus need to be created carefully because there is a trade-off between selection probability and duplicate selections. In addition to a complex decision space, supplier selection decisions are vast and have systematic implications, impacting the platform’s revenue, other suppliers’ experiences (in the form of duplicate selections) and the request waiting times. Thus, we present a stochastic optimization. Extensive computational results using the Chicago Region as a case study illustrate that our method outperforms a set of benchmark policies. Our method leads to more balanced assignments by sacrificing some easy wins towards better system performance over time and for all stakeholders involved, including increased revenue for the platform, and decreased match waiting times for suppliers and requests.

View project in the research portal

In traditional scheduling research, machines are supposed to be only able to process one job at a time. However, in several real-world situations, machines can process several jobs in parallel up to a given capacity. One example is the growing of crops in greenhouses. The arising capacitated scheduling problems form a generalization of well-studied scheduling problems and have rarely been studied in the literature. We analyze the characteristics of these problems in various settings, such as flow shop or job shop. Tailored algorithms are developed to solve realistic problem instances considering multiple objectives.

View project in the research portal

Large manufacturing companies often manage a network of multiple factories, creating distributed scheduling problems. These problems involve assigning jobs to one of several distributed factories and sequencing the jobs within their designated factories. However, planning in distributed environments also requires the transport of jobs to factories. These transports are usually neglected in the existing planning approaches but can significantly impact the generated plans. We analyze the impact of transportation concerning classical scheduling objectives and environmental objectives such as emissions and energy consumption. Furthermore, inter-factory transports of intermediate goods are analyzed.

View project in the research portal

Scheduling is one of the most relevant planning tasks in operations management and describes the sequencing of jobs on machines. In practice, so-called hybrid flow shops (HFS) are often found, i.e., production lines in which several machines are available in the individual production stages. This means that, in addition to the sequence of the jobs, the jobs must also be assigned to the individual machines. Using lot streaming, i.e., the early transfer of sublots to subsequent production stages, can increase efficiency. However, quantifying the benefits of lot streaming is still necessary and tackled in this project. Because traditional planning approaches are usually unable to solve the complexity of this planning task, solution algorithms for this problem will be developed and evaluated. Problem properties are exploited to improve the approaches further. The developed algorithms can enable higher productivity and efficiency in industrial production in the future.

View project in the research portal

Existing powerful operations research methods enable the creation of highly efficient plans for deploying personnel and vehicles in rail transport. In the implementation, however, delays and breakdowns mean that the plans can often not be executed as intended. To meet this challenge, in the project VIPES, methods are developed to design schedules for traction units and shift schedules for train crews in such a way that they are efficient and reliable at the same time. This is to be made possible by intelligent interaction between optimization and simulation. Machine learning techniques are used to identify efficient and reliable solution structures, which will be used in the solution procedures.

View project in the research portal

The novel right-to-repair legislation intends to extend the usage period of consumer durables by enabling customers to repair their products when becoming defective. This right-to-repair requires manufacturers of new product to changes the product design to make it repairable (design for repair), but they also must supply the customers with reasonably prices spare parts. Remanufacturers also might profit from easier access to spare parts. Therefore, the questions arise, how the new legislation impacts manufacturers, consumers, and remanufacturers, and what impact it will have on the environment. To answer these questions, we are use strategic decision models and game theoretic solution approaches.

View project in the research portal

Das Verbundprojekt beschäftigt sich mit der Fragestellung, wie, im Rahmen der Energie- und Mobilitätswende, geeignete Lademöglichkeiten in Wohnungsbestand, insbesondere Gebäude mit mehreren Wohn- bzw. Nutzungsparteien, geschaffen werden können.
Das Ziel hierbei ist es, kostengünstige, komfortable, verständliche und einfach zu bedienende Lademöglichkeiten für Elektrofahrzeuge in Gebäuden mit mehreren Mietparteien zu schaffen. Es soll eine technische und organisatorische Lösung, in Form eines Energiemanagementsystems, auf Haus- und Quartiersebene vorgeschlagen werden, die insbesondere die Mieter von Gebäuden mit mehreren Parteien anspricht. Als Teil des Energiemanagementsystems koordiniert ein Lademanagement die Ladevorgänge je nach Bedarf der Mieter und unter Berücksichtigung dezentraler Stromerzeugungssysteme (Photovoltaikanlage und Blockheizkraftwerk).
Innerhalb des Teilvorhabens "Integrierter Ansatz zur anreizkompatiblen Optimierung des Lademanagements" sollen konkrete Tarif- und Ausgleichsmodelle entwickelt werden, um Anreize für die Pflege eines Bedarfskalenders zu schaffen. Die Ziele dieses Teilvorhabens umfassen die (Weiter-) Entwicklung eines mathematischen Optimierungsmodells, welches dem Lademanagement unterliegt, sowie das Untersuchen der Wirkung unterschiedlicher Tarif- bzw. Anreizmodelle, um Handlungsempfehlungen für den Einsatz in Mehrfamilienhäusern ableiten zu können.

