Hoe artificiële intelligentie de supply chain kan verbeteren

Logistiekprofs op 30 november 2020 | 7 minuten leestijd

Artificiële intelligentie (AI) maakt het op termijn mogelijk om zelfsturende supply chains te creëren. Een dergelijke transitie kan alleen succesvol zijn als alle betrokkenen ook voldoende vertrouwen hebben in de gebruikte AI-modellen. Dat is één van de conclusies tijdens de bijeenkomst van het Supply Chain Excellence Leadership Platform (SCELP) over digitalisering. 

Een andere conclusie is dat optimalisatie van de huidige supply chains niet voldoende is om de grote uitdagingen van de toekomst op te lossen. Daarvoor zijn radicale vernieuwingen nodig, zoals Disney en Transiticoalitie Voedsel laten zien. 

In supply chains komt steeds meer data beschikbaar, maar in de praktijk wordt daarvan maar beperkt gebruik gemaakt. Hoe kunnen we AI en machine learning inzetten om op basis van data een effectievere en efficiëntere supply chain te realiseren? Daar gaan adviseurs Lennart Bootsman en Dennis Timmers van Mobiquity op in.

Machine learning

Wat er zo bijzonder is aan AI en machine learning, introduceert Bootsman met een eenvoudig voorbeeld: het berekenen van de oppervlakte van een figuur. Daarvoor is input nodig – de lengte en breedte van de figuur – en een algoritme, in dit geval een eenvoudige rekenformule. “Hiermee zouden we normaal gesproken een stukje software programmeren dat de output levert: de oppervlakte. Machine learning werkt totaal anders. Daarbij trainen we de computer (of liever gezegd het neurale netwerk) door heel veel combinaties van input en output in te voeren, zodat de computer ‘leert’ welke input tot welke output leidt.” 

Het ‘rekenmodel’ dat op deze manier ontstaat, kan vervolgens worden gebruikt in nieuwe situaties. Op basis van nieuwe input-data kan het model met een grote mate van nauwkeurigheid de output voorspellen zonder dat de formule bekend hoeft te zijn. Dit heeft vooral nut in complexe situaties met heel veel factoren (parameters) waarvan de samenhang niet eenduidig vast te stellen is, waardoor formules tekortschieten. Kortom, in situaties die in heel veel supply chains voorkomen. “In zulke omstandigheden levert AI veel betere voorspellingen op met een grotere nauwkeurigheid dan bij toepassing van bestaande technieken. Op basis van die voorspellingen kunnen supply chain professionals betere beslissingen nemen”, vertelt Bootsman.

Explainable AI

Het gevaar is dat er AI-modellen ontstaan die niemand nog begrijpt; in dat geval ontstaat  een grote black box. Hoe kunnen we dan op die modellen vertrouwen? Hoe weten we dan of ze goed werken, ook als ze worden toegepast in een situatie die het model nog niet eerder heeft gezien? Om daar een antwoord op te geven, introduceert Mobiquity het begrip ‘explainable AI’. Door gebruik van datatechnieken kan je aan betrokkenen laten zien hoe het model tot zijn beslissingen komt. “Dat is noodzakelijk om vertrouwen te krijgen in het model, maar ook om de risico’s juist in te schatten. Als iets fout gaat, moeten we de oorzaak daarvan kunnen achterhalen om herhaling te voorkomen”, vertelt Timmers.

Hij illustreert dit met een voorbeeld van Google. Dit techbedrijf zet machine learning in voor beeldherkenning. Op basis van een groot aantal foto’s van kano’s leert het model kano’s herkennen. “Maar welke beeldelementen zorgen voor die herkenning? Dat blijkt vooral de peddel te zijn. Eigenlijk heeft Google geen kanodetector, maar een kanopeddeldetector gebouwd”, zegt Timmers. “De enige oplossing om deze fout te herstellen is het model heel veel foto’s laten zien van kano’s zonder peddel.”

