Kunstmatige intelligentie wordt steeds belangrijker in warehouses. Hoewel AI en machine learning nog in de kinderschoenen staan, biedt het voor organisaties die actief met deze technologische ontwikkelingen aan de slag gaan op kansen.
De afgelopen tijd is Artificial Intelligence (AI) bij steeds meer organisaties hoger op de agenda komen te staan. Dat komt onder meer door de lancering van ChatGPT en de uitrol van andere AI-oplossingen.
Toch wordt AI nog door slechts 14% van de warehouses ingezet, zo blijkt uit het MHI Annual Industry Report. Wel zien steeds meer supply chain-organisaties technologie als een strategische noodzaak. In een onderzoek van Gartner uit 2022 zegt 61% van de respondenten dat technologie een concurrentievoordeel kan bieden. Deze organisaties zien dat supply chains steeds complexer worden en daardoor hebben zij behoefte aan automatisering.
Mede daarom verhoogt 74% van de supply chain managers momenteel de investeringen in nieuwe technologieën, omdat zij verwachten dat in 2027 autonome digitale supply chains de norm zullen zijn.
Bij Element Logic ontwikkelen we sinds de jaren tachtig van de vorige eeuw al software voor magazijnen en sinds 2018 zijn wij bezig met de implementatie van AI. In mijn ogen zijn AI en machine learning een van de grootste technologische ontwikkelingen van onze tijd.
Volgens het onderzoek van Gartner zal AI een aantal processen binnen de supply chain verbeteren. Zo denkt 16% van de ondervraagden dat AI zorgt voor betere besluitvorming en rekent 21% erop dat dankzij automatiseringstools het transport verbetert. Ook verwacht een grote meerderheid dat AI een oplossing is voor het arbeiderstekort.
Dat steeds meer organisaties kansen zien in AI komt onder meer doordat er steeds meer data wordt verzameld uit verschillende systemen. Momenteel zitten veel organisaties nog in de fase dat deze data wordt gebruikt voor maandelijkse rapportages en KPI’s. De medewerkers analyseren de rapportages en bepalen welke actie ze hierop ondernemen. Voordeel hiermee is dat medewerkers met veel kennis en ervaring, snel een oplossing of verbetering kunnen bedenken. Het nadeel is dat je de rapportage vaak laat ziet en afhankelijk bent van het kennis niveau van de medewerker die op dat moment werkt.
De volgende stap is dat er op basis van data bij foutmeldingen of problemen in het proces een alarm afgaat, waarna een medewerker direct actie kan ondernemen. Als er bijvoorbeeld een probleem optreedt in een systeem, kan het systeem een signaal afgeven en op basis daarvan actie worden ondernomen. Ook kan AI gegevens van verschillende apparatuursensoren analyseren om te voorspellen wanneer onderhoud nodig is en aanbevelingen doen voor de meest kosteneffectieve onderhoudsstrategieën. Hierdoor wordt het risico op storingen en stilstand van een warehouse verminderd en kan de hoeveelheid tijd en middelen die een organisatie kwijt is aan het onderhoud worden teruggebracht.
Een ander voorbeeld is dat wanneer een truck een halfuur later aankomt, het systeem kan aangeven dat mensen anders ingezet kunnen worden in het warehouse. Dit verhoogt niet alleen de productiviteit maar ook de tevredenheid van medewerkers.
De volgende stap is dat AI leert van al deze meldingen en het systeem zelfstandig verder verbetert, zodat dit soort fouten in de toekomst niet meer voorkomen of dat er automatisch wordt gehandeld. Zo kan AI bijvoorbeeld helpen om tijdig voorraden aan te vullen en inkopen automatisch koppelen aan marketingacties.
