Kennis

Hoe het planbord van de toekomst vorm krijgt door AI en machine learning

In de loop der jaren is transport veranderd. De sector is gegroeid, maar daarnaast wordt er door transporteurs ook steeds meer data verzameld. Wat we met die data doen is een tweede: hoe kunnen we het verwerken, om er iets nuttigs mee te kunnen doen? Daarvoor is het DALI-programma (Data Science voor Logistieke Innovatie) opgezet: welke kansen zijn er en hoe benutten we die kansen voor de transportwereld? Wij hebben daar een duidelijke visie op: we willen deze data inzetten om planners van onze opdrachtgevers proactief te informeren over onregelmatigheden tijdens ritten, zodat zij daar op hun beurt adequaat naar kunnen handelen.

DALI: data science voor logistieke innovatie

Het DALI-programma is opgezet om kansen te ontdekken én te benutten omtrent data science bij kleine- en middelgrote bedrijven in de Brabantse logistiek. Deze kansen hebben betrekking op drie thema’s: strategisch inzicht (‘one size doesn’t fit all’ – welke strategische keuzes moeten we maken om klantwaarde te vergroten), vraagvoorspelling (forecasting: analyse van data om meer inzicht te krijgen in de toekomstige vraag) en planning (hoe we de mensen, middelen en voorraden nog beter kunnen inzetten om efficiënter en duurzamer te opereren). Het DALI-programma is volledig in lijn met onze missie als NextUp: de transportwereld een stukje efficiënter maken.

Het planbord van de toekomst

TMS-systemen zijn vaak nog veel te registratief en planners nemen beslissingen op basis van onvolledige en incorrecte informatie. Met AI en machine learning gaan we in NextUp een zelflerend component ontwikkelen om dat te tackelen, op basis van de data die we verzamelen. Dat doen we samen met onze partner (en klant) Jan de Rijk. Met behulp van NextUp bevoorraadt Jan de Rijk dag en nacht al honderden klanten. Planners werken hierin nauw samen. En hun grootste uitdaging? De onregelmatigheden snel communiceren: chauffeur is iets te laat vertrokken, er is een pakketje niet gescand en dus kwijt, de klant is niet thuis – allerlei zaken die buiten de macht van de planner liggen, maar wel essentieel zijn voor het proces.

Wat nou als we al die onregelmatigheden in het logistieke proces kunnen opsporen en de planner daar proactief over kunnen informeren? En nog verder dan dat: wat nou als we de onregelmatigheden kunnen omtoveren in planbeslissingen en deze proactief kunnen voorleggen aan de planner zelf?

Door machine learning en AI kunnen we de onregelmatigheden en planbeslissingen straks proactief én steeds beter communiceren, waardoor het logistieke proces een stuk efficiënter gaat worden:

Er worden minder fouten gemaakt;
Er wordt sneller gehandeld;
De kans op menselijke fouten wordt verkleind.

Hoe gaan we dit realiseren?

Het DALI-programma is nu in de proeftuinfase, waarin we met verschillende disciplines en professionals concrete casussen gaan uitvoeren. We gaan data verzamelen, verwerken, analyseren en toepassen in de praktijk. Met deze professionals gaan we ervoor om de tools te ontwikkelen die het logistieke proces naar de next level gaan brengen.