AI in de logistieke sector - interview met Jan Vieveen

Fragment uit het whitepaper ‘AI in de logistieke sector’
Auteur: Ferdi den Bakker
Opdrachtgever: Logistics Community Brabant/Midpoint Brabant/TKI Dinalog/Breda University of Applied Sciences
Project: Circulaire Stromen - Next Level Logistics

Dankzij AI komen sneller alternatieve planningen beschikbaar.

Het hele logistieke werkveld zoekt naar verbeteringen in een steeds snellere wereld. Terwijl de kosten stijgen en het personeelsgebrek oploopt, stellen opdrachtgevers steeds meer eisen. Met AI liggen er mogelijkheden, maar voor de echt kostenbesparende oplossingen is nog tijd nodig. 

Jan Vieveen, consultant voor logistieke IT bij onder andere Van der Wal, geeft zijn visie op AI. “Artificial Intelligence is de superoplossing vandaag de dag. Het is geen echte intelligentie, maar slimme computerprogrammatuur die zo slim lijkt te werken als een  kunstmatig mens. Dat zien bedrijven graag: slimme oplossingen van een computer die 24x7 werkt, betrouwbaar is, weinig kost en bovenal met de slimste oplossingen komt. Dat is meer dan welkom, in een sector die geplaagd wordt door heel veel veranderingen.” 

GenAI en algoritmes
Vandaag de dag zijn er twee soorten AI, al zal dat de meeste gebruikers niet uitmaken: Generatieve AI en algoritmes. Bij generatieve AI ligt de nadruk op het vooraf vullen van een database met heel veel kennis. Op basis van deze kennis kan het systeem voor een nieuwe situatie een oplossing bedenken. Denk aan ChatGPT waarin miljarden documenten gestructureerd zijn opgeslagen. Door een specifieke vraag te stellen haalt ChatGPT de documenten naar voren die nodig zijn en maakt daarmee een nieuw document dat mogelijk aan de wensen van de vrager voldoet. 

Rit- en routeplanning
Naast GenAI zijn er algoritmes, die complexe berekeningen maken via een ‘recept’. Een eenvoudige toepassing hiervan is de moderne rit- en routeplanningsystemen. Die berekenen niet alleen routes,  maar kunnen ook rekening houden met files, type weg en auto’s, verbruik en tol. Afhankelijk van de doelstelling (lage kosten, snelle route, …) is een aangepaste route te maken. 

Logistieke toepassingen? 
Echte AI-toepassingen voor de logistiek zijn nog maar beperkt aanwezig, proeven vinden wel plaats. Zo is er een voorbeeld van een proef met generatieve AI op een transportplanning. Daar was twee jaar aan planningen als input beschikbaar. Op een bepaalde locatie waren combitrailers niet toegestaan, op een enkele situatie na waar dit niet anders mogelijk was. AI maakte hieruit op dat het wél toegestaan was en zette de combi vervolgens bijna iedere keer in. Het resulteerde in een voorbeeld waarin AI niet zonder meer tot goede resultaten leidt. 

Bepalen bij welke processtap AI kan helpen 
De doelstelling van AI-inzet is vanzelfsprekend om (complexe) processen te ondersteunen. Omdat logistieke processen vaak zeer dynamisch zijn en veel variabelen kennen, vallen mensen vaak terug in een bestaand patroon. AI kan daarbij helpen. Op de eerste plaats moet goed duidelijk zijn welke processtap voor AI in aanmerking komt. Vaak is dit een vorm van planningen voor het zo goed mogelijk combineren van bewegingen van goederen en transportmiddelen, waarbij er veel opties zijn. Door op een slimme wijze randvoorwaarden te verzamelen en in te voeren, zijn de best mogelijke oplossingen te berekenen. Zelfs oplossingen die een planner niet als de gangbare oplossing zou kiezen. ‘De best mogelijke oplossing’ is daarbij te bepalen: de laagste kosten, de laagste CO2 uitstoot, de meest optimale inzet van de medewerkers, etc. 

Deels overnemen van planningen en herplannen
Over enkele jaren is te verwachten dat AI het maken van planningen deels overneemt. De huidige medewerkers zijn dan niet weg, hun taken wel aangepast. Vaak zal nog een controle nodig zijn inclusief ingrijpen bij afwijkende situaties. Waar AI ook kan bijdragen is het herplannen van een operatie bij bijvoorbeeld de uitval van een vrachtwagen. Waar een planner simpelweg twee ritten zou omdraaien, kan AI een aantal ritten omdraaien om zo het verlies aan tijd en geld te beperken. In een dergelijke, voor de planner  afwijkende situatie, kan AI de waarde genereren door sneller en beter een oplossing te vinden. 

Kostenbesparingen met AI?
Praktijkproeven hebben aangetoond dat besparingen in kosten van 3 tot 6 procent mogelijk zijn. Als dit ook leidt tot een besparing op kilometers en uren met vergelijkbare percentages, dan is dit een zeer gewenste verbetering van het rendement. Nog interessanter wordt het als data van bijvoorbeeld opdrachtgevers beschikbaar komt en AI kan inspelen op bijvoorbeeld te laat of te vroeg gereedgekomen zendingen. Hierdoor lopen besparingen nog verder op. Voor planners zijn dit soort situaties heel vervelend, maar AI komt dan wel met een nieuwe oplossing. 

Transportmodel op maat
De komende tijd experimenteren leveranciers en universiteiten verder met modellen en toepassingen. De ontwikkeling van transportmodellen zal verder gaan. Naar verwachting is het binnen één tot drie jaar mogelijk om in enkele dagen een transportmodel op maat in te richten dat vervolgens complexe functies ondersteunt. Met het verzamelen van kennis en ervaring zal een standaardtoepassing daarna beschikbaar komen.