Menselijke intelligentie

Mobiquity ziet grote mogelijkheden voor toepassing van AI in supply chain. Nu is het al mogelijk om planners en operators met AI te ondersteunen: het AI-model geeft suggesties en de planner beslist. Op langere termijn zou AI ook die rol over kunnen nemen. Dan ontstaan zelfsturende fabrieken en warehouses en mogelijk zelfsturende supply chains, aldus Timmers. “Maar we moeten kritisch blijven op de AI-modellen. Ook in een zelfsturende supply chain hebben we mensen nodig, onder andere om alle modellen te monitoren. Voordat het zover is, zijn we tien jaar verder.”

Backcasting

Bij het kijken naar digitalisering zijn er twee perspectieven, die beide verkend worden door de SCELP-werkgroep Digitalisering die bestaat uit Edwin van den Meerendonk (Disney), Marc Moerkerken, Marc Vogels (Enza Zaden), Irke-Marjen Wiersma (Samsung) en Maurice Keuch (Mustad). Het eerste perspectief betreft de blik vanuit het heden naar de toekomst oftewel forecasting. Dat gaat over optimaliseren: hetzelfde doen maar dan beter, bijvoorbeeld door inzet van AI.  De vraag is of we daarmee de grote problemen in de wereld kunnen oplossen, zoals het duurzaam voeden van meer dan 10 miljard mensen in 2050. Dat vraagt om backcasting: Wat is het einddoel dat we willen bereiken? Welke digitale technologieën kunnen we daarvoor inzetten? Dat is het tweede perspectief.

Volgens medeoprichter Willem Lageweg van de Transitiecoalitie Voedsel, uitgenodigd door SCELP, is forecasting ongeschikt om het voedselprobleem op te lossen. Sterker nog: optimaliseren werkt zelfs averechts. Nog meer inzetten op de huidige vorm van automatisering leidt tot nog meer schaalvergroting en schadelijke effecten voor maatschappij en milieu. Wat we nodig hebben is een ander perspectief. “We hebben met een groep van ruim honderd betrokkenen uit verschillende sectoren en disciplines allereerst de vraag proberen te beantwoorden hoe toekomstbestendige landbouw eruitziet. Alleen dat al leidde tot vijf verschillende toekomstbeelden. In de meeste daarvan speelt digitale technologie een belangrijke rol, maar niet in elk toekomstbeeld. Technologie kan bijvoorbeeld helpen om ieder mens een gepersonaliseerd dieet voor te schotelen, of om heel gericht met drones en robots elke individuele plant de optimale behandeling te geven.”

Streamingdienst

Edwin van den Meerendonk, vice president European supply chain bij de Walt Disney Company en SCELP-lid van het eerste uur, liet zien hoe zo’n toekomstvisie ook kan bijdragen aan het succes van een individueel bedrijf en wat dat betekent voor de organisatie. Hij vertelt hoe Walt Disney tot het besluit kwam om de concurrentie met Netflix aan te gaan en een eigen streamingsdienst op te zetten: Disney+. “Omdat steeds meer mensen het contract met kabelmaatschappijen opzeggen, dreigden we het contact met de consumenten kwijt te raken. Dat contact is belangrijk vanwege onze consumentenproducten en themaparken.”

Dit besluit heeft een enorme impact op de organisatie. “Met Disney+ veranderen we van een B2B- in een B2C-bedrijf. We deden alleen zaken met kabelmaatschappijen, bioscoopexploitanten en retailers, nu met miljoenen consumenten. Dat heeft gevolgen voor onze infrastructuur, voor onze organisatie, voor alles. We hadden een traditionele organisatiestructuur met silo’s, maar die hebben we omgegooid. Een organisatie die is opgedeeld in silo’s, staat een grootschalige transitie in de weg.”

Volgens Prof.dr. Jack van der Veen laat het voorbeeld van Disney zien dat we beide perspectieven moeten hanteren: forecasting én backcasting. “De huidige business van Disney verander je niet van de een op de andere dag. Die moet je blijven verbeteren. Tegelijkertijd zijn soms radicale veranderingen nodig om het gedroomde toekomstbeeld te realiseren. De kunst is om het nieuwe de ruimte te geven zonder dat te laten frustreren door de beperkingen van het oude. En om het oude te behouden zolang het nieuwe zich nog niet heeft bewezen.”

Gerelateerde artikelen