View project in the research portal

Die Fragestellung des Projektes beschäftigt sich mit der Investition in Stromerzeugungs- und -speichertechnologien. Dabei stellt sich diese Frage insbesondere für Einfamilienhausbesitzer und Mehrfamilienhausbesitzer sowie kleine und mittlere KMU, da dort eine Investition ein relativ großes finanzielles langfristiges Wagnis darstellt. Zudem besteht zunehmend die Schwierigkeit der Auswahl einer geeigneten Technologie, in die investiert werden soll.

Ziel des Projektes ist die Entwicklung einer Methodik für die komplexe Investitionsentscheidungen unter Unsicherheit sowie unter dem Aspekt der Eigenverbrauchsdeckung bzw. Energievermarktung. Dabei soll eine Praxis-optimale Systemlösung gefunden werden. Diese Systemlösung muss basierend auf einem großen Technologiepool für Erzeugung, Speicherung und Konversion identifiziert werden und zugleich die kritischen Aspekte Wirtschaftlichkeit, Effizienz, Umweltverträglichkeit und Sicherheit erfüllen. Darüber hinaus soll diese Optimierung für Zeitschritte unterhalb der 1/4 h betrachtet werden.

Mit diesen Ergebnissen kann für Netzbetreiber die Entwicklung einer Methodik für die verbesserte Vorhersage von sich im Wandel befindenden Verbrauchsprofilen von Prosumer & KMUs vorangetrieben werden. Zudem können Handlungsempfehlungen hinsichtlich verschiedener Aspekte der Bilanzkreisführung gegeben werden.

Dieses Projekt wird gefördert durch das Land Sachsen-Anhalt mit Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE).

View project in the research portal

In Zeiten von Globalisierung bzw. zunehmender internationaler Vernetzung und einer damit einhergehenden unsichereren, komplexeren dynamischen Welt, steigt der Bedarf für zeitgemäße Bewertungsansätze im Finanzmanagement. Die Unsicherheit per se kann vielfältige Ursachen haben und beispielsweise aus verschiedenen Technologien, dem gesamtwirtschaftlichen, sowie dem politischen und regulatorischen Umfeld erwachsen. Ihre Handhabung stellt insbesondere in der Praxis ein Problem dar. So scheitert die Bewertung von Forschungs- und Entwicklungsinvestitionen oder (Energie-) Infrastrukturprojekten regelmäßig.

Im Rahmen dieses Forschungsprojekts wird angestrebt, diverse Unsicherheitsquellen modelltheoretisch abzubilden, um darauf aufbauend möglichst ganzheitliche Modelle für die Beurteilung von finanzwirtschaftlichen Problemen (weiter) zu entwickeln. Beispiele hierfür sind u.a. der Einfluss von Unsicherheit auf die Bauzeit, das Wettbewerbsverhalten, technische Ausfallwahrscheinlichkeiten, sowie das Lernverhalten.

View project in the research portal

Im Rahmen der Energiewende soll die deutsche Energieversorgung sukzessive auf erneuerbare Energien umgestellt werden. Hierbei nimmt das Flächenland Sachsen-Anhalt eine Vorreiterrolle ein. Mit seinem hohen Anteil an erneuerbaren Energien an der Bruttostromerzeugung stellt es im bundesdeutschen Vergleich ein Positiv-Beispiel für eine erfolgreiche staatliche Förderpolitik dar. Für die Umsetzung letzterer werden diverse Planungstools zur Energieplanung eingesetzt, jedoch werden hier nur selten eine Vielzahl von Nebenbedingungen (technische, ökonomische, regulatorische, politische) berücksichtigt. Zudem bilden sie die komplexe Realität zu wenig ab. Gerade die optimale Investitionsentscheidung (unter Unsicherheit) und der optimale Fahrplan des, aus Erzeugungs-, Speicherungs- und Konversionstechnologien, gewählten Anlagenpools sind hochkomplexe Entscheidungen, welche durch die Akteure nicht ohne weiteres getroffen werden können. Aufgrund der Komplexität der Entscheidung ergeben sich wesentliche methodische Herausforderungen in der Umsetzung von Investitionsentscheidungen auf der Prosumerseite und in der entsprechenden Optimierung der Eigenverbrauchsdeckung, die im Rahmen des Forschungsprojekts bearbeitet werden sollen.

