AI in de Logistiek: wat kan je er mee (praktische toepassingen + 8 cases)

AI in de Logistiek: wat kan je er mee (praktische toepassingen + 8 cases)

AI is een van de grootste technologische ontwikkelingen binnen de logistieke sector. Het staat in veel lijstjes over logistieke trends. Maar waar staat AI binnen de logistieke sector op dit moment.

Kom erachter hoe hebben bedrijven als Rolls Royce en Easyjet deze technologie gebruikt om hun logistieke proces te versoepelen?

Wat is AI?

AI is een adaptief systeem of systemen die intelligent gedrag vertoont dat voorheen alleen was voorbehouden aan de mens. AI kan haar omgeving waarnemen en reconstrueren, analyseren en voorspellen en kan zonder menselijke interactie beslissingen nemen en adviezen geven en deze ook uitvoeren. De basis waarop AI dit kan is doordat zij kan leren vanuit data.

Artificial Intelligence verbindt dus data dat zij heeft geregistreerd met elkaar en komt zo tot voorspellingen en adviezen. Het bedrijf kan er voor kiezen om iemand deze output te laten managen en de conclusies uit te voeren, of deze actie te laten automatiseren. 

Het is dus belangrijk dat er voldoende informatie beschikbaar is voor de AI om tot een goede conclusie te laten komen.

De twee manieren hoe AI gebruikt wordt in de logistiek

Over het algemeen kan AI in twee manieren worden gebruikt. Als eerste kan het mensen assisteren in hun dagelijkse taken. Op deze manier heb je zelf nog controle over de uitkomsten en maak jij zelf de beslissingen. 

De tweede manier is dat AI is geautomatiseerd. Hierdoor is er geen menselijke interventie meer mogelijk. Bijvoorbeeld door gebruik te maken van robots. 

Door AI te gebruiken om mensen te helpen bij hun werkzaamheden kunnen bedrijven banen schrappen die simpele supply chain taken uitvoert.

Maar je wilt vast weten waar je het allemaal kan toepassen?

Waar kan je AI allemaal toepassen in de logistiek?

AI heeft ontzettend biedt ontzettend veel mogelijkheden om de logistieke sector te verbeteren en optimaliseren. 

Door gebruik te maken van de juiste data kunnen er voorspellingen gedaan worden betreffende de vraag naar producten. Kunnen er processen worden geautomatiseerd, kunnen voertuigen uit zichzelf van a naar b, kunnen de kosten voor de vloot worden teruggebracht, komen er minder machines stil te liggen doordat onderdelen sneller vervangen worden. En…

Kan er schoner worden vervoerd door slim om te gaan met routes, en andere omgevingsfactoren.

Een goed voorbeeld van automatisering in de logistiek dankzij AI is Rolls Royce.

Gebruik artificial intelligence om processen te automatiseren

Automatiseren van processen is de eerste stap naar optimalisering over de gehele breedte, en al veel bedrijven hebben dit al gedaan. 

Het automatiseren van herhaaldelijke taken zoals het invullen van formulieren, facturering en voorraad controles. Versnellen van het bemiddelingsproces wat gevoelig is voor menselijke fouten en waarvoor specifieke kennis voor nodig is, is enorm waardevol. AI kan hierbij helpen.

Hoe Fizyr orderpicking automatiseert

Een van de bedrijven die de robotisering en daarmee automatisering van de supply chain mogelijk maakt is Fizyr. Dit Nederlandse bedrijf integreert hun deep learning-algoritmen in robotica en brengt autonome besluitvorming in processen die betrekking hebben op het identificeren, analyseren, tellen, picken van goederen.

De robots van Fizyr herkent pakketjes en weet precies waar deze geplaatst moeten worden dankzij AI

Doordat order picken een van de meest arbeidsintensieve handelingen binnen de logistiek is, is Fizyr met een oplossing gekomen. Hierdoor zijn robots in staat zijn om pakketjes te  identificeren (in minder dan 0,2 seconden) en naar de juiste plek te transporteren.

Hierdoor versnelt Fizyr het orderpicking proces en zorgt het ervoor dat er minder handjes bij komen.

Hoe ROLLS ROYCE AI gebruikt om een autonoom schip te creëren

Rolls Royce maakt gebruik van AI om haar lading veilig te transporteren. Het autobedrijf heeft een partnership met Google om een autonoom schip te maken. In plaats van het vervangen van een chauffeur in een zelfrijdende auto, heeft Rolls Royce de gehele bemanning van een schip vervangen.

De vaartuig industrie is niet onbekend met AI. Zij gebruiken het in combinatie met IoT om te bepalen wat er om hun schip gebeurd. 

