De rol van kunstmatige intelligentie in magazijnbeheer: mogelijkheden én uitdagingen
In de dynamische wereld van logistiek en magazijnbeheer groeit de invloed van kunstmatige intelligentie (AI) gestaag. Hoewel AI en machine learning nog in hun beginfase verkeren, liggen er aanzienlijke kansen voor organisaties die deze technologische ontwikkelingen omarmen.
De laatste tijd heeft Artificial Intelligence (AI) aan belang gewonnen bij tal van organisaties, mede door de lancering van toepassingen zoals ChatGPT en de bredere implementatie van AI-oplossingen. Toch blijkt uit het Annual Industry Report van MHI en Deloitte, wat inzicht geeft in innovatieve technologieën die toeleveringsketens duurzamer maken, dat slechts 14% van de magazijnen momenteel gebruikmaakt van AI. Ondanks dit cijfer beschouwt een groeiend aantal supply chain-organisaties technologie wel als een strategische noodzaak. Uit een Gartner-onderzoek over AI in supply chains uit 2022 blijkt dat 61% van de respondenten technologie beschouwt als een bron van concurrentievoordeel. Deze organisaties erkennen de toenemende complexiteit van supply chains en zien in automatisering een manier om aan deze uitdagingen tegemoet te komen.
De behoefte aan automatisering heeft ertoe geleid dat 74% van de supply chain-managers momenteel investeert in nieuwe technologieën. Deze investeringen worden ingegeven door de verwachting dat autonome digitale supply chains tegen 2027 de norm zullen zijn. Bij Element Logic zijn we sinds de jaren tachtig actief in het ontwikkelen van software voor magazijnbeheer, en sinds 2018 zijn we bezig met het integreren van AI. In mijn optiek behoren AI en machine learning tot de meest significante technologische ontwikkelingen van onze tijd.
Concurrentievoordeel door AI
Volgens het Gartner-onderzoek zal AI diverse processen binnen de supply chain optimaliseren. Zo gelooft 16% van de ondervraagden dat AI leidt tot betere besluitvorming, en verwacht 21% dat automatiseringstools het transport verbeteren. Een groot deel van de respondenten ziet AI als oplossing voor het arbeiderstekort.
De toenemende interesse in AI wordt mede gedreven door de groeiende hoeveelheid data die uit diverse systemen wordt verzameld. Momenteel wordt deze data vaak gebruikt voor maandelijkse rapportages en KPI's. Medewerkers analyseren deze rapportages en ondernemen actie op basis van de bevindingen. Hoewel dit aanpak voordelen heeft in termen van snelle probleemoplossing door ervaren medewerkers, heeft het als nadeel dat de rapportages vaak vertraging oplopen en afhankelijk zijn van de kennis van de medewerker op dat moment.
Directe interventie
Een volgende stap is om op basis van data bij foutmeldingen of problemen in het proces direct een alarm te activeren, waardoor een medewerker onmiddellijk actie kan ondernemen. Stel dat er bijvoorbeeld een probleem optreedt in een systeem, dan kan het systeem een waarschuwing afgeven en op basis daarvan kan er actie worden ondernomen. Ook kan AI gegevens van diverse apparatuursensoren analyseren om te voorspellen wanneer onderhoud vereist is en aanbevelingen te doen voor kosteneffectieve onderhoudsstrategieën. Hierdoor wordt het risico op storingen en stilstand van een magazijn verminderd, en kunnen tijd en middelen die aan onderhoud worden besteed, worden teruggebracht. Een ander voorbeeld is bijvoorbeeld het inzetten van personeel op eendere locatie in het magazijn wanneer een vrachtwagen een half uur later arriveert. Dit bevordert niet alleen de productiviteit, maar ook de tevredenheid van het personeel.
Proactieve softwaresturing
Een volgende fase omvat het leren van AI op basis van dergelijke meldingen, waardoor het systeem zelfstandig verbetert en fouten in de toekomst voorkomen worden, of er zelfs automatisch wordt gehandeld. AI kan bijvoorbeeld helpen om voorraden tijdig aan te vullen en inkoopbeslissingen automatisch te koppelen aan marketingacties.
