In veel gevallen gaan ‘AI-projecten’ niet veel verder dan traditionele business intelligence, waarbij vooral gebruik gemaakt wordt van bestaande data, zegt Lennart Bootsman, directeur van Mobiquity, een adviesbureau op het gebied van AI en ML.
De analyse daarvan leidt vaak tot niet meer dan een ‘good guess’ met het risico’s dat er verkeerde beslissingen genomen worden.
Een probleem is dat AI en ML zijn gebaseerd op een wiskundige benadering van data en die expertise is in logistieke bedrijven niet of nauwelijks aanwezig. Bootsman meent dat een beter inzicht van de logistiek in de mogelijkheden van AI en ML noodzakelijk is, maar vooral ook een multidisciplinaire aanpak.
Projecten voor data-analytics en AI in de logistiek worden vaak gehinderd door tunnelvisie, omdat de expertise in logistieke bedrijven vaak puur gericht is op techniek en planning.
Artificial intelligence en machine learning zijn volgens Mobiquity ‘disruptieve’ technologieёn, die de manier van werken drastisch kunnen veranderen. Met name in de retail en de IT-industrie zijn ze al behoorlijk ingeburgerd. Het is duidelijk dat het gebruik van AI en ML door bijvoorbeeld Amazon, Facebook en Google tot enorme veranderingen heeft geleid, omdat deze bedrijven erin geslaagd zijn het gedrag van de consument met behulp van data te beïnvloeden en zelfs te sturen. Ook voor de logistiek liggen er enorme mogelijkheden om met behulp AI en ML niet alleen operationele processen te optimaliseren en efficiёnter om te gaan met middelen en energie, maar ook om kosten te besparen. De verwachting is, dat AI en ML de komende jaren in de logistieke sector een grote vlucht zullen nemen.
Data-analytics, AI en ML
Artificial Intelligence (kunstmatige intelligentie) is erop gericht om machines de menselijke intelligentie te laten evenaren. Machine Learning is een onderdeel van Artificial Intelligence, dat momenteel de meest tot de verbeelding sprekende resultaten laat zien. Machine Learning heeft tot doel om IT-systemen automatisch te laten leren en te verbeteren op basis van ervaringen zonder dat deze systemen hiervoor expliciet geprogrammeerd worden. De ‘ervaringen’ die gebruikt worden om te leren zijn in principe alle beschikbare dataverzamelingen. Het leren op basis van grote hoeveelheden data resulteert in een Machine Learning model. Dit model wordt vervolgens ingezet als algoritme om beslissingen te nemen.AI en ML kunnen dus grote hoeveelheden data analyseren met behulp van wiskundige modellen. ML maakt het bijvoorbeeld mogelijk om grote hoeveelheden scenario’s of de gevolgen van een breed scala van machinesettings snel door te rekenen. Daarom is ML zeer geschikt voor de automatisering van industriёle en logistieke processen.
Holistische aanpak en tunnelvisie
Bootsman van Mobiquity waarschuwt bij de invoering van AI en ML vooral voor het risico van tunnelvisie in een bedrijf. Het personeel en de eventueel aanwezige dataspecialisten hebben vaak een enorme sectorspecifieke expertise en werken vanuit een duidelijk perspectief: het warehouse en logistieke processen draaiend houden, want verstoringen van de processen of stilstand zijn kostbaar. “Door je meteen op technische details te concentreren, mis je vaak de echte mogelijkheden voor innovatie en verbetering. Verpakkingslijnen en warehouses zijn complexe installaties met een enorme hoeveelheid assets, die allemaal met elkaar in verbinding staan.”Bootsman wijst erop, dat ook externe toeleveranciers de neiging hebben zich eenzijdig op de technologie te richten. “Ze beschikken over slimme systemen voor het bepalen van de technische levensduur en voor predictive maintenance, maar ze hebben natuurlijk een eigen commercieel belang en willen uiteindelijk onderdelen verkopen.”
“Onze ervaring is dat het werken met gemengde teams en het combineren van meerdere skills de beste resultaten geeft. Wij schakelen bijvoorbeeld strategieconsultants in, creatieve mensen en IT-specialisten, die samen met de subjectspecialisten uit het bedrijf aan de oplossing werken. We gaan uit van de algemene bedrijfsdoelstellingen en modelleren vervolgens als het ware naar binnen toe.”
Grote hoeveelheden data
Veel industriёle en logistieke bedrijven overwegen te investeren in AI en ML. En het moment is volgens Mobiquity gunstig, want veel oude installaties maken plaats voor geavanceerde systemen, die gebruik maken van een hoogwaardige infrastructuur voor datacommunicatie, sensoren en het Industrial Internet of Things. Industriёle en logistieke bedrijven krijgen daardoor de beschikking over enorme hoeveelheden data, die door de traditionele data-analist niet meer handmatig verwerkt kunnen worden. Systemen voor data-analytics, digital twins, AI en ML kunnen al die data min of meer geautomatiseerd omzetten in betrouwbare informatie, scenario’s en voorspellingen, waarop beslissingen gebaseerd kunnen worden. “Het lijkt een mode om te praten over Chief Data Officers en data scientists in bedrijven, maar dat is echt geen overbodige luxe. AI en ML leunen zwaar op de wiskunde en die kennis is in de meeste bedrijven niet aanwezig. Het is belangrijk om mensen in dienst te hebben die snappen dat data een belangrijke asset zijn, die weten hoe je ze analyseert en naar de praktijk vertaalt. De gedachte dat je in de toekomst een data scientist inhuurt om problemen op te lossen, is niet zo vreemd.”
Inbedding
Bootsman: “De grootste uitdaging voor bedrijven is AI en ML ook echt in de beslis- en bedrijfsprocessen te integreren. Stel je ontdekt dat een kogellager van intern transportsysteem in de komende drie maanden een faalkans van 80% heeft. Wat doe je dan? Onderbreek je het proces en vervang je het onderdeel of wacht je op de eerste geplande onderhoudsstop, met het risico dat de machine stilstaat omdat het onderdeel in de tussentijd faalt. Ga je scenario’s die je met een digital twin test, ook echt implementeren? Het heeft geen zin om al die data te verzamelen en te analyseren als je er niets mee doet. Met AI en ML kunnen industriёle en logistieke bedrijven grote voordelen realiseren, zoals optimalisering van processen en installaties, een betrouwbare forecasting en kostenbesparingen tot en met de ontwikkeling en implementatie van echte innovatie.”
Tekst: Mobiquity