Kunstmatige intelligentie in Logistiek
Kunstmatige intelligentie is niet meer weg te denken in de logistiek: veel taken zijn geautomatiseerd en/of gerobotiseerd. Om robots te laten doen wat ze moeten doen, zijn vaak algoritmes dan wel KI-systemen nodig. Er zijn met name twee uitdagingen waarin kunstmatige intelligentie veel kan betekenen in logistiek. Op de eerste plaats kan KI helpen om veel logistieke operaties te optimaliseren. Daarnaast is in de logistiek alles steeds anders; bijvoorbeeld elke doos heeft een ander formaat. Met de juiste training kunnen robots begrijpen wat er om hen heen gebeurt en daarop anticiperen. KI-systemen zullen in de toekomst oplossingen aandragen voor predictief onderhoud en voor optimalisering van de processen. Ook zullen de magazijnen steeds meer online en in realtime functioneren met de buitenwereld. (Cargomatcher, z.d.)
Videotechnologie voorzien van bijvoorbeeld KI-systemen helpt bij het effectiever plannen van docks en het verbeteren van de veiligheid in distributiecentra. Zo kunnen slimme camera’s sneller dan rookmelders zien of ergens abnormale temperaturen voorkomen, en sneller goederen vinden. Ook is het dankzij moderne videotechnologie makkelijker om te voorkomen dat pakketten zoekraken en zijn zoekgeraakte pakketten sneller terug te vinden. Deze ontwikkeling zal zich verder voortzetten om de voorraden te verbeteren en om de beschikbaarheid en de levering van de producten te optimaliseren. (Redactie Contentmarketing, 2023)
De mate van mechanisering en robotisering van magazijnen varieert van de ene bedrijfssector tot de andere en zelfs van de ene activiteit tot de andere. De specificiteit van elke bedrijfssector, de typologie van de logistieke stromen en de verwachtingen van de klanten verschillen onderling veel en zijn voortdurend in ontwikkeling. Gelet op de investeringen die je moet doen, beginnen bedrijven pas aan een volledig automatiseringsproject als de kosten/voordeelverhouding dit volledig rechtvaardigen. In de meeste gevallen beperken zij zich liever tot het automatiseren en ergonomischer maken van de werkpost, om de productiviteit te verhogen, de arbeid te verlichten en om repetitieve taken en/of taken met weinig toegevoegde waarde te beperken. Toch blijven veel taken in een magazijn niet mogelijk zonder tussenkomst van de mens. Een totaal geautomatiseerd proces zal ook in de toekomst nog niet denkbaar zijn.
De inzet van kunstmatige intelligentie kan van veel betekenis zijn om patronen te herkennen, zoals beschadigde goederen. Met KI kan de hele supplychain beter inspelen op de vraag op specifieke momenten in het jaar. Met KI en voldoende data is het mogelijk om forecasting te doen om zo de vraag te voorspellen. Bijvoorbeeld: op 14 februari is meer vraag naar chocoladeproducten en producten met hartjes en beertjes. Ook kan een logistiek medewerker op basis van KI besluiten nemen voor de langere termijn. Waar is het goed om goederen op te slaan? Welke goederen zijn op korte termijn en welke op langere termijn nodig? Deze vragen kan KI beter beantwoorden op basis van voorspellingen.
"Ik denk dat er veel gaat gebeuren op het gebied van warehouse management, zoals in voorraadbeheer, opslag, optimalisatieplan, doorvoerroutes, orderpicken en al dat soort zaken. Daar is heel veel data al beschikbaar. De laatste jaren is een grote stap gezet in de digitalisering van die systemen, waardoor het steeds beter inzichtelijk is waar spullen zich in een warehouse bevinden. Met het gebruik en de verzameling van data is inzichtelijk wanneer producten binnenkomen, wanneer ze weggaan, waar de spullen worden opgeslagen, hoelang de spullen worden opgeslagen, in welke kwantiteit het naar binnen en naar buiten gaat. Daar zit heel veel data achter. Met kunstmatige intelligentie kan die data van veel meer waarde zijn.”
