Bezig met laden...

Veelbelovende aanpak data science voor complexe logistiek | Dutch Mobility Innovations | DMI

home "»" Community's "»" Dutch Mobility Innovations "»" artikelen "»" Veelbelovende aanpak data science voor complexe logistiek
Dutch Mobility Innovations

Verlaat Community:

Weet je zeker dat je je lidmaatschap wilt verwijderen van

Word lid van deze Community:

Lid worden van deze community?

Navigatie-item bewerken

Vereist De naam die in de navigatie van de Community verschijnt.
Vereist
Vereist
Vereist De url kan verwijzen naar een interne of externe webpagina.
 
Login als je wilt volgen, delen of deelnemen in deze Community.
Nog geen lid?Registreer je Nu
Veelbelovende aanpak data science voor complexe logistiek

Veelbelovende aanpak data science voor complexe logistiek

 /5
0 (0stemmen)

Hoekstra Logistiek uit Sneek is gespecialiseerd in het vervoer van kwetsbare en afwijkende goederen en in verhuizingen. ICT’er Michel Kroes vertelt over de inzet van data science. ‘Goede voorspellingen maken is niet eenvoudig. Maar we komen iedere keer een stapje vooruit.’

‘Zonnepanelen, sanitair of machines vervoeren? Wij vervoeren van alles en rijden the extra mile om kwetsbare of afwijkende goederen van onze klanten veilig en op tijd van A naar B te krijgen. En het liefst zo efficiënt mogelijk.

Data science workshop

Voor de complexe logistiek daarachter zetten we daarom steeds meer in op een veelbelovende nieuwe aanpak met data science. Als je data slim gebruikt, kun je op het gebied van verduurzaming een flinke slag slaan doordat je lege kilometers weet te voorkomen. Tijdens een data science-workshop met Centric hebben we onderzocht welke data binnen en buiten de organisatie beschikbaar is en vooral: welke mogelijkheden er ontstaan als je al deze data slim combineert.

Capaciteit voorspellen

Tot nu toe waren we vooral bezig met het analyseren van data uit het verleden. Maar het is veel belangrijker om te voorspellen wat we in de toekomst gaan doen. Wij willen liefst zo nauwkeurig mogelijk weten hoeveel capaciteit we waar en op welke dag nodig denken te hebben. De workshop heeft ons geleerd dat het toepassen van data science nog niet zo eenvoudig is en dat goede, gelabelde data erg belangrijk is.



IT’ers Michel & Jorrit

Klein beginnen

Een ander inzicht is dat je klein moet beginnen. Als we van de top 10 klanten eerder in beeld kunnen brengen wat het aantal laadmeters en stops voor de volgende dag is, kunnen we alleen al op basis daarvan onze capaciteit beter plannen. Dat willen we uitbreiden naar de langere termijn, zodat je wellicht in de toekomst in week 1 al weet wat je bijvoorbeeld in week 32 aan mensen nodig hebt. En daarbij houd je dan rekening met voorspellingen over het aanbod vanuit de klant, je wagenpark, schoolvakanties, ziekteverzuim en ga zo maar door.

Remmend effect

Een goede voorspelling maken is nog niet zo eenvoudig. Wat het lastig maakt zijn alle verstoringen in de markt van de afgelopen jaren. De coronaperiode gaf bijvoorbeeld een enorme boost aan de afzet van consumentenartikelen. Terwijl de oplopende inflatie daarop nu weer een remmend effect heeft. Maar we gaan iedere keer weer een stapje vooruit.

Bron: TLN

Opmerkingen (er zijn nog geen reacties)