‘AI verovert de komende jaren de logistieke sector’

De laatste jaren wordt er bij steeds meer processen gebruikgemaakt van Artificial Intelligence. En dat is niet verwonderlijk. Tegenwoordig zijn computers veel sneller dan vroeger en kunnen ze tegelijkertijd grote hoeveelheden gegevens van processen verzamelen en verwerken. En juist dat zijn essentiële basisvoorwaarden voor de ontwikkeling van intelligente zelflerende IT-systemen, die zelfstandig data verzamelen, beslissingen nemen en zichzelf continu verbeteren. Inmiddels is AI al heel gewoon op verschillende gebieden en gebruikt vrijwel iedereen dagelijks dingen die op de een of andere wijze gebruikmaken van kunstmatige intelligentie. Bekende voorbeelden zijn zelfrijdende auto’s, digitale spraakassistenten zoals Alexa, Siri, Cortana en Google Home, geïntegreerde applicaties die aankoopvoorspellingen doen op webwinkels en chatbots waarmee je op internet kunt communiceren. Momenteel verschijnen nu ook de eerste AI- applicaties voor de logistieke sector op de markt.

AI voor logistieke toepassingen

Een van de pioniers in Nederland op het gebied van op AI-gebaseerde IT-systemen voor, onder andere, de logistieke sector is Roy Lenders, oprichter van onder meer Genzai, een deeptechinvesteringsbedrijf in kunstmatige intelligentie). Hij legt uit dat er verschillende ‘soorten’ AI zijn: “De AI die voor logistieke toepassingen wordt gebruikt valt onder de zogenoemde Artificial Narrow Intelligence (ANI). Deze categorie kunstmatige intelligentie beperkt zich meestal tot één enkele taak of één gebied. Het wordt ook wel ‘machine learning’ of ‘self learning’ genoemd.” 

Kenmerkend is dat zo’n systeem zichzelf telkens verbetert door gebruik te maken van eerdere ervaringen. Als input wordt hiervoor data uit het verleden genomen, waarmee een bepaalde werkwijze, proces of aanname telkens verder wordt geoptimaliseerd. Dit is niet van tevoren geprogrammeerd maar wordt gerealiseerd met behulp van algoritmes, een soort verzameling van complexe wiskundige formules, die het systeem zelf creëert. “Hoe nauwkeuriger en hoger de kwaliteit van de data is, hoe beter het systeem uiteindelijk zal functioneren”, zegt Lenders. “Dit soort AI zorgt op deze wijze voor een vergaande automatisering en efficiencyverbetering van processen.”

Lenders startte een jaar of vijf geleden met de ontwikkeling van op AI-gebaseerde logistieke systemen. Dat was toen nog iets te vroeg, maar door de snelle ontwikkelingen op technologiegebied is de tijd er nu wel rijp voor: “In de logistiek staat het gebruik van kunstmatige intelligentie nog in de kinderschoenen. Daarom steken we veel energie in de ontwikkeling van logistieke AI-applicaties en worden momenteel de eerste toepassingen bij logistieke bedrijven geïmplementeerd. De aandacht richt zich op verschillende deelgebieden. Dat zijn bijvoorbeeld optimalisatie van de orderinvoer, van de routeplanning, van voorraadplanning, van de verwachte vraag naar producten, maar bijvoorbeeld ook beeldherkenning bij automatisch orderpicken en kwaliteitscontroles in warehouses waar land- en tuinbouwproducten worden opgeslagen. Dit zijn logistieke processen die veel efficiënter kunnen worden uitgevoerd indien hierbij gebruik wordt gemaakt van AI.”

Optimalisatie orderinvoerproces

Logichainge is een nieuwe start-up die in juli van dit jaar begon met het leveren en implementeren van logistieke AI-systemen aan logistieke bedrijven. Ceo Funs Swinkels vertelt dat Logichainge zich onder andere bezighoudt met de optimalisatie van het orderproces van expediteurs. “Dat is bij deze bedrijven een arbeidsintensief proces. De bottleneck is dat de verschillende verladers hun orders bij expediteurs in diverse formaten aanleveren. Dat kan bijvoorbeeld een EDI-bericht zijn of een Excel-bestand met orderinformatie, maar soms ook een digitaal formulier of een e-mailbericht. Een bijkomend probleem is dat de aangeleverde orderinformatie niet altijd volledig is.” 

Bij de expediteur worden de orders omgezet in het sjabloon van het TMS dat de order verwerkt. De diversiteit in de wijze van aanlevering en de ontbrekende gegevens zorgen ervoor dat er extra controle en handmatig invoerwerk nodig is. Dat kost veel tijd en menskracht. “Met behulp van AI optimaliseren we de orderinvoer bij expediteurs”, zegt Swinkels. “Daarbij kijkt ons zelflerende systeem met een soort menselijk oog naar de aangeleverde informatie. Hiervoor worden geavanceerde beeldherkenningsalgoritmen gebruikt.”

Veel grotere efficiency

Deze algoritmen zorgen ervoor dat de aangeleverde data, onafhankelijk van de wijze van aanlevering, volledig geautomatiseerd wordt ingevoerd in het TMS. Bij ontbrekende informatie kijkt de AI-applicatie naar historische gegevens en voert van daaruit de correcte informatie in. Op deze wijze ‘leert’ het systeem uit het verleden en kan het de volgende keer eventuele ontbrekende informatie direct aanvullen. Swinkels verwacht dat dit AI-systeem de efficiency van het orderinvoerproces bij expediteurs met 40 tot 50 procent verhoogt. En ook op andere logistieke deelgebieden denkt hij flinke efficiencyvoordelen te kunnen realiseren door toepassing van AI. “Er zijn ontzettend veel mogelijkheden en de voordelen ervan zijn evident. Bedrijven hoeven deze AI-systemen niet zelf te ontwikkelen, maar kunnen ze door ons laten bouwen en implementeren.”

En worden logistieke bedrijven in de toekomst uiteindelijk volledig aangestuurd door zelflerende computersystemen? “Nou, zo’n vaart zal het niet direct lopen”, zegt Lenders, “maar op het gebied van IT, en dan met name de wijze waarop applicaties zijn gebouwd en werken, zal de komende jaren veel veranderen.”