View project in the research portal

Neben ökonomischen Zielen treten in der Gesellschaft auch zunehmend soziale und ökologische Interessen in den Vordergrund. Solche sind beispielsweise in den 17 Zielen für nachhaltige Entwicklung der Vereinten Nationen (UN) ratifiziert. Auch gewinnorientierte Unternehmen sehen sich daher zunehmend verstärkt damit konfrontiert, soziale und ökologische Interessen von ihren Stakeholdern zu berücksichtigen. Beispiele umfassen die Forderung nachhaltiger Produkte durch Kunden, strengere ökologische Anforderungen durch den Gesetzgeber oder der Wunsch nach nachhaltigen Projekten durch Shareholder. Unternehmen investieren deshalb vermehrt in Nachhaltigkeitsprojekte. Bei der Planung, Bewertung und Durchführung dieser Projekte müssen neben der ökonomischen Untersicherheit somit auch diese politischen und gesellschaftlichen Faktoren und Unsicherheiten berücksichtigenberücksichtigt werden. Dieses Forschungsprojekt hat zum Ziel, die besonderen Einflussfaktoren von möglichen Nachhaltigkeitsprojekten eines Unternehmens zu erfassen und diese als Investitionsmöglichkeit unter Unsicherheit zu beschreiben. Dabei sollen insbesondere eine Erfassung der jeweils kritischen Stakeholder sowie die Bestimmung des Wertes und der Werttreiber der Investition zur Entscheidungsunterstützung erfolgen. Dazu werden unter anderem auch spieltheoretische und Prinzipal-Agenten-Probleme berücksichtigt.

View project in the research portal

Das FinTech Financial Technology ist ein ego.-Inkubator für die Entwicklung und Erprobung innovativer Konzepte und Lösungsansätze. Die fortschreitende Digitalisierung sowie die zunehmende Akzeptanz von Kryptowährungen, insbesondere der Blockchain-Technologie werden zukünftig maßgeblichen Einfluss auf die realwirtschaftliche Industrie und den Bankensektor nehmen. Die erwarteten disruptiven Veränderungen werden neue innovative Produkte und Dienstleistungen entstehen lassen. Ziel des ego.-Inkubators ist es, gründungsinteressierte Studierende sowie wissenschaftliche Mitarbeiter bei der Entwicklung von entsprechend neuen Produkt- und Dienstleistungsideen im Bereich Financial Technologies zu fördern. Dazu ist das FinTech ausgestattet mit modernsten Hard- und Softwareanwendungen, wie z. B. der Ethereum Blockchain und einem Hochleistungsrechner für Deep Learning und KI-Anwendungen.

Dieses Projekt wird gefördert durch das Land Sachsen-Anhalt mit Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE).

View project in the research portal

Die unternehmerische Finanzwirtschaft verändert sich in Folge der Digitalisierung dramatisch. Kryptowährungen ersetzen Fiat-Geld, Blockchain-Technologien übernehmen die Aufgaben globaler Buchhaltung und Smart Contracts steuern die Financial Supply Chain von Unternehmen. Das Forschungsvorhaben zielt darauf ab, für diverse finanzwirtschaftliche Probleme einen Proof-of-Concept auf Basis ausgewählter digitaler Technologien (Ethereum, Corda, HyperLedger) zu entwickeln und diese auf ihre Praxistauglichkeit hin zu untersuchen. Aktuelle Informationen unter: www.fintech.ovgu.de.

View project in the research portal

Insbesondere das schwer prognostizierbare Käuferverhalten erschwert in zunehmendem Maße die finanzwirtschaftliche Bewertung von Innovationsvorhaben bzw. neuen Technologien. Eindrucksvolle Belege hierfür sind gegenwärtig die schwache Akzeptanz von eAutos oder bargeldlosem Zahlungsverkehr. Ein wesentlicher Vorteil dieser Modellbildung liegt darin, dass das Cash-Flow Profil aus dem Verhalten der einzelnen Agenten resultiert und nicht exogen vorgegeben werden muss, wie in neoklassischen Modellen. Ziel der Forschungsvorhabens ist es ein agentenbasiertes unternehmerisches Entscheidungsmodell zu entwickeln, welches die Wirkung sozialer Medien sowie den Einfluss von Substitutionstechnologien auf das Kaufentscheidungsverhalten zu berücksichtigt.

