ASML deed AI-pilot om supply chain resilient te maken

Uit een pilot bij ASML bleek dat een door Deep Reinforcement Learning getrainde AI-machine slimmere supply chain-beslissingen neemt dan de traditionele planningsmethodiek. De uitdaging is nu om de door artificial intelligence gegenereerde suggesties ook door planners te laten begrijpen en in te passen in de IT-systemen, meldt head of planning & delivery strategy Maarten Hendriks op een data science-congres in Den Bosch.

Door Harm Beerens

Het evenement werd georganiseerd door JADS, de data-academie in ’s Hertogenbosch die voortkomt uit een samenwerking tussen de TU Eindhoven en Tilburg University. Het thema van de bijeenkomst was ‘Maak je supply chain triple R met data en AI’. ‘Triple R staat voor responsiveness, robustness en resilience, drie zaken die hard nodig zijn om als bedrijf te kunnen dealen met alle disrupties die er op je af komen’, zegt academisch directeur Jos van Hillegersberg in zijn welkomstwoord. Hij benoemt een hele lijst aan data-instrumenten die je als bedrijf kunt inzetten om deze triple R-status te bereiken. Deze variëren van het aanleggen van dataspaces en digital twins tot het doen van simulaties en het inzetten van AI. Over al deze zaken wordt binnen het JADS veel kennis ontwikkeld en gedeeld.

Last-minute-wijzigingen

‘Toen ik hoorde wat het thema werd vandaag, dacht ik: dat is precies waar wij ook mee bezig zijn’, begint keynote-spreker Hendriks (foto) zijn verhaal. ‘Ook binnen ASML hebben we met disrupties en onzekerheid in de markt te maken. De omzet groeit gestaag, maar er zijn voortdurend schommelingen in de vraag die je van tevoren moeilijk kunt voorspellen. Klanten bestellen hun machines ver vooruit, maar er kunnen tot het laatste moment wijzigingen komen. Om hier optimaal op te kunnen reageren, moeten we resilient zijn in de aansturing van onze voorraad- en assemblageprocessen. Op de afdeling waaraan ik leiding geef, doen we hier continu onderzoek naar en kijken we uiteraard ook naar AI.’

AI omzeilt bottlenecks

Tijdens een verkennend onderzoek door één van de promovendi van zijn afdeling, werd gekeken of AI tot een hogere resilience kan leiden dan een traditionele manier van plannen. ‘Dit heeft tot veelbelovende resultaten geleid’, vertelt Hendriks. ‘We hebben een AI gestuurde agent gebouwd die voor ieder schakeltje in het productieproces met behulp van Deep Reinforcement Learning de optimale bestellingen bepaalt.’ Uit de test bleek dat dit tot een significant hogere leverprestatie leidt dan met traditionele bestelregels, en ook nog eens met minder buffervoorraad. De AI agent bleek vooral goed in staat om potentiële bottlenecks in het assemblageproces te voorkomen, door op een slimme manier productieorders net op tijd iets naar voren te halen.

Inpassen in planningsproces

De bevindingen uit het promotieonderzoek zijn volgens Hendriks uitermate veelbelovend, maar dit betekent niet dat de huidige manier van plannen nu overboord kan en alle supply chain-beslissingen voortaan met AI worden genomen. ‘De uitdaging zit ’m niet in de kwaliteit van de beslissingen die AI neemt’, stelt Hendriks. ‘Dit onderzoek had betrekking op een gesimplificeerd model van de werkelijkheid, en ik verwacht dat de prestatieverbetering van de AI agent met onze echte supply chain-data nog veel hoger zal liggen. Dan heb je immers met nog meer complexiteit te maken. Nee, de uitdaging zal vooral zijn hoe we deze AI-technologie inpassen in het planningsproces en hoe we ervoor zorgen dat onze planners het gaan omarmen.’

Dit laatste is best een lastige kwestie. De bestelbeslissingen van de AI agent waren weliswaar superieur, maar niemand die precies begrijpt hoe ze tot stand zijn gekomen. Hendriks: ‘AI moet ondersteunend zijn aan het bestelproces, dus planners moeten vertrouwen hebben in waar een agent mee komt. Planners moeten een bestelsuggestie ook altijd kunnen overrulen of aanpassen. Daarnaast moeten de AI tools geïntegreerd worden in de rest van de IT-infrastructuur waar we binnen ASML mee werken, en ook dat is makkelijker gezegd dan gedaan. Het zal kortom nog wel even duren voordat we de vruchten van AI ten volle kunnen benutten, maar dát het gaat gebeuren, daar ben ik zeker van.’

ASML wil schaalbaar groeien

Het onderzoeksproject rondom Deep Reinforcement Learning is voor ASML slechts één van de verbetertrajecten die worden ingezet om de supply chain triple R te maken. Ook op andere afdelingen, zoals de service supply chain, wordt bij ASML al veel met AI gedaan. Maar er is nóg een belangrijke reden waarom hij met zijn afdeling de komende tijd vol in AI zal blijven investeren, vertelt Hendriks: schaalbaarheid. ‘Als ik kijk naar de groei van ASML in omzet en het aantal supply chain planners, dan gaat dat ongeveer gelijk op. Daar moeten we verandering in aanbrengen. We zullen hard blijven groeien, maar het wordt steeds lastiger om aan goede mensen te komen. Ik zie AI als een middel om planners efficiënter hun werk te laten doen, zodat we als bedrijf op een schaalbare manier kunnen groeien.’