Data science staat aan basis van onverwachte inzichten

Data science geeft extra inzicht in delen van de supply chain waar de mogelijkheden van standaardsoftware ophouden. Of het nu gaat om productie, warehousing, forecasting of voorraadbeheer. Wie voorop wil lopen, zal dus moeten investeren in process mining, machine learning, deep learning of andere vormen van kunstmatige intelligentie. Een belangrijke vraag blijft hoe bedrijven dat moeten organiseren: met een eigen team van datageleerden of met een externe partij?

Door Marcel te Lindert

In het Zuid-Duitse Horb heeft de Fischer Group een hal met 65 spuitgietmachines die auto-onderdelen produceren. Tussen deze machines lopen mensen heen en weer om onder meer de machines te bedienen, onderdelen af te voeren en storingen te verhelpen. Het bedrijf weet precies welke taken deze mensen hebben, maar had tot voor kort geen idee hoe efficiënt ze die konden uitvoeren. ‘Daarom hebben we een aantal medewerkers uitgerust met bewegingssensoren: twee aan beide polsen en één aan de broekband. Via bluetooth sturen deze sensoren hun data door naar een app op de smartphone van de medewerkers. Datzelfde geldt voor de beacons die we op een groot aantal punten in de hal hebben opgehangen’, zegt Jan Greschner van Fischer Consulting, onderdeel van de Fischer Group.

Een week lang zijn elke dag gedurende twee shifts de bewegingen van medewerkers vastgelegd. Dat heeft in totaal meer dan 1 miljard datapunten opgeleverd. Op basis daarvan zijn de bewegingen gereconstrueerd met behulp van de kunstmatige intelligentie van MotionMiners, dat ook de sensoren, beacons en app heeft ontwikkeld. De resultaten daarvan heeft het MotionMiners-platform vertaald in inzichtelijke grafieken. ‘Wat blijkt? Per shift loopt een medewerker gemiddeld meer dan 10 kilometer. Ze lopen van machine naar machine om te checken of ze iets kunnen doen. Dat is lang niet altijd het geval, zodat ze weer doorlopen naar de volgende machine. Of ze blijven even wachten tot de onderdelen klaar zijn om in bakken te leggen. Al dat lopen en wachten vormt een enorme verspilling’, stelt Greschner.

De kunstmatige intelligentie van MotionMiners bracht nog meer aan het licht, bijvoorbeeld dat de medewerkers meer tijd dan gedacht nodig hadden voor al het papierwerk. ‘Terwijl we dat eenvoudig kunnen automatiseren’, verklaart Greschner. ‘Daarnaast denken we erover om elke medewerker te voorzien van een smartwatch, die bijvoorbeeld aangeeft dat over 30 seconden bij machine 53 iets te doen is. Dat voorkomt onnodige loopacties. Als we alle adviezen die voortkomen uit de bewegingsanalyse implementeren, kunnen we de inspanningen van medewerkers voor deze specifieke taken met 16 procent reduceren.’

Digitale kampioenen

Het gebruik van kunstmatige intelligentie in de supply chain rukt op. Uit recent onderzoek van PwC blijkt dat 70 procent van de ondervraagde bedrijven in minstens één onderdeel van de supply chain gebruikmaakt van machine learning, deep learning of een andere vorm van kunstmatige intelligentie. Ook bedrijven die in digitaal opzicht minder volwassen zijn, onderkennen de mogelijkheden en investeren in data science. ‘Maar de digitale kampioenen zijn ver vooruit. De kans dat zij kunstmatige intelligentie gebruiken, is twee tot drie keer zo groot dan bij digitale beginners’, stelt Martin Whyte, Director Connected Supply Chain bij PwC en coauteur van het onderzoeksrapport.

Bedrijven zetten data science in om de transparantie in hun supply chains te vergroten, de cost-to-serve te optimaliseren of klanten te segmenteren en daardoor beter te bedienen. Whyte: ‘Of neem als voorbeeld planning. Gebruik van louter historische data om de vraag te voorspellen, leidt tot over- of underforecasting met onjuiste voorraadniveaus tot gevolg. Door meer toekomstgerichte en andersoortige data over klantgedrag en nieuwe technieken zoals machine learning te gebruiken, neemt de voorspellende kracht toe. Dat helpt om de betrouwbaarheid van de forecast te verbeteren, maar maakt het ook mogelijk om op detailniveau – per product, per uur, per winkel – te forecasten. Het resultaat: een hogere productbeschikbaarheid en grotere klanttevredenheid.’

Oplossingen waarmee bedrijven zich onderscheiden, worden doorgaans niet volledig afgedekt door standaardsoftware. Die oplossingen moeten worden uitgebreid met data science-tools of zelf ontwikkelde algoritmes, stelt PwC. ‘Bedrijven gebruiken standaardsoftware om een supply chain-datanetwerk te creëren. Daarmee kunnen ze alle relevante data verzamelen en met elkaar verbinden, wat nodig is om die data realtime te kunnen analyseren. Maar daarnaast zal elk bedrijf altijd zijn eigen supply chain-datanetwerk moeten configureren op basis van de eigen unieke logica en opzet van de supply chain.’ … … …

Meer lezen?