View project in the research portal

Viele Investitionsentscheidungen müssen von mehreren Parteien getroffen werden, die über unterschiedliche und oft auch  konkurrierende Interessen verfügen. Diese Investitionsentscheidungen können ohne spieltheoretische Methoden nicht vollständig erfasst und modelliert werden. Beispiele sind die Durchführung einer Unternehmensakquisition, die Gründung und Terminierung eines Joint-Ventures oder die Kapazitätserweiterung in einer Supply-Chain. Gleichzeitig sind Investitionsentscheidungen immer auch Entscheidungen unter Unsicherheit, da die Höhe der in der Zukunft durch ein Investitionsprojekt generierten Cashflows zum Investitionszeitpunkt noch nicht bekannt ist. Zentrale Aussage der Realoptionentheorie ist, dass die Möglichkeit mit der Investition warten zu können in einer solchen unsicheren Situation einen Wert hat, falls die Investitionsmöglichkeit auch später noch besteht und in der Zwischenzeit mehr Informationen über die durch die Investition generierten Cashflows verfügbar werden. Der Flexibilitätswert dieser Wartemöglichkeit muss jedoch zum Investitionszeitpunkt aufgegeben werden. Bei der Bestimmung des Investitionszeitpunktes und des Wertes einer Investitionsmöglichkeit sollte daher auch auf realoptionstheoretische Methoden zurückgegriffen werden. Ziel des  Forschungsprojektes ist es, Spieltheorie und Realoptionentheorie bei der Modellierung von Investitionsentscheidungen zu kombinieren und so neue Erkenntnisse über das Investment- Timing und die Aufteilung des generierten Mehrwertes zwischen den einzelnen Entscheidungsträgern zu generieren. Von Interesse sind insbesondere auch der Einfluss der Unsicherheit und der Wahl des spieltheoretischen Modells.

View project in the research portal

Innovationen sind ein wichtiger wirtschaftlicher Erfolgsfaktor und Antriebskraft für den Wandel eines Unternehmens und der Gesellschaft. Neben Prozess- und Sozialinnovationen sind vor allem neuartige Produkte sowie insbesondere ihre Entwicklung, Vermarktung und Finanzierung von großer Bedeutung. Sowohl Forschung als auch Praxis haben gezeigt, dass ihre Phasen mittels Produktlebenszyklus beziehungsweise des Produktnachfragezyklus charakterisiert werden können. Die genaue Entwicklung und somit die generierten Cashflows können jedoch zu Beginn eines Projektes nicht exakt prognostiziert werden. Die Möglichkeit zur Produktinnovation kann somit als Investitionsentscheidung unter Unsicherheit verstanden werden. Das zentrale Forschungsinteresse des Projektes ist es, die Diffusionsforschung und die Handlungsflexibilität des Unternehmens bei der Modellierung  von Investitionsentscheidungen zu kombinieren. Es sollen sowohl das Timing als auch der Wert der Investitionsmöglichkeit in Abhängigkeit entscheidender Faktoren wie der Unsicherheit und den Eigenschaften des Produktlebenszyklus untersucht werden.

View project in the research portal

Es ist die Strategie eines Unternehmens, die es kompetitiv am Markt agieren lässt. Besonders in Zeiten der Globalisierung und des technischen Fortschritts verändert sich das Marktumfeld der Unternehmen kontinuierlich. Hinzu kommt eine starke Asymmetrie zwischen lokalen Kleinunternehmen und globalen Akteuren. Die neuen Aspekte machen ein aktualisiertes Strategiekonzept erforderlich, das sowohl Unternehmensstrategien für die lokalen als auch für die globalen Akteure bereitstellt. Ziel des Forschungsprojektes ist es, Unternehmensstrategien für lokale wie auch globale Unternehmen zu ermitteln, die ein nachhaltiges Bestehen der Unternehmen auf den globalisierten Märkten ermöglichen. Diese Unternehmensstrategien sollen sowohl in der Theorie einsetzbar als auch in der Praxis anwendbar sein und in ihrer Formulierung so zugänglich sein, dass Managern und anderen Entscheidungsträgern einfach zu handhabende Handlungsanweisungen geboten werden können. Darüber hinaus ist die Zugänglichkeit der zu formulierenden Unternehmensstrategien auch wichtig, um es der Unternehmensleitung zu ermöglichen, den Mitarbeitern einheitliche Leitlinien einer Mission beziehungsweise einer Corporate Strategy näherzubringen.