Ik zie veel kansen in deze ontwikkelingen, omdat het direct winst oplevert voor organisaties. Volgens een onderzoek van Deloitte kunnen de onderhoudskosten met behulp van AI met 5-10% dalen en de voorraadkosten met 5-20% worden verlaagd. En in een onderzoek uit 2021 van onderzoeksbureau Vanson Bourne onder 350 Amerikaanse en Britse warehouses komt naar voren dat zij binnen vijf jaar op AI een gemiddelde ROI van meer dan 60% verwachten te realiseren.
Tegelijkertijd zie ik dat organisaties momenteel te maken hebben met een aantal uitdagingen om kunstmatige intelligentie effectief in te zetten voor hun warehouses, vooral omdat de technologie nog in de kinderschoenen staat.
AI-modellen zoals Large Language Models (LLM’s) dat wordt gebruikt voor ChatGPT, worden getraind op basis van miljarden datapunten en in de loop der tijd verder verfijnd om nog betere antwoorden te geven.
Bij veel warehouses ontbreekt dit soort omvangrijke datasets. De grootste uitdaging met deze modellen is dan ook momenteel om het beste antwoord te krijgen. Daarvoor is het nodig om enerzijds relevante en waardevolle data te vergaren en anderzijds ervoor te zorgen dat je de juiste vragen stelt, wat ook wel ‘prompt engineering’ wordt genoemd. De komende jaren zullen warehouses dan ook vooral bezig zijn met het digitaliseren van deze kennis, die vooral aanwezig is bij monteurs en andere betrokkenen van de warehouse.
Een andere uitdaging is om alle vergaarde data van verschillende bronnen met elkaar te verbinden en daaruit de juiste conclusies te trekken. Een van de oplossingen om dit samen te brengen is eLogiq. Dit cloud-based dataplatform verzamelt datastromen uit meerdere bronnen real-time, waarna deze geanalyseerd worden en op basis daarvan de KPI’s in een dashboard worden weergegeven. Op korte termijn kan eLogic ook voorspellende analyses van goederenstromen maken en op langere termijn is het doel dat een geautomatiseerde magazijnoplossing zichzelf optimaliseert en aanpast op basis van de beschikbare data.
Ook moeten er regels ontwikkeld worden voor AI. In een statement van het Center for AI Safety dat is ondertekend door onder andere de CEO’s van OpenAI en Google DeepMind, wordt er gewaarschuwd voor de gevaren van AI. Inmiddels heeft de Europese Commissie de AI Act opgesteld, een wetsvoorstel waarin AI in drie risicocategorieën worden ingedeeld. Toepassingen met een onaanvaardbaar risico vormen zoals het Chinese social scoring, systemen die een hoog risico vormen zoals het scannen van cv’s en oplossingen die niet expliciet verboden zijn blijven grotendeels ongereguleerd.
AI biedt voor warehousing veel potentieel om processen en taken verder te digitaliseren en te optimaliseren, waardoor medewerkers zich minder hoeven te richten op de processen en meer op de resultaten. Hierdoor gaat de cost per order verwerking omlaag en de leverbetrouwbaarheid omhoog. Zo AI kan er op termijn onder andere voor zorgen dat je zo min mogelijk downtime hebt in je warehouse en efficiënter mensen kunt inzetten. Wel moet er nog gewerkt worden aan regels en wetgeving die ervoor zorgen dat AI past bij onze eigen normen en waarden. Daarnaast geloof ik niet dat AI op korte termijn medewerkers overbodig maakt. De menselijke maat blijft nodig voor het realiseren van maatwerk of om in te spelen op onverwachte situaties. Ik verwacht dat tenminste de komende tien tot twintig jaar de kennis en ervaring van bijvoorbeeld monteurs hard nodig zullen zijn om de juiste inschattingen te maken. Ik denk dan ook dat AI medewerkers juist gaat helpen om betere beslissingen te nemen en arbeid efficiënter in te zetten, wat bijdraagt aan de tevredenheid van personeel.
Keep up to date, get insights and product updates straight to your inbox.
Sign up