Maar…

…nog nooit heeft iemand geprobeerd om de volledige bemanning te vervangen. 

Rolls Royce heeft een autonoom varend schip gemaakt met behulp van AI

In de toekomst zullen de schepen sensoren hebben die meten wat de prestaties zijn van de motoren, het laden en uitladen van vracht en de veiligheid monitoren. Daarnaast zal AI gebruikt worden om te weten wat er om het schip heen gebeurd,  wat hen veiliger en sneller maakt.

Het voordeel is dat schepen niet meer in gevaar komen door het weer of ander ongemak. Hierdoor is de vracht sneller bij haar eind bestemming.

Gebruik AI om Voorraad, Orders en Leveringen te voorspellen

De voorspellende werking van AI is een van de beste manieren hoe bedrijven artificial intelligence kan gebruiken. Deze technologie stelt een bedrijf in staat om de vraag naar producten te voorspellen. 

Uit onderzoek blijkt dat algoritmes beter trends kunnen voorspellen dan menselijke specialisten

AI maakt het mogelijk om de factoren te volgen die meewegen waarop de vraag naar een product is gebaseerd. En zodoende de nauwkeurigheid van de voorspelling van de vraag te verhogen.
Daar komt bij dat AI klantervaringen kan verbeteren. Door de implementatie van deze technologie kunnen klanten gepersonaliseerde ervaringen ervaren. Waardoor het vertrouwen in het bedrijf vergroot.

Wat heb je nodig om de vraag te voorspellen met AI

AI kan op basis van verschillende datasets bepalen wat de vraag gaat doen naar een specifiek product. Als je AI wilt gebruiken voor je bedrijf om de vraag naar een product te bepalen zijn het voorhanden hebben van deze datasets cruciaal.

Patroonherkenning door AI met historische data

Hier bepaald AI op basis van de vraag naar een product uit het verleden wat deze zal doen in de toekomst. De technologie leert zelf de complexe vraagpatronen. En baseert haar antwoord onder andere op basis van seizoensgebonden signalen, niet lineaire trends, vertragingen, en niveau verschuivingen. En vind gemeenschappelijke groepen om zo tot het juiste vraagmodel voor te schrijven. AI-gestuurde vraagmodellen zijn in wezen gesloten-lussystemen. Terwijl ze beslissingen sturen, monitoren en passen ze zich aan veranderingen in de gegevens aan. 

Interne en externe oorzakelijke factoren

De tweede stap kan gezet worden zodra complexe patronen uit historische gegevens zijn geïdentificeerd. De tweede stap houdt in dat de effecten van interne en externe oorzakelijke factoren worden ingebracht om het vraag signaal te versterken en de belangrijkste stuurders in de vraag te kwantificeren. 

Onder interne variabelen vallen: prijs, promoties, productlevenscycli en gegevens over verkooppunten. 

Onder de externe gegevens valt enorm veel. Denk aan: macro-economische indicatoren zoals bbp en de consumentenprijsindex, regionale weergegevens, gegevens over marktaandelen, consumentensentiment, en demografische trends.

Wat-als-scenario’s

Het volgende niveau voor het modelleren van de vraag is de mogelijkheid om what-if-scenario’s te maken. Hierdoor kunnen organisaties in staat worden gesteld om uit te vinden welke scenario’s zich voordoen door causale verbanden te testen. Daarnaast kan er uitgevonden worden op welk niveau er meer data moet worden verzameld. Door deze modellen scenario’s uit te diepen kunnen de mensen die uiteindelijk besluiten moeten nemen voorbereid op veranderende omstandigheden.

Als jij wilt starten met het voorspellen van de vraag door middel van AI, is het handig om ervoor te zorgen dat je beschikt over deze datasets. En dat deze toereikend genoeg zijn om een gedegen voorspelling te kunnen doen. 

Je wilt zeker weten welke bedrijven al artificial intelligence gebruiken om te voorspellen wat de vraag gaat doen. 

Hieronder vind je twee bedrijven die precies dat doen.

Hoe LINEAGE LOGISTICS AI gebruikt om orders te voorspellen

Lineage Logistics, een bedrijf dat ervoor zorgt dat voedsel koud houdt voor restaurants en supermarkten, gebruikt AI om orders te voorspellen. Het algoritme voorspelt welke orders op welk moment arriveren en vertrekken in haar warehouse. 

Dit betekend dat werknemers de pallets in de juiste volgorde kunnen plaatsen. Items die langer blijven kunnen meer naar achter worden geplaatst en items die eerder het warehouse uitgaan kunnen voor geplaatst worden. Doordat Lineage AI gebruikt hiervoor heeft het haar efficiëntie als bedrijf met 20% verhoogd. 

