Work Environment
Die Supply Chain Planung verantwortet die Planung des gesamten Materialflusses für die Bauteile aller Fahrzeugmodelle und -derivate der nationalen und internationalen Standorte.
In diesem Umfeld agiert die Logistikplanung als Schnittstelle zwischen Produktion, Qualität, Fertigungsplanung, Werkstrukturplanung, Entwicklung, Einkauf und externen Partnern Der Bereich plant alle logistischen Strukturen, Prozesse und das erforderliche Equipment. Ziel ist es unter betriebswirtschaftlichen sowie ökologischen Randbedingungen ein Optimum zu erreichen.
Zur Unterstützung und Automatisierung der Planungsprozesse entwickelt und implementiert ein Team von Data Scientists statistische Lernverfahren und mathematische Optimierungsmodelle.
In diesem Umfeld agiert die Logistikplanung als Schnittstelle zwischen Produktion, Qualität, Fertigungsplanung, Werkstrukturplanung, Entwicklung, Einkauf und externen Partnern Der Bereich plant alle logistischen Strukturen, Prozesse und das erforderliche Equipment. Ziel ist es unter betriebswirtschaftlichen sowie ökologischen Randbedingungen ein Optimum zu erreichen.
Zur Unterstützung und Automatisierung der Planungsprozesse entwickelt und implementiert ein Team von Data Scientists statistische Lernverfahren und mathematische Optimierungsmodelle.
Job Purpose/Role
Bei der Bestellung können Kunden zwischen einer hohen Anzahl von Sonderausstattungen (Attributen) wählen -beispielsweise Innen- und Außenfarbe, Multimediapakete etc. Prognosen für einzelne Attributsausprägungen sind isoliert vorhanden (z.B. „Merkmal rot: 20%, Merkmal grau: 80%). Durch technische Vorgaben können nur bestimmte Merkmale kombiniert werden („Motor A benötigt Getriebe B oder C“). Weiterhin sind bestimmte Korrelationen aus historischen Aufträgen bekannt. Aus der Kombination der gewählten Ausprägung ergibt sich schlussendlich, welches Teil am Ende im Fahrzeug verbaut wird.
In Deiner Masterarbeit erstellst du ein Modell, welches die Mengen bestimmter Merkmalskombinationen prognostiziert und implementierst dieses in Python. Die Evaluierung Deiner Ergebnisse gegenüber der aktuellen Implementierung und den tatsächlich bestellten Mengen rundet die Arbeit ab.
In Deiner Masterarbeit erstellst du ein Modell, welches die Mengen bestimmter Merkmalskombinationen prognostiziert und implementierst dieses in Python. Die Evaluierung Deiner Ergebnisse gegenüber der aktuellen Implementierung und den tatsächlich bestellten Mengen rundet die Arbeit ab.
Key Requirements/Skills/Experience
- Du studierst (Wirtschafts-)Informatik, Mathematik, Operations Research, Maschinenbau, Wirtschaftsingenieurwesen oder einen vergleichbaren Studiengang
- Du hast ein überdurchschnittliches Grundlagenwissen in einem oder mehreren Bereichen der „Probabilistisch graphischen Modellierung“ (propalistic graphical models), „Wissensgraphen / Bayes‘schen Netzwerke“ (knowledge graphs/bayesian networks), der „Stochastischen Mathematischen Optimierung“ (stochastic optimization)
- Optimalerweise verfügst du über Kenntnisse in einer höheren Programmiersprache (Python, C++, Java, o. ä.)
