Programmeren van de toekomst
In deze steeds complexere wereld betekent het aanbieden van eersteklas groupagelogistiek aan de chemische industrie een voortdurende ontwikkeling van de aangeboden diensten. AI-toepassingen spelen een belangrijke rol in deze voortdurende en continue verandering. Michael Kriegel, Department Head DACHSER Chem Logistics, legt uit welke mogelijkheden AI heeft voor de logistiek en hoe het DACHSER helpt om de huidige uitdagingen te overwinnen.
DACHSER heeft van digitalisering al vroeg een prioriteit gemaakt en door de introductie van de SSCC-barcode en sterk geïntegreerde bedrijfssystemen heeft het bedrijf mede vorm gegeven aan de digitale koers die de logistiek is ingeslagen. Vandaag de dag staan machine learning en kunstmatige intelligentie (AI) bovenaan de digitaliseringsagenda van DACHSER.
De logistieke sector heeft nu dringend behoefte aan digitale transformatie om de kwaliteit te waarborgen en uitdagingen zoals het tekort aan chauffeurs en andere vakmensen aan te pakken. Bovendien wordt er een beroep gedaan op de sector om het tempo verder op te voeren als het gaat om het invoeren van nieuwe technologieën en om maatschappelijke megatrends zoals digitalisering, verstedelijking, e-mobiliteit en verbinding - die de manier waarop we leven veranderen - te integreren in de activiteiten. Dit vraagt om een strategische mindset en een stevige grip op de regie, want het komt allemaal neer op het actief vormgeven van de toekomst door te anticiperen op wat er nodig zal zijn. Bij DACHSER onderzoeken we drie belangrijke gebieden voor AI-toepassingen waar onze klanten in de chemische industrie ook van zullen profiteren: de groupageafhandeling zelf, het plannen van processen en het verminderen van uitstoot.
De digitale transformatie van groupagelogistiek
Groupagelogistiek is een belangrijke factor in de competitiviteit van de industrie en dus ook van de chemische industrie. Ook hier nemen de volumes van goederen die op pallets en in big bags worden geladen af, wat betekent dat het zinvol is om laadruimte te delen met andere verzenders. Dit is de enige manier om goederen snel en kosteneffectief te leveren en tegelijkertijd de CO2-uitstoot tot een minimum te beperken. Maar door onderbroken supply chains en de sterke toename van leveringen aan consumenten komen zelfs de meest efficiënte groupagenetwerken onder druk te staan. Hier komen intelligent databeheer, algoritmen en AI om de hoek kijken: deze kunnen de best mogelijke oplossingen voorstellen met behulp van wiskundige modellen die in staat zijn om de patronen en structuren ‘te leren’ die aanwezig zijn in hun trainingsdata.
Het begint allemaal met logistieke praktijken, die in de eerste plaats gebaseerd zijn op menselijke expertise en de fysieke middelen die nodig zijn om diensten te verlenen, zoals netwerk- en terminalstructuren. Efficiëntie wordt grotendeels bepaald door wat er gebeurt op de netwerkknooppunten, waar lange- en korteafstandstransporten op elkaar aansluiten. Het succes hangt af van de logistieke medewerkers, vooral de laders en lossers, die de nodige ervaring hebben om de laadcapaciteit van trailers en wissellaadbakken te optimaliseren, vergelijkbaar met het spelen van een spelletje Tetris. Het verschil in het benutten van de laadcapaciteit tussen een ervaren lader en een onervaren lader kan wel 15 procent bedragen. In het kader van de demografische veranderingen, het daarmee gepaard gaande gebrek aan gekwalificeerd personeel en de ruimtetekorten, is het essentieel dat we steeds intelligentere en efficiëntere manieren aannemen om met de beschikbare middelen om te gaan. Samen met Fraunhofer IML ontving DACHSER eind 2023 de German Logistics Award van de Duitse Logistiek Associatie (BVL) voor @ILO, een technologische innovatie die de logistieke processen van groepage vergaand digitaliseert.
De logistieke sector heeft dringend behoefte aan digitale transformatie om kwaliteit te garanderen en uitdagingen aan te pakken zoals het tekort aan chauffeurs en andere vakmensen.
De digitale twin van @ILO betekent een reuzesprong voorwaarts in de groupagelogistiek. @ILO, wat staat voor Advanced Indoor Localization and Operations en kan in realtime een volledige digitale kaart van een overslagloods opleveren. Als identificatiemiddelen gebruikt @ILO tweedimensionale Data Matrix-codes, vergelijkbaar met QR-codes, die boven op elk pallet zijn aangebracht. Deze codes worden geregistreerd door enkele honderden automatische scanners aan het plafond van de terminal. Binnen enkele seconden en met behulp van op AI gebaseerde algoritmen produceert deze technologie een digitale tweeling, een realtime weergave van alle processen in de loods, inclusief volumemetingen en lokaliseren tot op de meter nauwkeurig. Door deze informatie op displays en mobiele apparaten te bekijken weten vorkheftruckchauffeurs en magazijnmedewerkers precies waar elke pallet zich bevindt en waar deze naartoe moet. Dit kan de individuele procestijden met 15 tot 35 procent verkorten. Hetzelfde geldt voor gevaarlijke goederen, die natuurlijk nog steeds gelabeld moeten worden. Het nieuwe systeem kan deze gegevens echter veel efficiënter en duidelijker weergeven dan voorheen het geval was.