Voor een bedrijf dat gemiddeld tussen de 10 en 15 miljoen kilo aan voedsel verplaatst is de impact enorm. In plaats van het vervoeren van pallets in het magazijn als een tetris spelletje gebruiken zij AI om de pallets direct op de juiste plek te zetten.

Maar Lineage Logistics is niet het enige logistieke bedrijf dat AI gebruikt om voorspellingen te maken. Zo ook Infinera.

Hoe INFINERA voorspelt wanneer leveringen aankomen

Infinera voorspeld wanneer een pakketje aankomt aan de hand van data over eerder gedane leveringen, wat voor weer het is, en feedback van klanten. 

Na een moeilijk jaar besloot Infinera om AI te implementeren binnen haar supply chain. Het bedrijf gebruikt machine learning om productie- en levertijd te analyseren om op die manier de tijd van levering te voorspellen. 

Het AI algoritme toont vervolgens deze informatie aan verkoop medewerkers en klanten. Hierdoor weten zij welke producten op voorraad zijn en wanneer deze het bedrijf kan leveren. 

Het resultaat is een bedrijf dat meer een geheel vormt. Die het voor zichzelf mogelijk maken om beslissingen sneller te maken en de klanten beter kan inlichten wanneer de producten zullen arriveren.

Ontdek hoe Smart Roads files kunnen voorkomen

Een andere toepassing van AI binnen de logistiek zijn smart roads. Een voorbeeld hiervan zijn door LED lichten verlichte snelwegen dankzij zonnepanelen. De LED lichten kunnen bestuurders attenderen op de verkeerssituatie verderop. 

Een ander voorbeeld van hoe smart roads kunnen worden toegepast is door middel van fiber optic sensoren. Zij kunnen voelen wanneer voertuigen de weg verlaten of betrokken zijn bij een ongeluk. Autoriteiten kunnen hierdoor sneller reageren. Dit alles zorgt er voor dat de wegen beter gestroomlijnd zijn. Waardoor het gevolg is dat transporteurs sneller en veiliger leveren.

Dit klinkt natuurlijk nogal futuristisch. Maar is dichterbij dan je denkt…

Hoe Solar Roadways AI gebruikt om slimme wegen te maken

Op het moment van schrijven is in Idaho een smart highway ontwikkeld. Dit is gedaan door de startup genaamd Solar Roadways. De snelwegen die zijn gemaakt van zonnepanelen kunnen rijbanen controleren en bestuurders om files heen leiden. Daarnaast is er nog een groot voordeel aan deze smart highway. Ze kunnen worden opgewarmd waardoor ze niet bevriezen.

Maar dat is niet het enige initiatief…

Hoe Integrated Roadways Smart Roads bouwde door middel van artificial intelligence

In Colorado is een zelfde soort weg gebouwd. De test is gedaan op Highway 25 die bekendstaat als een plek waar veel ongelukken gebeuren. De weg staat in contact met de smartphones van de bestuurders. De bestuurders zijn vroegtijdig gewaarschuwd wanneer er files optreden. Maar veel belangrijker is dat de drukgevoelige platen alle vormen van weg activiteiten kan onderscheiden.

smart roads

De AI die hier wordt gekoppeld aan de Internet of Things applicaties kunnen op deze verstoppingen voorspellen en voorkomen dat er files ontstaan door weggebruikers om te leiden.

Autonoom rijdende auto’s met behulp van AI

De populariteit van autonoom rijdende voertuigen stijgt razendsnel. Enorm veel bedrijven zijn bezig met het ontwikkelen van deze zelfrijdende auto’s variërend van personenauto’s tot vrachtwagens. AI is een van de redenen die bijdraagt waarom deze auto’s beter presteren dan menselijk rijgedrag. 

AI stelt het voertuig in staat om in te spelen op de veranderingen in zijn omgeving. Dit wordt gedaan met behulp van detectie technologieën en IoT toepassingen. Deze maken een 3d kaart van de omgeving en is in staat om verkeerssignalen te herkennen en op in te spelen, obstakels te identificeren en verkeersborden te herkennen. 

AI helpt daarnaast met het steeds verder leren van verkeerssituaties. Waardoor het een kwestie van tijd is voordat autonoom rijdende auto’s beter presteren dan mensen.

Autonoom rijdende (vracht)auto’s zijn volop in ontwikkeling, ondanks dat rijden zij nog niet op grote schaal door onze straten. Dat gezegd hebbende is de kans in de Verenigde Staten het grootste dat deze er als eerste komen. De ontwikkeling van de technologie gaat daar ontzettend snel. De vrachtwagens kunnen al in colonne achter elkaar rijden en op elkaar reageren. Het is een kwestie van tijd voordat zij ook kunnen reageren op de rest van het verkeer.