Deze ontwikkelingen bieden aanzienlijke kansen voor organisaties. Zo toont onderzoek van Deloitte naar optimalisatie en voorspellen binnen het warehouse aan dat de kosten voor onderhoud met behulp van AI met 5-10% kunnen dalen en de voorraadkosten met 5-20% kunnen verminderen. Een onderzoek uit 2021 van het onderzoeksbureau Vanson Bourne naar AI binnen het warehouse onder 350 Amerikaanse en Britse magazijnen voorspelt dat zij binnen vijf jaar een gemiddelde ROI van meer dan 60% verwachten te behalen door AI-gebaseerde toepassingen.
Uitdagingen van AI
Tegelijkertijd zijn er uitdagingen verbonden aan het effectief implementeren van kunstmatige intelligentie in magazijnbeheer. Dit geldt met name omdat de technologie nog in de beginfase verkeert. AI-modellen zoals Large Language Models (LLM's), gebruikt in ChatGPT, worden getraind op basis van miljarden datapunten en worden in de loop van de tijd verfijnd om betere antwoorden te genereren. Echter, veel magazijnen beschikken niet over zulke uitgebreide datasets. Een belangrijke uitdaging ligt dan ook in het verkrijgen van relevante en waardevolle data, en tevens in het formuleren van de juiste vragen, ook bekend als 'prompt engineering'. In de komende jaren zullen magazijnen vooral streven naar het digitaliseren van deze kennis, die met name aanwezig is bij monteurs en andere betrokkenen bij het magazijnbeheer.
Een andere uitdaging is het verbinden van data afkomstig uit verschillende bronnen en hieruit de juiste conclusies trekken. Een oplossing hiervoor is eLogiq. Dit cloudgebaseerde dataplatform verzamelt realtime datastromen uit meerdere bronnen, die vervolgens worden geanalyseerd en in een dashboard worden weergegeven. Op korte termijn zal eLogiq ook voorspellende analyses van goederenstromen kunnen maken, terwijl op de lange termijn het doel is om een geautomatiseerde magazijnoplossing te creëren die zichzelf optimaliseert op basis van beschikbare data.
Noodzaak van regelgeving
Daarnaast moeten regels en wetgeving worden ontwikkeld voor het gebruik van AI. Het Center for AI Safety, waarbij onder andere CEO's van OpenAI en Google DeepMind zijn betrokken, heeft gewaarschuwd voor de risico's van AI. De Europese Commissie heeft inmiddels de AI Act opgesteld, een wetsvoorstel waarin AI wordt ingedeeld in drie risicocategorieën. Toepassingen met een onaanvaardbaar risico, zoals het Chinese social scoring, systemen met een hoog risico zoals cv-scans, en oplossingen die niet expliciet verboden zijn, blijven grotendeels ongereguleerd.
Een marathonaanpak
AI heeft aanzienlijk potentieel om processen en taken in magazijnbeheer verder te digitaliseren en optimaliseren. Hierdoor kunnen medewerkers zich meer richten op resultaten dan op operationele processen. Dit heeft een positieve invloed op de kostprijs per orderverwerking en de betrouwbaarheid van leveringen. AI kan op termijn onder andere downtime in magazijnen minimaliseren en het efficiënt inzetten van personeel bevorderen. Echter, er moet nog gewerkt worden aan regelgeving die ervoor zorgt dat AI in lijn is met passende normen en waarden. AI zal op korte termijn personeel niet overbodig maken. Menselijk inzicht blijft van cruciaal belang om maatwerk te bieden en in te spelen op onverwachte situaties. De komende tien tot twintig jaar zijn de kennis en ervaring van monteurs en vergelijkbare experts juist essentieel voor het maken van de juiste beslissingen. Wel zal AI medewerkers juist ondersteunen bij het nemen van betere besluiten en het efficiënter inzetten van arbeid, wat de tevredenheid van personeel ten goede zal komen.