View project in the research portal

Many mergers & acquisitions (M&A) fail and cause enormous welfare losses (e. g. plant closings, lay-offs, tax losses). Reasons can be an inappropriate purchase price, a failed target integration, volatile economic environments and times. To cope with these problems risk reducing techniques like earn-outs or partial acquisitions become increasingly popular. The success of these M&A transactions and their relevant parameters can be analyzed by different and complementary approaches. All these have in common that they are based on corporates’ stock market reactions caused by these transaction events. The most appropriate method to investigate the short-term success of M&A is to conduct an event study. In this case the stock market returns for companies that announce an earn-out are adjusted by the normal reaction of a stock market index. The long-term success of earn-outs can be investigated with the help of the Fama-French Model, buy-and-hold returns or stochastic dominance. The simplest method is the latter one to show long-term success by comparing the cumulative density function between event companies and non-event companies. The primary goal is the identification of relevant success factors to gain a better understanding for risk reducing techniques in acquiring companies. The secondary goal is to find theoretical support of economic theories (transaction costs, agency and real options theory) for earn-outs.

View project in the research portal

The goal of this project is to provide effective decision support for stochastic dynamic pickup and delivery problems by combining the strengths of mixed-integer linear programming (MILP) and reinforcement learning (RL).Stochastic dynamic pickup-and-delivery problems play an increasingly important role in urban logistics. They are characterized by the often time-critical transport of wares or passengers in the city. Common examples are same-day delivery, ridesharing, and restaurant meal delivery. The mentioned problems have in common that a sequence of decision problems with future uncertainty must be solved in every decision step where the full value of a decision reveals only later in the service horizon. Searching the combinatorial decision space of the subproblems for efficient and feasible tours is a complex task of solving a MILP. This complexity is now multiplied by the challenge of evaluating such decision with respect to their effectiveness given future dynamism and uncertainty; an ideal case for RL. Both are crucial to fully meet operational requirements. Therefore, a direct combination of both methods is needed. Yet, a seamless integration has not been established due to different reasons and is the aim of this research project. We suggest using RL to manipulate the MILP itself to derive not only efficient but also effective decisions. This manipulation may change the objective function or the constraints. Incentive or penalty terms can be added to the objective function to enforce or prohibit the selection of certain decisions. Alternatively, the constraints may be adapted to reserve fleet-resources.The challenge is to decide where and how the manipulation takes place. SDPDPs have constraints with respect to routing, vehicle capacities, or time windows. Some constraints may be irrelevant for the fleet’s flexibility while others might be binding. The first part of the research project focuses on identifying the "interesting” parts of the MILP via (un-)supervised learning. Once the "interesting” parts are identified, the second challenge is to find the right parametrization. Here, we will apply RL methods to learn the state-dependent manipulation of the MILP components.

View project in the research portal

There has been a paradigm-shift in urban logistic services in the last years; global interconnectedness, urbanization, ubiquitous information streams, and increased service-orientation raise the need for anticipatory real-time decision making. A striking example are logistic service providers: Service promises, like same-day or restaurant meal delivery, dial-a-ride, and emergency repair, force logistic service providers to anticipate future demand, adjust to real-time traffic information, or even incorporate unknown crowdsourced drivers to fulfill customer expectations. Data-driven, anticipatory approaches are required to overcome the challenges of such services. They promise to improve customer satisfaction through accurate predictions (e.g., via supervised learning), enhanced fleet control (e.g., via reinforcement learning), and identification of demand patterns and delivery scenarios (e.g., via unsupervised learning). Within this research project, we combine recent advances in machine learning with established methods from operations research to tackle present-day challenges in urban logistics.

View project in the research portal

From the perspective of a firm providing on-location services, we address the problem of determining service time windows that must be communicated to customers at the time of request. We set service time windows under incomplete information on arrival times to customers. We show how to minimize expected time window width subject to a constraint on service level. We use analytical results of the problem to inspire a practice-ready heuristic for the more general case. Relative to the industry standard of communicating uniform time windows to all customers, and to other policies applied in practice, our method of quoting customer-specific time windows yields a substantial increase in customer convenience without sacrificing reliability of service.