Maar welke bedrijven zijn hier al mee bezig? 

Een bedrijf die dit toepast is Marble.

Hoe MARBLE (last-minute Logistics Company) goederen rondbrengt met autonoom rijdende voertuigen dankzij AI

Het afleveren van medicijnen, boodschappen en pakketjes door robots door middel van AI staat voor de deur. Marble (die zichzelf het last-minute logistieke bedrijf noemt) levert allerlei verschillende soorten items sneller en efficiënter dan mensen kunnen.

De robots gebruiken LIDAR technologie. Dit is dezelfde technologie die ook achter zelfrijdende auto’s zit die moeten navigeren op stoepen en voetganger dienen te ontwijken. 

Marble begon als een manier om voedsel te leveren via de Yelp24 app, maar heeft zich uitgebreid met het leveren van medicijnen, boodschappen en pakketjes. De robots houden constant bij wat de omstandigheden zijn op de looppaden zodat de routes telkens efficiënter en kostenbesparend worden.

Vergroten efficiëntie van de vloot

Grootschalige supply chains moeten wereldwijd voertuigen en terreinen beheren. AI maakt het makkelijk om deze uitdagingen in de supply chain en logistiek te tackelen. Het helpt het proces en geclassificeerd gerelateerde contracten, bekijkt lange juridische documenten, houdt klantinformatie up-to-date, verifieert leveringsgegevens, en elimineert dubbele informatie.

Traditioneel betrekken zulk soort taken de gehele afdeling. Dat is duur en niet productief. AI automatiseert deze taken. Maar heeft nog steeds menselijke supervisie nodig. Diegene kan dan beoordelen hoe en wat te doen met de output van de AI. 

Een ander voorbeeld is de doorbraak die AI heeft gehad in treintransport. AI kan worden gebruikt om volledig geautomatiseerde spoor systemen te bouwen met slimme infrastructuur en zelfrijdende treinen voor zowel vracht- als personentreinen. De treinen zullen ook in contact zijn met andere treinen. Die wisselen data uit en ontvangen notificaties van managers om daar vervolgens naar te handelen. AI is daarnaast ook onafscheidelijk wanneer het komt om het voorspellen van onderhoud aan het spoor. Er kan real-time analyses en mechanische problemen gedetecteerd zowel lokaal als op afstand.

Artificial intelligence kan nauwkeuriger aangeven wanneer men moet onderdelen vervangen

AI is in staat te voorspellen wanneer een voertuig een onderdeel moet vervangen. Hierdoor staan machines en voertuigen minder vaak stuk en kan de productie doorgaan. 

Dit komt door AI te combineren met IoT. De IoT controleert onderdelen die gevoelig zijn voor slijtage. En bepaald wanneer deze toe zijn aan vervangen zodat de machines niet kapot gaan. 

Hoe gebruik je IoT en AI voor onderhoud van machines

Om te voorspellen wanneer een machine of voertuig toe is aan het vervanging van onderdelen is het belangrijk om voldoende data te verzamelen. 

Er dient voldoende data verzameld te zijn om te snappen waarom machines stuk gingen in het verleden. Hierbij kan de opgeslagen data helpen. Zij tonen aan er aan de machines is gedaan wat betreft onderhoud en reparaties.

Machine onderhoud kan heel gemakkelijk met AI

Als toevoeging op de historische prestatie data is het verstandig om gebruik te maken van technologie. Dit kan gedaan worden door het plaatsen van camera’s, en sensoren. Wanneer deze in contact staan met slimme software kan deze de data verkregen van de camera’s gebruiken en herkennen wanneer een onderdeel vervangen moet worden.

Maar wat zijn hier de resultaten van?

De resultaten van predictive maintenance zijn: 

  • Onderhoudskosten worden met ongeveer 50% verlaagd
  • Onverwachte storingen worden met 55% verminderd
  • De revisie- en reparatie tijd is 60% lager
  • Voorraad van reserveonderdelen wordt met 30% verminderd
  • De gemiddelde tijd tussen storingen wordt met 30% verhoogd

IBM heeft een gave toepassing hierop gebouwd die machine learning gebruikt om te achterhalen hoe beschadigde treinwagons eruit zien. Daarna zijn er camera’s langs het spoor geplaatst om beelden te verkrijgen van de treinen. Het programma is in staat om beschadigingen te herkennen en de juiste handeling voor te stellen wanneer deze dat herkent.