Frank Rem, MBO Raad
Toepassingen
-
Wat houdt het in?
Data driven e-commerce heeft te maken met de enorme transformatie in de logistiek naar het gebruik van data en analytics. We automatiseren de administratieve en logistieke processen zoveel mogelijk. Bijvoorbeeld het picken en verpakken in het fulfilmentcentrum. Daarnaast kunnen robots sorteren. Volgens Pieter Abbeel, hoogleraar aan de University of California, staan we nog maar aan het begin. Met zijn start-up Covariant.ai ontwikkelt hij software waarmee robots via machinelearning menselijke bewegingen kunnen aanleren. Door de robot veel te laten oefenen, lukt het om e-commerce-orders op te pakken. Robots kunnen patronen herkennen en voorspellen wat komen gaat. Abbeel zoekt met zijn robotoplossing toepassingen in Europa, omdat hier veel logistieke operaties zijn en de arbeidskosten hoog zijn. (Abbeel, z.d.)
Voorbeeld PostNL
Bedrijven zoals PostNL onderzoeken de mogelijkheid van gerobotiseerde distributie. Ze scannen bijvoorbeeld de adressen van postpakketjes. Als PostNL een pakket inneemt, of welke andere bedrijven dan ook, dan hebben ze scanners die lezen wat mensen met de hand hebben geschreven. Data en algoritmes voorspellen wat de klant bestelt en waar het pakket naartoe moet. Bekijk deze video: Expertvisie | PostNL. (PostNL, z.d.)
In deze expertvideo duidt Eline Kamerbeek, Head of Development van PostNL, innovaties in de logistieke e-commerce aan de hand van drie niet te missen trends:
- Data driven e-commerce: de enorme transformatie in de logistiek naar het gebruik van data en analytics om vraagstukken op te lossen. Het is heel belangrijk om de juiste data te verzamelen en op orde te hebben om de juiste analyses te kunnen doen. Een van de dingen die PostNL doet met data is de dataflow starten op het moment dat het orderpicken begint. Dan komt er een melding binnen bij PostNL en gebruiken zij algoritmes om te voorspellen waar ze het pakje moeten bezorgen of wanneer ze de consument thuis kunnen verwachten. Op dat moment gaat PostNL ook al communiceren met de ontvanger. PostNL gebruikt sensortechnologie bijvoorbeeld op zijn rolcontainers, zodat je in het transport ook de pakketten kunt volgen.
- Succesvol bezorgen: oplossingen om de consument tevreden te houden en het pakket te bezorgen wanneer en waar het de consument schikt. PostNL wil ervoor zorgen dat je in je check-out al de mogelijkheden biedt aan de consument om het juiste tijdvak, de locatie en de dag te kiezen. Ook kijkt PostNL veel meer naar niet-thuis-oplossingen. Bijvoorbeeld je deur openmaken op afstand om het pakket toch te ontvangen in een kluis of in de kofferbak.
- Robotisering: de ontwikkeling die uitkomst biedt voor continuïteit van de processen in drukke periodes en tijden van krapte op de arbeidsmarkt. PostNL is actief met pilots voor ondersteunende en zelfsturende robots en verpakkingsmachines.
(PostNL, z.d.)