View project in the research portal

In this project, we study the problem of offering fair same-day delivery (SDD)-service to customers. The service area is partitioned into different regions. Over the course of a day, customers request for SDD service, and the timing of requests and delivery locations are not known in advance. The dispatcher dynamically assigns vehicles to make deliveries to accepted customers before their delivery deadline. In addition to overall service rate, we maximize the minimal regional service rate across all regions by means of reinforcement learning. Computational results demonstrate the effectiveness of our approach in alleviating unfairness both spatially and temporally in different customer geographies. We also show this effectiveness is valid with different depot locations, providing businesses with opportunity to achieve better fairness from any location. Further, we consider the impact of ignoring fairness in service

View project in the research portal

We consider an urban instant delivery environment, e.g., meal delivery, in which customers place orders over the course of a day and are promised delivery within a short period of time after an order is placed. Deliveries are made using a fleet of vehicles, each completing one or more trips during the day. To avoid missing delivery time promises as much as possible, the provider manages demand by dynamically adjusting the size of the service area, i.e., the area in which orders can be delivered. The provider seeks to maximize the number of orders served while avoiding missed delivery time promises. We analyze several techniques to support the dynamic adjusting of the size of the service area which can be embedded in planning and execution tools that help the provider achieve its goal. Extensive computational experiments demonstrate the efficacy of the techniques and show that dynamic sizing of the service area can increase the number of orders served significantly without increasing the number of missed delivery time promises.

View project in the research portal

Eco-labels are a way to benchmark transportation shipments with respect to their environmental impact. In contrast to an eco-labeling of consumer products, emissions in transportation depend on several operational factors like the mode of transportation (e.g., train or truck) or a vehicle’s current and potential future capacity utilization when new orders are added for consolidation. Thus, satisfying eco-labels and doing this cost-efficiently is a challenging task when dynamically routing orders in an intermodal network. In this project, we analyze how reinforcement learning techniques can be adapted to our problem and show their advantages and the impact of Eco-labels in a comprehensive study for intermodal transport via train and trucks in Europe.

View project in the research portal

E-Commerce has increased sales by two-digit percentages in the last years. In the future, same-day delivery (SDD) will become a major success factor for E-Commerce companies. However, offering SDD is expensive because short delivery deadlines and subsequently ordering customers leave little room for consolidation. To cost-efficiently provide SDD, decision support methods are required. On the operational level, these methods dynamically create, update, and adapt delivery tours based on newly revealed information. For effective decision making, these methods need to anticipate both the detailed short term impact as well as the general long-term impact of a decision. SDD-problems form a subgroup of stochastic dynamic vehicle routing problems. This problem class is relatively new and general methods are not established yet. Because of the high complexity of dynamic vehicle routing problems, exact methods cannot be applied. First work in this area draws on heuristic methods of approximate dynamic programming (ADP). ADP-methods use simulation of the dynamic model to approximate a decision’s impact on the future. These methods can be differentiated based on the time these simulations take place. Online methods start simulating in the actual decision state. Offline methods conduct simulations before the decision process starts. They store the aggregated results and access them during the actual decision process. Online methods can simulate using full detail of a decision state but only with limited calculation time available. Offline methods allow frequent simulations and reliable long-term approximations, however, on an aggregated level. For the SDD-problem at hand, both short-term detail and long-term reliability are essential for successful decision support. However, both online and offline methods fall short in one of the two capacities. A combination is necessary. This research projects aims on developing a combined ADP-method for the SDD-problem. The method allows a generic, state-dependent shift between online and offline simulation results. The method will provide effective decision support and business insight for a new and important SDD-problem. Further, this method will be generic and broadly applicable in the field of dynamic vehicle routing. It will therefore be an important step towards a general solution framework in dynamic vehicle routing.

View project in the research portal

How to best deliver goods to consumers has been a logistics question since time immemorial. However, almost all traditional delivery models involved a form of company employees, whether employees of the company manufacturing the goods or whether employees of the company transporting the goods. With the growth of the gig economy, however, a new model not involving company employees has emerged: relying on crowdsourced delivery. Crowdsourced delivery involves enlisting individuals to deliver goods and interacting with these individuals using the internet. In crowdsourced delivery, the interaction with the individuals typically occurs through a platform. Importantly, the crowdsourced couriers are not employed by the platform, and this has fundamentally changed the planning and execution of the delivery of goods: the delivery capacity is no longer under (full) control of the company managing the delivery. We analyze the challenges this introduces, review how the research community has proposed to handle some of these challenges, and elaborate on the challenges that have not yet been addressed.

View project in the research portal

Personal- und Fahrzeugkosten stellen sowohl im Personen- als auch Güterverkehr die wesentlichen Kostenbestandteile im Betrieb von Schienenverkehrsnetzen dar. Daher ein effizienter Einsatz dieser für Eisenbahnverkehrsunternehmen von zentraler Bedeutung. Gleichzeitig sind die relevanten Planungsprobleme sehr komplex und erfordern leistungsfähige Verfahren des Operations Research um praktische Instanzen lösen zu können. Das Projekt beschäftigt sich mit der Entwicklung dieser unter Einbezug praktischer Anforderungen. Insbesondere wird dabei die Schichtplanung von Zugbegleitern sowie das Locomotive Assignment Problem im Güterverkehr betrachtet.