Hoe Tesla’s zelf onderdelen kunnen bestellen

De auto’s van Tesla kunnen zelf problemen herkennen. Het is in staat om zelf te zien wanneer een onderdeel kapot gaat of toe is aan vervanging. 

Als de auto dan zelf diagnosticeert dat een onderdeel toe is aan vervanging dan kan de auto deze automatisch bestellen. Tesla gebruikt hiervoor een combinatie van AI en IoT om te meten wat de staat is van de onderdelen van de auto.

Hoe Easyjet het onderhoud van haar vliegtuigen efficiënter maakt dankzij AI

Een van de bedrijven die dit al toepast is EasyJet. Zij zijn een samenwerking aangegaan met Skywise (een digitaal luchtvaart data platform) om het onderhoud van de vliegtuigen te voorspellen. Het platform stelt easyjet in staat om 60 keer zoveel data te verzamelen dan andere systemen. Dit stelt de engineers in staat om onderdelen te vervangen voordat zij stukgaan.

EasyJet wilt op deze manier het aantal vertragingen en het opschorten van vluchten voorkomen die voortkomen uit technische problemen.

Easyjet gebruikt AI om haar vliegtuigen te onderhouden

Ecologische vervoeren dankzij AI

Al jaren is de trend binnen de logistiek dat alles groener geproduceerd en vervoerd moet worden. Hierbij kan AI de logistieke sector helpen. Een branche waar AI voor veel vooruitgang kan zorgen is de luchtvaartbranche. 

Wereldwijd produceert de luchtvaartbranche 2% van de CO2 emissie. Dit is een van de redenen waarom de luchtvaartindustrie streeft naar meer efficiëntie omtrent het gebruik van brandstof. 

Ook het besparen van geld is een grote factor om ecologischer te vliegen. AI kan hierbij helpen. 

Vliegtuigmaatschappijen zetten AI systemen in om data te verzamelen en analyseren over onder andere: de route, afstand en altitude, het type vliegtuig en haar gewicht, het weer. Op basis daarvan berekend het systeem het optimale verbruik aan brandstof voor een vlucht.

3 Startups die AI oplossingen leveren aan de logistiek

Niet alleen grote techbedrijven zoals IBM, en Oracle zijn met AI bezig en hebben applicaties gemaakt voor de logistieke sector. Ook startups zijn daar volop mee bezig. Hieronder vind je een lijst met startups die AI gebruiken om de logistieke sector efficiënter te maken.

Hoe Nuro boodschappen rondbrengt met zelfrijdende voertuigen

Nuro werd opgericht door twee ex-engineers van Google. Het probleem waar zij zich mee bezighouden is de last mile delivery van lokale goederen en diensten. 

De elektrische, zelfrijdende bezorg voertuigen kunnen tot 40 kilometer per uur rijden en bieden genoeg ruimte voor een paar tassen. Maar niet voldoende om er een menselijke bestuurder. 

Er rijden zes zelfrijdende auto’s rond in Houston en Scotsdale waar zij een deal hebben met boodschappen gigant Kroger.

Hoe TNX Logistics helpt bij het kiezen van verladers met artificial intelligence

De transportindustrie heeft aandeel binnen de transport, maar lopen helaas achter op het gebied van het vervangen van technologische oplossingen voor handmatige handelingen. 

TNX Logistics gebruikt praktische technologische AI om verladers en logistieke dienstverleners te helpen bij het maken van een keuze voor een betaalbare vervoerder. De software produceert een lijst met onafhankelijke vervoerders. En maakt vanuit deze lijst de beste aanbestedingsstrategie per lading. 

TNX software is in staat om, dankzij haar AI, vervoerder specifieke aanbiedingen te maken. Dit wordt gedaan op basis van wanneer en met wie je wilt samenwerken, de prijs en of de vracht gebundeld mag worden. Met al deze informatie wordt een catalogus gemaakt door keer op keer wordt geoptimaliseerd dankzij machine learning. 

De startup zelf zegt dat deze 7 tot 12% aan kosten kan reduceren.

Hoe Cargonexx transport optimaliseert dankzij AI

Cargonexx vermindert de uitstoot van CO2 en optimaliseert tegelijkertijd het transport. Door verladers en transporteurs met elkaar te verbinden en gebruik te maken van machine learning en neurale netwerken, kan Cargonexx verscheping en transport over de weg vooraf combineren. Dit maakt het vervoer per vrachtwagen goedkoper en efficiënter. Daarnaast vermindert het ook aanzienlijk het aantal lege ritten, waardoor er minder verkeer nodig is en daardoor de uitstoot verminderd.

WhatsApp ons