Voorbeeld Picnic
Picnic zet kunstmatige intelligentie in om zo efficiënt mogelijk boodschappen te doen en de ritten te bepalen. Bij het bedrijf is precies bekend hoelang het duurt om bij iemand de boodschappen te bezorgen. Picnic houdt daarbij rekening met een veelheid van factoren. Of het licht of donker is: als het donker is duurt het langer om bij iemand boodschappen te bezorgen. Waar iemand woont: als iemand op 2 hoog woont, duurt het langer. Welke runner de boodschappen brengt: het is van tevoren bekend aan de hand van hoe lang iemand er werkt hoe snel de runner erover doet om de boodschappen te brengen. De software van KI leert vanuit zichzelf door KI-systemen; elke keer als een bezorging is gedaan verwerkt het systeem het. Het systeem berekent elke dag opnieuw alle ritten op basis van de beschikbare runners, busjes en boodschappen. Voor meer uitleg over hoe Picnic KI inzet, bekijk deze video. (7DTV, 2023)
Voorbeeld bpost
Bpost sorteert pakketjes met kunstmatige intelligentie. Het bedrijf maakt tijdens het sorteerproces van elk pakket rondom foto’s in een cameratunnel, scant de barcode en geeft informatie door over het gewicht en de afmetingen. Op termijn zal het nieuwe systeem er ook voor zorgen dat bpost meer informatie over de verwerking van de pakjes kan bezorgen aan de klanten, op basis van data. Zo zal kunstmatige intelligentie het mogelijk maken data te verzamelen over beschadigingen. Dit stelt bpost vervolgens in staat om klanten te adviseren om hun verpakkingsmateriaal aan te passen voor een doeltreffender verzending.
Input
-
Locatiegegevens
Technologie
-
Data mining
Output
-
Notification
-
Wat houdt het in?
Men werkt momenteel al veel met robots, zoals automatische orderpickers. En men optimaliseert continu de routes van de robots. In Nederland zijn er momenteel slechts enkele magazijnen die robottechniek grotendeels toepassen. Toch zijn in absolute aantallen steeds meer warehouses volledig geautomatiseerd. Veel van de gedigitaliseerde processen kunnen niet zonder KI-systemen. Een modern WMS berekent vooraf de volumes per order en stelt efficiënte pickrondes samen, waarbij orderpickers volle pallets of dozen verzamelen. Nieuwe WMS systemen kunnen naast efficiënte pickrondes ook efficiente magazijnindelingen generen op basis van data. Dat betekent een voorstel tot herindeling magazijn. Dit bespaart loopmeters, aangezien orderpickers niet meer het gehele magazijn hoeven te doorkruisen voor een enkele order. Bovendien verkort het de doorlooptijd, omdat meerdere orderpickers tegelijk aan dezelfde order werken. Ook helpt het om de logistieke (arbeids)kosten structureel te verlagen. Automatisering zorgt namelijk voor reductie of zelfs eliminatie van handelingen die niet of nauwelijks van waarde zijn, zoals lopen en rijden. Die afstanden dalen doordat het WMS bij het samenstellen van een orderpicktaak rekening houdt met de locatie van de producten.
Op basis van de afstanden berekent men met algoritmes de efficiëntste orderpicktaak. Voor heftruckbewegingen houdt men tijdens het toewijzen van de volgende taak rekening met de startpositie van de heftruck en met de prioriteit van de volgende taak. Daarbij maakt men altijd de afweging tussen efficiency van alle opdrachten en prioriteit van iedere taak. Locus WMS is een applicatie die het magazijn aanstuurt door de juiste taak op het juiste moment aan de juiste persoon toe te wijzen. Op het moment dat een medewerker een taak heeft afgerond en gereed is voor de volgende taak, berekent Locus WMS de belangrijkste taak voor die medewerker. Daarbij houdt de applicatie rekening met welke taken die persoon mag uitvoeren, welk voertuig in gebruik is en waar de medewerker op dat moment is. (Centric Supply Chain Solutions, 2020) (Hardis group, 2021)
De data die dit systeem gebruikt, zijn data uit systemen. Waar staan de producten opgeslagen? Hoe komen de producten van A naar B? Dus waar is het, waar staat het en waar moet het naartoe? Veel van deze gegevens zijn opgeslagen in barcodes.
“Achter die barcodes zit heel veel informatie uit een systeem dat beschrijft hoe groot is het, hoe zwaar is het, wat zit erin, is het breekbaar, is het kwetsbaar, is het duur, moet het gekoeld worden, moet het langdurig opgeslagen worden of kort; al dat soort informatie zit erachter. Veel van de toegepaste systemen zullen closedreview-systemen zijn, en bevatten dus geen informatie die beschikbaar is voor de buitenwereld.”
