In de logistiek rijden 1 op de 5 vrachtwagens zonder vracht. Dat zijn kostbare kilometers waarbij veel efficiëntie verloren gaat. Gelukkig zijn er steeds meer voorbeelden van innovatieve AI oplossingen in de logistiek die transport efficiënter maken. De mogelijkheden binnen de vervoersmarkt zijn enorm. Emons Group wilde de toegevoegde waarde van kunstmatige intelligentie (AI) verkennen om tot een duurzame vervoersoplossing te komen.

Hoe kunnen we met kunstmatige intelligentie het aantal lege vrachtwagens op de weg verminderen?

De kansen voor AI toepassingen zijn enorm. Om de toegevoegde waarde van AI voor Emons te testen in de praktijk, zijn we aan de slag gegaan met een proof-of-concept. Voor de proof-of-concept hebben we een Unilever dataset gebruikt met daarin een lijst met ritten waar vervoerders op kunnen bieden. In de dataset staan ongeveer 1000 routes, waarvan onder andere de ophaallocatie, afleverlocatie, frequentie per jaar, afstand in kilometers en overige specificaties bekend zijn.

Om ervoor te zorgen dat de agent efficiënter interessante routes kan identificeren, hebben we ophaal- en afleverclusters gecreëerd. De lege kilometers van een route maken we inzichtelijk door de afstand te schatten tussen een aflevercluster en het dichtstbijzijnde ophaal cluster. Na het trainen van de agent heeft deze geleerd welke ritten interessant zijn: Bij het inplannen van ritten krijgen langere ritten de voorkeur en worden ritten met lege vrachtwagens voorkomen. Het proof-of-concept laat goed zien dat met behulp van kunstmatige intelligentie vrachtwagens efficiënter en duurzamer kunnen rijden.

Door het proof-of-concept van een slimme agent kan Emons lege vrachtwagens voorkomen, kostbare kilometers efficiënter maken en ritten verduurzamen.

Samenwerking: Vanuit een ambitie sessie en AI workshop hebben we samen met Emons enkele use cases voor AI geïdentificeerd.

Technologie: De agent werkt op basis van reinforcement learning. Hij leert via een simulatie, waardoor er niet veel data nodig is. Hierdoor konden we efficiënt een prototype ontwikkelen zonder vergaande integraties.

Implementatie: Via een proof-of-concept konden we snel achterhalen of AI in de situatie van Emons meerwaarde biedt.