@ILO is het resultaat van meer dan zes jaar gezamenlijk onderzoek door DACHSER en Fraunhofer IML. DACHSER heeft de technologie al toegepast op vier van zijn Europese locaties en zal deze de komende jaren uitrollen op zijn grotere vestigingen in Europa.
AI voor intelligente planning
Overslagloodsen zijn niet de enige plaatsen waar AI kan helpen bij het bieden van zinvolle oplossingen. Neem bijvoorbeeld automatisering in het magazijn: geautomatiseerde geleide voertuigen (Automated Guided Vehicles (AGV's) uitgerust met sensorsystemen zoals camera's, lasers en radars navigeren behulp van AI. Deze zelfrijdende voertuigen werken autonoom en voeren eenvoudige terugkerende taken uit, zoals het verplaatsen van pallets van het warehouse naar de overslagloods.
Een andere cruciale factor voor het bereiken van efficiëntie en kwaliteit in logistiek is planbaarheid. Ook hier kan AI echt een verschil maken, zoals blijkt uit het eerste machine learning-project van DACHSER: PAnDA One. Dit is een acroniem van Predictive (P) Analytics (An) DACHSER (DA), waarbij ‘One’ aangeeft dat het het eerste machine learning-project van het bedrijf is. Het PAnDA One-model is speciaal ontworpen voor het voorspellen van inkomende volumes bij onze Europese logistieke vestigingen en biedt ondersteuning bij de besluitvorming voor de capaciteitsplanning. Dit maakt het mogelijk om in een vroeg stadium geschikte laadcapaciteit op de markt te krijgen of om middelen te plannen in de overslagloods. Met dat doel voor ogen biedt het voorspellingsmodel de relevante inkomende volumes tot 25 weken vooruit. De vestigingen hebben nu een extra hulpmiddel tot hun beschikking dat het " onderbuikgevoel" van ervaren transportmanagers ondersteunt met gegevens en de indrukken valideert die zijn opgedaan in gesprekken met klanten. De technologie ondersteunt mensen bij hun beslissingen.
Uitstoot van transport verminderen
Duurzame praktijken - met hun ecologische, sociale en economische aspecten - banen de weg naar een zekere en economisch stabiele toekomst. DACHSER streeft ernaar om zo snel mogelijk netto nul CO2-uitstoot te bereiken voor zijn eigen faciliteiten en voertuigen. Daarom heeft het bedrijf speciale e-mobility locaties opgezet in Freiburg, Hamburg en Malsch, vlakbij Karlsruhe. Deze locaties richten zich op het onderzoeken en testen van uitstootvrije batterij-elektrische trucks en hun laadinfrastructuur, het gebruik en de zelfopwekking van hernieuwbare elektriciteit en intelligent energie- en laadbeheer. Het lijkt op het eerste gezicht misschien niet voor de hand liggend, maar het verzamelen en intelligent gebruiken van gegevens speelt hier ook een sleutelrol: het ontwikkelen van betrouwbare modellen en toepassingsscenario's voor het uitrollen van emissievrije korte- en langeafstandstransporten vereist grootschalige dataverzameling. Dit is een spannend gebruiksscenario voor de toekomstige toepassing van AI door DACHSER.
Gezocht: kritische denkers
Wat DACHSER heeft geleerd van het gebruik van AI-toepassingen is dat machine learning vaak een trial-and-error-aanpak inhoudt. Het gaat om het testen van trainingsdata zo lang als nodig is totdat de gewenste nauwkeurigheid is bereikt en een kwaliteit die voldoende is voor de toepassing. In tegenstelling tot traditionele programmering vraagt dit vooral om één ding: geduld. AI kan ook nadelen hebben, zoals het wegvallen van controle, risico’s op aansprakelijkheid en andere uitdagingen. Daarom is het belangrijk om elk proces kritisch en met gezond verstand te bekijken. Maar over het geheel genomen biedt digitale transformatie uitstekende mogelijkheden voor duurzame, toekomstbestendige ontwikkeling. In plaats van mensen te vervangen, zal een verstandige dosis AI en machine learning hen helpen beter geïnformeerde en dus betere beslissingen te nemen. Logistiek wordt gemaakt door mensen, voor mensen en dat zal niet veranderen. Met andere woorden, elk bedrijf heeft wat nodig is om zijn eigen digitale toekomst vorm te geven.