Frank Rem, MBO RaadVoorbeeld Active Ants
Active Ants e-fulfilment regelt alle webshoplogistiek voor webshops met meer dan duizend maandelijkse orders. Vanaf de aankoop tot en met het bezorgen van de juiste bestelling wereldwijd. Inclusief de retourstroom. Alles draait bij Active Ants om een tevreden consument; met zijn unieke fulfilment-oplossingen krijgen zij dat voor elkaar. Bij Active Ants hebben ze een sterk geautomatiseerd fulfilmentcenter.
- De artikelen zijn opgeslagen in het autostore-opslagbakkensysteem.
- Orders komen realtime in hun softwaresysteem, waarna de robots (automatische orderpickers) de producten verzamelen.
- De robots plaatsen de producten volgens een automatisch proces in een doos en die doos rolt over de band. De automatische inpakmachines kunnen het snel inpakken.
- Een machine herkent vervolgens door middel van computer vision waar het naartoe moet. Een andere machine print het etiket, plaatst het op een deksel, het etiket gaat op de doos en het pakket gaat verder. Dan komt er een robot die het pakket ophaalt van de rolband en een andere robot die het naar de juiste pallet brengt voor vervoer.
- Door de slimme fulfilmentsoftware kan de klant realtime op de hoogte blijven van de status van de bestellingen, de voorraad en de retourstroom. (Activeants, z.d.)
Bekijk hier de video: E-fulfilment met een unieke aanpak (activeants.nl).
Input
-
Locatiegegevens
-
Online gegevens
Technologie
-
Data mining
-
Computer vision
Output
-
Notification
-
Suggestion
-
Wat houdt het in?
RPA-technologie (Robotic Process Automation), dat wil zeggen de toepassing van softwarebots voor geautomatiseerde interactie met programma’s, speelt een belangrijke rol in bedrijfsprocessen. RPA-technologie automatiseert repetitieve taken, zoals verbinding maken met webapplicaties, gegevens kopiëren en plakken, bestanden verplaatsen en mappen aanmaken, naast andere functies. In de logistiek kan RPA-technologie bijdragen tot het beter traceren van goederen en het bewaken van de verzendstatus van bestellingen. RPA kan meldingen sturen over afhaaltijden, waarschuwen voor mogelijke vertragingen of een elektronisch bewijs van aflevering afleveren, via automatisch gegenereerde berichten. Het vergemakkelijkt ook de uitvoering van inkooporders op basis van geautomatiseerde criteria zoals prijs, hoeveelheid of frequentie. Softwarebots kun je ook gebruiken om vraag en aanbod te voorspellen door een automatische analyse te maken van historische verkoopgegevens of marktindicatoren. Zo heeft men voldoende producten in voorraad om toekomstige bestellingen uit te voeren en een adequate veiligheidsvoorraad aan te houden. (Mecalux, 2023)
Input
-
Locatiegegevens
Technologie
-
Data mining
Output
-
Notification
-
-
Wat houdt het in?
Pakketten die bij PostNL zijn aangemeld, krijgen meteen een digital twin die precies dezelfde gegevens bevat als het fysieke pakket. Dankzij deze data kan PostNL het pakket niet alleen volgen, maar is ook te voorspellen wat de reis van het pakket zal zijn. Forecasten is de term voor het voorspellen van ontwikkelingen. Hiermee kan PostNL kansen en risico's in kaart brengen. Een forecast is op te stellen aan de hand van allerlei indicatoren. Met de informatie die uit een forecast komt, kan PostNL reële bedrijfsdoelen stellen, die daadwerkelijk op data zijn gebaseerd. Maar er komt veel bij kijken, zoals het digitaliseren van de supplychain en het in algoritmes vastleggen van processen. Hoe beter PostNL het aantal pakketten kan voorspellen, hoe beter het pieken kan opvangen. Met alle data die het daardoor verzamelt, kan het bedrijf anticiperen op wat er morgen en overmorgen gebeurt.
