Verkürzung von Entscheidungsprozessen

Fuzzy Logic eröffnet neue Möglichkeiten der Lieferantenbewertung

Dr. rer. nat. Ulrich Morlock (links) arbeitet seit fünf Jahren als Logistiker und leitet Projekte von der Beschaffung bis zum Versand; Lehraufträge an der Berufsakademie Heidenheim und bei der Deutschen Angestellten-Akademie in Aalen. Sein besonderes Interesse gilt innovativen Ansätzen in der Logistik.Dipl.-Betriebswirt (BA) Stefan Nachtrab erstellte im Zuge seiner Diplomarbeit an der Berufsakademie Heidenheim (Staatliche Studienakademie) ein funktionstüchtiges Fuzzy-Modell zur Lieferantenbewertung. Diese Arbeit verdeutlicht die ungeahnten Möglichkeiten der Fuzzy Logic und deren Übertragbarkeit auf die verschiedensten betriebswirtschaftlichen Anwendungsgebiete.
Anzeige
Die unscharfe Logik (Fuzzy Logic) ermöglicht die Abbildung des menschlichen Entscheidungsverhaltens auf einem Computer. Dadurch können Entscheidungsprozesse verkürzt und objektiviert werden. Die Bewertung von Lieferanten ist daher ein ideales Anwendungsfeld dieser Methodik.

In einem zunehmend härter werdenden Wettbewerb, verbunden mit einem enormen Kostendruck, ergibt sich für die Unternehmen, die sich den Herausforderungen auf den Märkten erfolgreich stellen wollen und müssen, die Notwendigkeit, insbesondere die Beschaffungsseite verstärkt auf Einsparungspotentiale hin zu untersuchen. Dabei wird schnell deutlich, daß es erforderlich ist, nur mit den besten Lieferanten zusammenzuarbeiten. Um aus der Masse der Anbieter, die durch das Global Sourcing noch einmal zugenommen hat, die jeweils optimale Alternative auszuwählen, ist eine geeignete Lieferantenbewertung notwendig. Neben dem nur sehr eingeschränkt verwendbaren Angebotsvergleich haben sich in der Wirtschaft vor allem die zahlreichen Formen der Punktbewertungsverfahren etabliert.

