Stappenplan optimaliseert forecasting in logistieke ketens met AI

Kan Artificiële Intelligentie (AI) worden ingezet voor het beter voorspellen en plannen van de supply chains? En kan ze de logistieke ketens efficiënt houden bij onverwachte gebeurtenissen? Het antwoord is ja, is de conclusie van het VIL-project ‘AI4Cast’. Het gebruik van AI om de voorraden optimaal te plannen kan zelfs kostenbesparingen tot 25% en meer opbrengen. VIL begeleidt de bedrijven die de stap willen zetten.

De supply chains worden steeds complexer, wat het plannen en voorspellen van de vraag en de capaciteit moeilijk maakt. Ook onverwachte gebeurtenissen bemoeilijken dit: denk aan onverwachte pieken in koopgedrag door hypes, vertragingen door onvoorziene weersomstandigheden of materiaalschaarste door een pandemie. Vaak hebben ze een ketenreactie tot gevolg, waardoor meerdere bedrijven in de problemen komen. Zo ontstaan er kosten voor extra transport, overwerk of huur van materiaal of ruimte.

Het buikgevoel is al lang voorbijgestreefd. Om als bedrijf optimaal en efficiënt te kunnen werken, moeten supply chain voorspellingen en planningen dus zo accuraat mogelijk gebeuren, welke de omstandigheden ook zijn. Alle bedrijven in de keten - en de eindklant - hebben overigens baat bij een ketenbrede, real-time en proactieve supply chain forecasting.

Kostenbesparingen

Het AI4Cast-project van VIL toont aan dat AI de kans biedt om het plannen en voorspellen van de supply chains veel efficiënter aan te pakken. Andere conclusies zijn:

• Kwaliteitsvolle data en de bereidheid tot samenwerking zijn cruciaal om AI-toepassingen succesvol te kunnen inzetten
• In een ideale wereld wordt forecasting niet eenzijdig opgezet maar is er supply chain samenwerking tussen bedrijven die deel uitmaken van dezelfde toeleveringsketen
• Standaardisatie van de data is van groot belang
• Algoritmes zijn slechts zo goed als de data waar zij over kunnen beschikken. De juiste AI-technieken toegepast op volledige en waardevolle data minimaliseren de foutenmarge in de planning en forecasting.
• Naast meer efficiëntie leveren algoritmes ook kostenbesparingen op: afhankelijk van de kwaliteit van de data, de bedrijfsprocessen en de graad van samenwerking zijn kunnen ze tot 25% en zelfs meer leiden.

Stappenplan

Deze conclusies konden onder meer getrokken worden dankzij pilots bij Colruyt en Procter & Gamble. Deze studie-case focuste op de vraagvoorspelling van een aantal categorieën goederen aangekocht door Colruyt bij Procter & Gamble.

Op basis van de pilots en de conclusies werkte VIL een stappenplan uit om de forecasting van bedrijven te optimaliseren met AI. Hiermee kunnen bedrijven nagaan welke data er ter beschikking zijn; hoe ze door middel van intelligente algoritmes uit deze data waardevolle informatie kunnen genereren; en welke samenwerking met de betrokken logistieke partners - met behulp van een betrouwbaar dataplatform - aangewezen is.

Begeleiding is nodig

“Niet alle bedrijven zijn even matuur op gebied van data, zodat het toepassen van het stappenplan niet vanzelfsprekend is. Hoe ver staan ze in het verzamelen van data? Zijn het de juiste data? Beschikken ze over de aangepaste systemen om ze te verwerken? VIL begeleidt hen bij deze analyse. Pas als een bedrijf zijn data op orde heeft, kan het de volgende stap zetten”, zegt projectverantwoordelijke Dirk Jocquet.

Geïnteresseerd in de begeleiding van VIL bij de analyse van de data en de uitwerking van het stappenplan? Contacteer Dirk Jocquet: dirk.jocquet@vil.be