Input
-
Locatiegegevens
Technologie
-
Data mining
Output
-
Prediction
-
Impact op het werkveld van logistiek
Impact op werkprocessen
Waar tot een paar jaar geleden de mens het logistieke proces leidde, nemen KI-systemen dat steeds meer over. Die voorzien de medewerkers van informatie. De logistiek medewerker van de toekomst is op basis van data veel beter in staat om nog effectiever en efficiënter zijn of haar werk te doen op basis van de technologie die dan voorhanden is. De taken die de medewerker behoudt, veranderen. Het logistieke proces zal meer datagedreven zijn. Het volledig managen en interpreteren van data is essentieel. Er is steeds meer stuurinformatie beschikbaar, al dan niet op basis van KI-systemen. De beroepsbeoefenaar moet in staat zijn om deze stuurinformatie beter te benutten, bijvoorbeeld bij beslissingen nemen en rapportages maken. Degene die verantwoordelijk is voor de planningen en processen is een soort databeheerder of datacontroller. Het fysieke werk gebeurt geautomatiseerd en de taken veranderen voornamelijk in het beheer van processen en gerobotiseerde warehousesystemen.
“Ik denk dat het in de toekomst veel meer draait om het interpreteren en gebruiken van data en dat het eigenlijk een nieuwe kwalificatie wordt. Data en informatiesystemen ter ondersteuning van het werk, dat is iets wat in alle dossiers ontbreekt. In het dossier van Management transport en logistiek staat ‘Verzorgt de administratie en levert managementinformatie’, maar wat mij betreft mag er een aparte kwalificatie bijkomen van datagedreven werken en computerassistant work."
Sebastian Piest, Universiteit Twente
In de planning krijgt KI steeds meer een rol als het gaat om de volgende taken:
- beschrijvende taken: zoals de controle van de inventaris;
- voorspellende taken: zoals het voorspellen van de toekomstige vraag. Hoe beter de systemen zijn met voorspellende taken, des te meer flexibiliteit er in de supplychain is. Voorspellende logistiek is in staat om meer proactief te zijn en service-georiënteerd richting klant. In plaats van te reageren op bezorgdiensten die reeds voldaan zijn, is het mogelijk om erop te anticiperen en om proactief oplossingen en opties aan te dragen richting de consument;
- suggesties opstellen voor optimalisering: voor het verbeteren van logistieke routes en productieprocessen.
“Je kunt een logistiek medewerker van bijvoorbeeld Picnic vragen om bijvoorbeeld een sales forecast op te stellen. Of een dashboard te laten maken van de data van die dag. En je kan ook de planning voor de volgende dag laten voorbereiden; welke orders moeten in welk busje bijvoorbeeld. Dat zijn drie soorten taken die je op verschillende manieren aan KI-systemen kan overlaten.”
Lori Tavasszy, TU Delft
De medewerker komt met name in actie als het misgaat. De teamleider of de supervisor logistiek moet de robot aansturen en ervoor zorgen dat de robot bij verstoringen en onverwachte omstandigheden goed kan blijven presteren. De logistiek teamleider of supervisor zal op basis van data analyseren wat de impact was van de verstoring. Ook zal hij/zij meer bezig zijn om de keten en diverse schakels daarin sterker te maken met de logistieke partners en/of leveranciers van KI-systemen. De focus van de taken van een logistiek medewerker of supervisor is steeds meer gericht op coördineren en toezicht houden, in plaats van uitvoeren. Dat betekent dat de beroepsbeoefenaar dat wel moet kunnen en moet begrijpen wat er in het hele logistieke proces gebeurt en wanneer hij/zij moet ingrijpen.
