Der Beginn einer neuen Ära
Im Bereich der intelligenten Transportsysteme stehen autonome Fahrzeuge (AV’s), oder selbstfahrende Fahrzeuge, an vorderster Front der Innovation. Diese technologischen Wunderwerke, die darauf ausgelegt sind, mit minimaler menschlicher Intervention zu funktionieren, sind mit fortschrittlichen Sensoren und Komponenten ausgestattet, die es ihnen ermöglichen, ihre Umgebung wahrzunehmen und informierte Entscheidungen zu treffen. Die Logistikbranche kann durch die Nutzung dieser Technologien einen erheblichen Wettbewerbsvorteil erlangen. Die Herausforderung besteht jedoch darin, aus einer Vielzahl von verfügbaren Optionen das effizienteste und zuverlässigste autonome Fahrzeug auszuwählen.
Das Labyrinth der Entscheidungsfindung
Die Aufgabe, ein geeignetes autonomes Fahrzeug auszuwählen, gleicht der Navigation durch ein Labyrinth und beinhaltet verschiedene Faktoren, die ein Problem der Entscheidungsfindung unter mehreren Kriterien (Multi-Criteria Decision Making, MCDM) darstellen. MCDM, ein Teilbereich der Operationsforschung, befasst sich mit der Entscheidungsfindung unter mehreren, oft konfliktiven Kriterien. Diese Kriterien sind in der Regel voneinander abhängig, was bedeutet, dass sie sich gegenseitig beeinflussen können und dadurch zusätzliche Komplexität in den Entscheidungsprozess einbringen.
Der Weg nach vorn
Die Studie „Logistic autonomous vehicles assessment using decision support model under spherical fuzzy set integrated Choquet Integral approach„² schlägt ein fortgeschrittenes MCDM-Framework vor, das das Choquet-Integral (CI) mit einem Sphärischen Fuzzy-Set (SFS) zur Bewertung von Logistik-AVs verbindet. Das Choquet-Integral ist ein mathematisches Instrument, das zur Berücksichtigung von Wechselwirkungen zwischen verschiedenen Kriterien verwendet wird. Ein Sphärisches Fuzzy-Set hingegen ermöglicht es Entscheidungsträgern, Meinungen mit drei unabhängigen Zugehörigkeitsfunktionen auszudrücken, was mehr Flexibilität bietet. Die Fusion von CI und SFS im vorgeschlagenen Framework bewältigt geschickt die Wechselwirkungen zwischen den Kriterien und die inhärente Unsicherheit in Entscheidungsprozessen.
Spherical fuzzy set.¹
Theorie in die Praxis umsetzen
Das vorgeschlagene Framework wird getestet, um die besten AVs für die Logistikbranche auszuwählen. Die Ergebnisse werden anderen Entscheidungsmethoden wie dem Pythagoreanischen Fuzzy CI und dem Intuitionistischen Fuzzy CI gegenübergestellt. Darüber hinaus wird eine Sensitivitätsanalyse durchgeführt, indem die Gewichte der Kriterien angepasst und verschiedene Szenarien erstellt werden, um die Robustheit des Frameworks zu testen. Die Ergebnisse unterstreichen die Wirksamkeit des Ansatzes und die Konsistenz der Rangfolgen in verschiedenen Szenarien.
Fazit
Das vorgeschlagene MCDM-Framework bietet eine zuverlässige und effiziente Methode zur Bewertung und Auswahl von AVs in der Logistik. Durch die Berücksichtigung von Kriterieninteraktionen und das Management von Unsicherheiten bei der Entscheidungsfindung verbessert das Framework die Genauigkeit und Zuverlässigkeit. Die Implementierung und Sensitivitätsanalyse bestätigen die Wirksamkeit und Robustheit des Ansatzes und liefern wertvolle Erkenntnisse für die Forschung zu autonomen Fahrzeugen in der Logistik. Dies dient als wertvolle Ressource für Akademiker und Praktiker aus der Industrie, die die Zukunft der Logistik navigieren.
Quellen:
¹Location Selection for Smog Towers Using Zadeh’s Z-Numbers Integrated with WASPAS – Scientific Figure on ResearchGate. Available from: https://www.researchgate.net/figure/Spherical-fuzzy-set_fig1_349444522 [accessed 26 Mar, 2024]
²Bonab, S.R. et al. (2022) Logistic Autonomous Vehicles Assessment using decision support model under spherical fuzzy set Integrated Choquet integral approach, Expert Systems with Applications. Available at: https://www.sciencedirect.com/science/article/pii/S0957417422022230#f0010 (Accessed: 26 March 2024).