View project in the research portal

Die Maschinenbelegungsplanung ist eine klassische Aufgabenstellung der Produktionsplanung - und steuerung. Meist kommen in der aktuellen Forschung dabei Metaheuristiken zum Einsatz. Im Rahmen dieses Forschungsprojektes werden insbesondere Erweiterungen des Hybrid Flowshop Problems betrachtet. Zum einen wird die Berücksichtigung des Energieverbrauchs analysiert, welches zu multi-kriteriellen Optimierungsproblemen führt. Ein weiterer Aspekt ist die Möglichkeit Aufträge in Unteraufträge aufzuteilen. Der Einfluss dieses sogenannten Lot Streamings auf die Fertigstellungszeiten und Zykluszeit wird im Rahmen dieses Projektes untersucht.

View project in the research portal

This project develops a case study detailing the reaction of an alternative food pantry to the Coronavirus. The alternative food pantry provided produce, dairy, meat, and cereals to around 150 families each week before the virus. Due to social distancing and concerns about spreading infection, the food distribution process needed to be quickly modified. This paper examines their procurement, transportation, and distribution operations before and during the virus crisis. This juxtaposition highlights the changes that the unfolding pandemic necessitated and the various ways food pantries can organize their distribution.

View project in the research portal

Die Einführung von proprietären Teilen, um sich einen Wettbewerbsvorteil gegenüber unabhängigen Aufarbeitungsunternehmen zu verschaffen, ist eine häufig von Produzenten (OEMs) angewendete Strategie. In diesem Forschungsprojekt betrachten wir im Rahmen eines strategischen Modellierungsansatzes einen OEM, der mit einem unabhängigen Aufarbeiter (IR) konkurriert, welcher aufgearbeitete Produkte des OEM verkauft, die mit den neuen Erzeugnissen in Wettbewerb stehen. Der OEM zieht die Verwendung proprietärer Teile in Betracht, um einen stärkeren Einfluss auf den Sekundärmarkt ausüben zu können. Ziel der Untersuchung ist es, den Einfluss der Produktdesignentscheidung auf den Preiswettbewerb zwischen OEM und IR besser zu verstehen.

View project in the research portal

In einer Vielzahl von Veröffentlichungen zu strategischen Entscheidungsproblemen in Closed-Loop Supply Chains wird im Rahmen der Modellierung der Entscheidungssituation davon ausgegangen, dass die Zahlungsbereitschaft der Konsumenten für ein wiederaufbereitetes Produkt jeweils einen (über alle Verbraucher) konstanten Anteil der Zahlungsbereitschaft für das entsprechende neue Produkt darstellt. Diese vereinfachende Annahme erleichtert es, strukturelle Aussagen ableiten zu können. Neuere empirische Untersuchungen stellen diese Annahme jedoch in Frage, indem sie zeigen, dass die Diskontierungsfaktoren unter den Verbrauchern beträchtlich variieren. Im Rahmen dieses Projektes erfolgt für unterschiedliche komplexe Modelle ein Vergleich der Lösung unter konstanten Diskontierungsfaktoren mit der Lösung, die eine Wahrscheinlichkeitsverteilung für die Abzinsungsfaktoren voraussetzt.

View project in the research portal

Neuere Untersuchungen haben gezeigt, dass Konsumenten erhebliche Bedenken hinsichtlich der Qualität von aufgearbeiteten Produkten haben, was eine geringere Zahlungsbereitschaft für aufgearbeitete als für neue Produkte nach sich zieht. Um dieses Phänomen besser zu verstehen, kombiniert dieses Projekt Umfragen und experimentelle Studien, um die Ursachen der als geringer wahrgenommenen Qualität und deren Einfluss auf die Zahlungsbereitschaft der Konsumenten für wiederaufbereitete Geräte zu ermitteln. Ein besseres Verständnis dieser Zusammenhänge kann für die Planung von Aufarbeitungsaktivitäten und die Preisgestaltung für aufgearbeitete Produkte genutzt werden.

View project in the research portal

Eine häufig von Unternehmen angewendete Beschaffungsstrategie besteht in der kombinierten Nutzung von Kapazitätsreservierungsverträgen und dem Spotmarkt. Hierdurch soll ein Ausgleich zwischen den jeweiligen, mit den einzelnen Beschaffungsquellen verbundenen, Risiken erreicht werden. In diesem Projekt werden sowohl optimale als auch vereinfachte Strategien für langfristige Kapazitätsreservierungen und periodische Bestell-/Bestandsentscheidungen unter Verwendung der oben genannten Quellen unter stochastischer Nachfrage und zufälligen Spotmarktpreisschwankungen analysiert. Ziel ist es, strukturelle Eigenschaften der optimalen kombinierten Einkaufspolitik unter verschiedenen Bedingungen zu finden. Unter Nutzung dieser Eigenschaften sollen  Heuristiken entwickelt werden.