Thijs Bender, Ordina vertelt:“KI-systemen zullen een interpretatie doen van de data die bijvoorbeeld uit een drone komt die de voorraad telt. Dan kan een 80% van die data die het systeem interpreteert akkoord zijn. En zal altijd nog een 20% over zijn die geïnterpreteerd moet worden. Dus de logistiek supervisor zal moeten weten wat de drone heeft gedaan. Welke telling heeft hij gedaan? Hoe ziet zo’n magazijn eruit? Hoe hoog wordt er gestapeld?”
Een logistiek medewerker niveau 2 is in de e-commerce voornamelijk verantwoordelijk voor het fysieke beheer van de producten van de webshop. Dus zorgen dat de producten van A naar B in de vrachtwagen komen, het laden en lossen van de producten en al die taken. Voor deze medewerker is het voornamelijk van belang om de gerobotiseerde systemen met KI-elementen te begrijpen. Om te snappen wanneer de software welke keuzes maakt en op basis van welke benodigde informatie hij dat doet. Een logistiek medewerker moet daarnaast ook goed opletten dat de data die hij er ‘aan de voorkant’ instopt goed zijn om tot het juiste eindproduct te komen. De logistiek medewerker is daarbij verantwoordelijk voor het controleren van datakwaliteit en rapportages, aangezien er vaak onjuiste of onvolledige data binnenkomen. Het controleren op betrouwbare stuurinformatie vereist veel werk. Gelukkig zijn er steeds meer algoritmes die kunnen helpen bij het detecteren van uitzonderingen en patronen in de data.
Een beroepsbeoefenaar in de logistiek hoeft geen KI-systemen te bouwen. Maar hij zal misschien wel in staat moeten zijn om te kiezen wanneer welk type systeem hij moet inzetten. Wanneer is het kostenefficiënt voor het logistieke proces om een KI-systeem in te zetten of wanneer is het juist kostenefficiënt om dit de logistiek medewerkers zelf te laten doen? Een belangrijk deel zal zitten in de bewustwording hoe je ermee omgaat, hoe je ermee werkt, hoe je dat in de logistieke processen inricht. Dat heeft met name betrekking op kerntaken zoals het aansturen van logistieke processen en input leveren voor logistiek beleid. Daarnaast heeft een supervisor logistiek een signaleringsfunctie.
Frank Rem, MBO Raad vertelt:“Het is zijn of haar verantwoordelijkheid om relaties te beheren en klachten af te handelen. Klachtenafhandeling is meestal op het moment dat iets fout gaat. Daar krijgt de supervisor ook mee te maken als er door inzet van KI-systemen iets misgaat. KI-systemen kunnen ook zo ingericht worden dat ze een voorspellende waarde hebben van foutmeldingen.”
Impact op vaardigheden
Over een paar jaar zal er sprake zijn van KI-systemen die betrouwbaar zijn en niet spannend meer zijn, omdat ze goed meewerken. Maar de volgende jaren is het nog uitvinden wat wel en niet werkt. Als je KI toepast, is dat anders dan een informatiesysteem. En er is een kritische houding nodig van de beroepsbeoefenaar om te blijven beoordelen of de suggesties vanuit het KI-systeem wel of niet juist zijn. De samenwerking met IT-specialisten is daarbij noodzakelijk, evenals het kunnen aansturen van verbeterprojecten.
Voor de logistiek teamleider verandert het takenpakket ook inhoudelijk. Want het is niet alleen meer teamleider van mensen, maar ook van systemen. Daar heeft hij andere vaardigheden voor nodig, zoals systeembegrip, een soort bewustwording van de werking van het systeem.
“Systeembegrip houdt in: welke data gaat erin? Wat gebeurt er met die data? Wat voor processen worden er mee gevoerd? Wat gebeurt er als een systeem suggesties geeft? Is dit bindend? Wat zijn de mogelijkheden om in te grijpen? Kan ik dit stoppen of overrulen? Kan het systeem mij een beeld geven van waarom hij bepaalde conclusies trekt of iets doet? In principe dingen die je al doet als teamleider, maar dan heeft het betrekking op een systeem.”
Martijn Neef, TU Delft