AI als gamechanger in een complexe logistieke keten

Organisaties met lange productieketens worstelen vaak met het zo efficiënt mogelijk inrichten van hun processen. Dat geldt ook voor de zuivelindustrie, waar bederfelijke ingrediënten een belangrijke rol spelen. De belangrijkste uitdaging in de onderhavige zaak: hoe krijgen we onze verse zuivel van talloze boerderijen en andere partijen via een optimale route naar de juiste fabriek? Rekening houdend met een veelvoud aan factoren zoals het vet- en eiwitpercentage van de melk of de afnameafspraken die er zijn met individuele partijen? Tot nu toe gebeurde dit voor een groot deel nog handmatig via enorme Excel-bladen, en deels ook op grond van het instinct van de inkoper of planner. Een tijdrovende en foutgevoelige klus, waarbij de versheid en bacteriegevoeligheid van zuivel een factor van belang was. Was een tankwagen te lang onderweg? Dan werd de volledige lading afgekeurd.

In eerste instantie draaide de optimalisatievraag aan KPMG om een efficiencyslag. Door AI in te zetten, kon er in de planning voor het eerst tot in detail rekening worden gehouden met duizenden variaties: van het aantal locaties tot de afnamehoeveelheid en van productverschillen met betrekking tot vet en eiwit tot routes en omleidingen. Alleen dit al resulteerde in een besparing van miljoenen. In de praktijk was er nog een tweede kans om waarde toe te voegen. Naast de optimalisatie van reisbewegingen konden ook andere uitgangspunten gekozen worden, bijvoorbeeld op het gebied van ESG. Wat was de meest duurzame route? Welke route zorgde voor de minste CO₂-uitstoot? Welke route was het efficiëntst voor de chauffeurs? Bovendien kon er – dankzij de inzet van AI – doorlopend gemeten worden op basis van nieuw toegevoegde data zoals verkeersdrukte, de samenstelling van de zuivel of onverwachte zaken zoals een kapotte vrachtwagen.

We bedachten bij KPMG een ‘constraint-based optimization model’. Oftewel: de randvoorwaarden rondom het onderwerp bepaalden de uitkomst. In dit geval leidden duizend factoren zoals routes, zakelijke afspraken, afnamehoeveelheden, enzovoort naar één optimale route. Hiervoor bouwden we een cloudgebaseerde oplossing met een state-of-the-art ‘optimizer’, die simpel was te gebruiken. De relevante data werd naar de cloud gestuurd, waarna een antwoord werd gegeven voor de optimale planning voor de vrachtwagens. In dit geval was de datahuishouding van de opdrachtgever in principe goed op orde, terwijl het vaak juist een grote uitdaging is om de brondata op niveau te krijgen. Het resultaat was een systeem dat zorgde voor een efficiëntere planning voor het aanleveren van grondstoffen én vanaf het begin de kosten substantieel terugdrong.