So einfach ihre Funktionsweise auch sein mag, ihre Schwächen liegen auf der Hand: Es können ausschließlich quantitative Größen erfaßt werden; qualitative Merkmale müssen hierfür zuerst in diese Form transformiert werden – ein nicht unproblematisches Unterfangen, da qualitative Merkmale oft nur unzureichend quantitativ beschrieben werden können. Außerdem ist es kaum möglich, Wissen über den Entscheidungsablauf sowie Erfahrungen, Strategien und Unternehmensphilosophien in ein derartiges System zu integrieren. Schließlich kommt bei einer manuellen Auswertung noch das Problem der Manipulierbarkeit hinzu.
Die Fuzzy Logic bietet ein interessantes und geeignetes Instrumentarium für die Lösung dieser Schwierigkeiten. Dies beruht entscheidend auf der Eigenschaft, daß die Fuzzy Logic mit kontinuierlich abgestuften Graden der Zugehörigkeit zu bestimmten Mengen arbeitet. Das heißt, im Gegensatz zur herkömmlichen zweiwertigen, „scharfen“ Logik, die alles in ein schwarzweißes Schema preßt (wahr/falsch bzw. ja/nein), werden hier auch Graustufen zugelassen. Dadurch kann die Realität besser abgebildet werden, weil auch der Mensch nicht nach der scharfen Logik eines Computers ein Ergebnis ermittelt, sondern durch die Verwendung natürlichsprachlicher Begriffe und ein abwägendes Bewerten Entscheidungen fällen kann und gerade dies auch tut. Speziell diese Unschärfe gestattet es dem Menschen, durch Analogieschlüsse bei anderen Sachverhalten oder bei fehlender beziehungsweise widersprüchlicher Information zu einer befriedigenden Lösung zu kommen.
Auf dem Software-Markt existieren geeignete Fuzzy-Datenanalysesysteme für unterschiedliche Rechnerplattformen, die herkömmlichen Computern die unscharfe Logik erschließen und mit denen sich eine einmal erstellte Lieferantenbewertung automatisieren läßt. Die Fuzzy-Funktionen können je nach verwendetem Fuzzy-Modul ohne größeren Aufwand in Standardapplikationen wie Tabellenkalkulationsprogramme oder Datenbanken eingebettet werden. Die nach DIN ISO 9000 erforderlichen Dokumentationen werden vom Fuzzy-Modul auf Wunsch automatisch generiert.
Allgemeines zur Fuzzy Logic
Nachdem die Fuzzy Logic 1965 durch Lotfi Zadeh der Öffentlichkeit vorgestellt worden war, fristete dieser neue Zweig der Mathematik jahrelang ein Schattendasein. Während Amerikaner und Europäer in den Folgejahren vor allem die theoretischen Grundlagen weiterentwickelten, erarbeiteten japanische Ingenieure erste technische Anwendungen, z.B. für die Steuerung von Zementwerken, Kläranlagen oder des Hochofenprozesses.
Betriebswirtschaftliche Anwendungsgebiete wurden lange Zeit weitgehend vernachlässigt. Erst in jüngster Zeit gibt es erste Beispiele für erfolgreiche praktische Einsätze, obwohl die Fuzzy Logic für wirtschaftliche Applikationen genauso gut geeignet ist wie für technische Bereiche. Paradigmatisch lassen sich ein System zur Auswahl von Stichproben in der Wareneingangsprüfung bei einem Kölner Warenhauskonzern (vgl. Beschaffung aktuell 3/1996) und die Auslastungsoptimierung in der Montage eines Automobilwerkes Regensburg anführen. Im folgenden sollen die Grundzüge der Fuzzy Logic grob umrissen werden:
Fuzzifizierung: Zunächst werden die numerisch vorliegenden Eingangsparameter mittels linguistischer Variablen in unscharfe Begriffe überführt. Linguistische Variablen (z.B. Einstandspreis oder Zuverlässigkeit) sind in sprachlich umschriebene Bereiche (sog. Terme) wie niedrig, durchschnittlich und hoch unterteilt, die mit einer numerischen Skala (z. B. die prozentuale Abweichung vom durchschnittlichen Preis aller Anbieter bei der linguistischen Variablen Einstandspreis) verknüpft sind. Die Eingangsgrößen werden je nach ihrer Ausprägung diesen Bereichen mit den zutreffenden Graden der Zugehörigkeit zugeordnet (z.B. nimmt die linguistische Variable ‚Einstandspreis‘ die Zugehörigkeitsgrade 0,5 zum Bereich ‚niedrig‘ und 0,5 zur Kategorie ‚durchschnittlich‘ an, wenn sich der Einstandspreis genau in der Mitte zwischen dem Durchschnittspreis aller Anbieter und dem als ‚niedrig‘ definierten Preis [Durchschnittspreis – 20%] befindet).
Inferenz: Die nun unscharf aufbereiteten Daten werden in dieser Stufe durch eine beliebige Anzahl Regeln miteinander verknüpft. Die Regeln sind wiederum sprachlich als WENN-DANN-Bedingungen formuliert. Dadurch erfolgt die Aufstellung einer Regelbasis relativ leicht und schnell. Eine solche Regel könnte lauten: ‚WENN die Qualität ausreichend ist UND die Zuverlässigkeit hoch ist UND der Einstandspreis niedrig ist DANN ist der Lieferant gut geeignet‘ oder ‚WENN die Qualität gut ist UND die Zuverlässigkeit niedrig ist UND der Einstandspreis hoch ist DANN ist der Lieferant ungeeignet‘.
Defuzzifizierung: Das unscharfe Ergebnis der Inferenz wird in einen diskreten Ausgangswert, beispielsweise eine Eignungswertzahl, umgewandelt. Dies geschieht je nach praktischer Erfordernis durch die Bildung des „besten Kompromisses“ oder des „plausibelsten Resultats“ aus den vielen Einzelergebnissen der oben erwähnten Regeln.
Fallstudie Lieferantenbewertung
Im Zuge der Lieferantenbewertung sollen zahlreiche Eingangskriterien zu einer einzigen Wertzahl verdichtet werden, die es erlaubt, die Lieferanten nach dem Erfüllungsgrad der Kriterien in eine Rangfolge zu bringen und eine Selektion der Anbieter durchzuführen. Grundsätzlich lassen sich zwei Arten von Kriterien typisieren:
–Quantitative Kriterien sind direkt meßbare Größen, die aufgrund ihrer Eigenart an einen bestimmten Maßstab gebunden sind, auf dem ihre Position objektiv feststellbar ist. Zu dieser Kategorie zählen Qualitätskennzahlen, Termin- und Mengenabweichungen, monetäre Größen usw.
–Qualitative Kriterien können nur subjektiv beschrieben werden, wodurch bei ihnen eine objektive Meßbarkeit entfällt. Dies erschwert insbesondere die EDV-technische Dokumentation und Verarbeitung, weil die qualitativen Indikatoren hierzu in einen numerischen Wert übersetzt werden müssen. Dadurch verlieren sie ihre Identität. Als Beispiele für qualitative Größen lassen sich Faktoren wie Innovationspotential, Flexibilität, Service usw. anführen.
Mit Hilfe der Fuzzy Logic können die qualitativen Größen linguistisch erfaßt und verarbeitet werden, so daß sie ihren Charakter weiterhin bewahren. Außerdem ist es möglich, quantitative wie auch qualitative Begriffe miteinander zu verarbeiten.
Die Anzahl der Eingangskriterien, die mit der Fuzzy Logic zu einer Wertzahl verdichtet werden können, ist beliebig. Jedoch sollte aus praktischen Gründen eine Begrenzung auf ein sinnvolles Maß erfolgen. Nur wirklich entscheidungsrelevante Kriterien, für die Informationen mit vertretbarem Aufwand einzuholen sind, sollten in die Lieferantenbewertung aufgenommen werden. Damit wird dem Postulat der Wirtschaftlichkeit Rechnung getragen und eine gute Überschaubarkeit sichergestellt.
Die Eingangskriterien werden bei einem auf Fuzzy Logic basierenden Lieferantenbewertungssystem mittels einer Wissensbasis verarbeitet. Diese beinhaltet Expertenregeln, welche gemäß der Erfahrung der Einkäufer und der Philosophie des Unternehmens aufgestellt werden. Denkbar ist beispielsweise eine Festlegung von Mindestniveaus für einzelne Kriterien, bei deren Unterschreitung der Lieferant sofort als untauglich gemeldet wird (K.o.-Kriterien). Durch eine Modifikation der Berechnungsparameter kann erreicht werden, daß besonders gute Ergebnisse des Lieferanten bei bestimmten Indikatoren schlechter erfüllte Kriterien ausgleichen.
Die Lieferantenbewertung kann dadurch auf die spezifischen Bedürfnisse der Anwender zugeschnitten werden. Die nachstehende Tabelle soll das Verknüpfungsverhalten eines Fuzzy-Entscheidungsunterstützungssystems beispielhaft illustrieren. Dabei zeigt die Qualitätswertzahl die durch die Wareneingangsprüfung ermittelte technische Qualität an. Die Faktoren Lieferzeit, Termintreue, Mengentreue und Einstandspreis können aus den statistischen Auswertungen der EDV abgegriffen werden, während die Einstufung der übrigen Kriterien gemäß der Einschätzung und den Beschaffungsmarktkenntnissen des Einkäufers erfolgt.
Die Regeln sind durch den Benutzer nicht manipulierbar und stellen auf diese Weise einen objektiven Ablauf der Lieferantenbewertung sicher, so daß von verschiedenen Einkäufern durchgeführte Beurteilungen gut miteinander vergleichbar sind. Mit einem solchen Fuzzy-System steht auch noch weniger erfahrenen Einkäufern das in die Wissensbasis eingetragene Wissen ihrer Kollegen zur Verfügung. Durch die Dokumentation der linguistischen Variablen und der Expertenregeln wird der Bewertungsprozeß nachvollziehbar (vgl. DIN ISO 9000). Die ermittelten Resultate sind damit objektiv fundiert und deren Zustandekommen leicht zu begründen. Diese Transparenz ist ein wichtiges Element einer vertrauensvollen Zusammenarbeit mit den Lieferanten. Denn nur in einem offenen Dialog zwischen Anbieter und Abnehmer, bei dem beide Seiten ihre Karten offenlegen, ist es möglich, Schwachstellen aufzudecken und Verbesserungspotential zu erschließen.
Das Fuzzy-Lieferantenbewertungssystem verknüpft die Ergebnisse der Regeldiagnose schließlich zu einer quantitativen Wertzahl, die direkt eine Aussage über die Eignung der beurteilten Lieferanten macht (vgl. Tabelle, rechte Spalte). In einem weitergehenden Schritt besteht auch die Möglichkeit, das Resultat in einer sprachlichen Beschreibung auszugeben.
Fazit und Ausblick
Mit dem Aufbau eines Fuzzy-Lieferantenbewertungssystems lassen sich Objektivität und Nachvollziehbarkeit von Entscheidungen gegenüber herkömmlichen Verfahren wesentlich verbessern. Der Bewertungsablauf ist dabei stark an die menschliche Denkweise angelehnt und greift auf in den Fuzzy-Regeln verankertes Wissen und Erfahrung der Einkäufer zurück. Durch die Anwendung einer derartigen Fuzzy-Lieferantenbewertung wird der Entscheidungsprozeß beschleunigt und eine geeignete Auswahl ermöglicht.
Die Fuzzy Logic wird in den nächsten Jahren wesentlich an Bedeutung gewinnen, nicht nur in der Technik, sondern gerade in der Betriebswirtschaft. Dort wird sie bestehende Methoden ergänzen und gemeinsam mit anderen neueren Entwicklungen wie neuronalen Netzen, genetischen Algorithmen und Chaos-Theorie neue Möglichkeiten zur Lösung von Problemen eröffnen.
Stefan Nachtrab und Dr. Ulrich Morlock
Anzeige

Aktuelles Heft

Newsletter

Jetzt unseren Newsletter abonnieren

Webinare & Webcasts

Technisches Wissen aus erster Hand

Whitepaper

Hier finden Sie aktuelle Whitepaper

Anzeige
Anzeige

Industrie.de Infoservice

Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de