View project in the research portal

Das Bestandsmanagement von Ersatzteilen stellt Hersteller langlebiger Industrie- und Konsumgüter insbesondere in der Nachserienphase vor große Herausforderungen, da nach Abschluss der Serienproduktion die zu einer effizienten Bedarfsbefriedigung notwendige Flexibilität stark eingeschränkt ist. Ziel des Projektes ist die Entwicklung eines Entscheidungsunterstützungssystems für komplexe Beschaffungsstrategi­en, bestehend aus Kombinationen der am häufigsten genutzten Beschaffungsoptionen in Form von Abschlusslosbildung zu Serienbedingungen, Nachproduktion in kleineren Losen und Aufarbeitung von Altprodukten.

View project in the research portal

In diesem Projekt wird die auftragsorientierte Fertigung in der maschinellen Werkstattproduktion klein- und mittelständischer Unternehmen (KMU) betrachtet. Wesentliche Planungsaufgaben stellen dabei die Maschinenbelegungs- und die Personaleinsatzplanung mit der Qualifikation der Mitarbeiter als verbindendem Element dar. In der Literatur und der praktischen Anwendung werden die Teilprobleme weitgehend getrennt voneinander betrachtet und häufig sukzessive gelöst. Ein solches Vorgehen ist jedoch insbesondere in KMUs problematisch, da Interdependenzen zwischen den Teilproblemen nicht in ausreichendem Maße berücksichtigt werden können. Solche liegen beispielsweise vor, wenn qualifiziertes Personal die Prozesse an den Maschinen durchgehend begleiten muss, dieses aber nur eingeschränkt zur Verfügung steht. Ziel ist es, für die Simultanplanung von Maschinenbelegung und Personaleinsatz effiziente Modellierungen und Lösungsansätze zu entwickeln.

View project in the research portal

Herrstellern langlebiger Wirtschaftsgüter verpflichten sich häufig zur langfristigen Bereitstellung von Ersatzteilen. Die effiziente Bereitstellung dieser Ersatzteile stellt demzufolge eine Hauptaufgabe im After-Sales-Geschäft dar. Neben traditionellen Beschaffungsoptionen wie einem Endbevorratungslos und der Aufarbeitung von Altteilen, die in ihrer Flexibilität jeweils großen Einschränkungen unterliegen, stellt der Rückkauf von defekten Produkten eine nützliche weitere Option dar. Obwohl dieser mit hohen direkten Ausgaben verbunden sein kann, lassen sich aufgrund der nun nicht mehr notwendigen Bedarfsbefriedigung zusätzliche Kostensenkungspotentiale erschließen. Neben einer größeren Kontrolle über den Bedarf an Ersatzteilen erhöht der Rückkauf auch die Verfügbarkeit an aufzuarbeitenden Altprodukten, wodurch sich letztlich die auf lange Sicht sehr teure Endbevorratung mit dem Abschlusslos reduziert lässt. Im Rahmen dieses Projektes werden mit quantitativen Methoden optimale Rückkaufstrategien unter verschiedenen Rahmenbedingungen bezüglich der Verfügbarkeit an Informationen und Flexibilität der Rückkaufoption untersucht, aus denen Handlungsempfehlungen für den Einsatz in der Praxis abgeleitet werden.

View project in the research portal

Im Rahmen immer kürzer werdender Produktlebenszyklen stellt das Bestandsmanagement von Ersatzteilen eine zunehmend schwierige Aufgabe für die Hersteller von Originalteilen dar. Diese versuchen nun, dieser Herausforderung durch die Schaffung neuer Optionen für die Befriedigung der Bedarfe zu begegnen. Insbesondere die Aufarbeitung von Altprodukten stellt hier eine lohnenswerte Alternative zur Neuproduktion dar. Dem steht jedoch die teilweise nur mangelhafte Verfügbarkeit von Altprodukten entgegen, da sich auch andere um den lukrativen Ersatzteilmarkt konkurrierende Unternehmen dieser Werte bewusst sind. Anhand eines Fallbeispiels soll untersucht werden, ob sich beispielsweise mit Rücknahmepreisen sowohl die Rücknahme von Altprodukten als auch der Marktanteil des Herstellers von Originalteilen steigern lassen.

View project in the research portal