Track-and-trace voor ieder pakketje. Het lijkt zo simpel: je bestelt voor je werk een onderdeel in Japan en een week later heb je het in handen. Maar vergis je niet, er zit een complex proces tussen. Om ieder pakketje hobbelvrij bij je thuis te krijgen, regelt Cargonaut de afhandeling op Schiphol. Zij hadden hier al een innovatief platform voor, maar schakelde Incentro in om dit nóg slimmer te maken met Machine Learning (ML).

De challenge

Tussen je bestelling plaatsen en het afleveren bij op je deurmat gebeurt er heel veel: een vrachtbrief wordt ergens in de wereld ingevuld en naar een ontvanger (afhandelaar) van luchtvracht op Schiphol gestuurd, deze checkt alles en geeft het aan de partij die het pakket aflevert. Prima proces, denk je misschien. En dat is het ook. Toch valt er veel te stroomlijnen.

De grootste uitdaging ligt bij de overdracht van vrachtbrieven: soms ontbreekt er informatie of is ‘ie onleesbaar. Je kan je voorstellen dat niet iedereen in Azië weet hoe je ‘s-Hertogenbosch schrijft. Cargonaut ontwierp zelf een digitaal platform waar vrachtbrieven ingevoerd worden, zodat direct bij aankomst op Schiphol duidelijk is welke vracht erin zit, waar het heen moet en wie het daarheen moet brengen. Geen gehannes met papieren meer. Toch komt er nog veel mensenwerk (en menselijke fouten) bij kijken, waardoor Incentro werd ingeschakeld. Hoe kunnen we Machine Learning inzetten om álle foutjes uit de pakketjourney te halen?

Het proces

Sommige dingen ga je pas zien als je ze doorhebt. Dat geldt zeker voor de IT. Dit werk is vaak abstract en prima te doen op afstand. Pas als we zien welke rol onze code in de praktijk speelt, snappen we écht wat we aan het doen zijn. En kunnen we onze oplossing nog beter afstemmen op de behoeften van de gebruikers.

Daarom liep Incentro een dagdeel mee met een afhandelaar op Schiphol. We zagen hoe vrachten toegekend werd aan de juiste vervoerder, en welke problemen hierbij opduiken. Onze ervaringen namen we mee naar de tekentafels en verwerkten we in onze code.

Het is heel gaaf om te weten dat onze code nu door allerlei logistieke partijen gebruikt wordt. En dat onze code uiteindelijk ervoor zorgt dat ook ónze buitenlandse pakketten sneller worden bezorgd.

Erwin SchoonderbeekSales at Incentro

De oplossing

Alle informatie die in vrachtbrieven staat, is data. En als je data hebt – het liefst in grote hoeveelheden – kun je Machine Learning toepassen. We laten de software analyses maken van de data, verbanden leggen en uiteindelijk voorspellingen doen. Ook ‘trainen’ we het systeem zodat het nuttige voorspellingen kan doen over de inhoud van vrachtbrieven.

We hebben ook aan de expediteurs gedacht: zijn kunnen inloggen bij Cargonaut om te zien welke vrachten er voor hen aankomt om te vervoeren. Met onze nieuwe onboarding erbij, zijn er geen drempels meer.

Inzicht in afkomst en eindlocatie
Pakketjes komen zonder vertraging met de juiste vervoerder op de juiste plek.

Snel in- en uitladen op Schiphol
Machine Learning voorspelt waar de vracht heen moet, wat ervoor zorgt dat er betere planning kan worden gemaakt en vracht minder lang blijft liggen.

Van afhandelaar naar expediteur
Wanneer het systeem zeker is van z’n zaak, wordt alles geautomatiseerd en is er geen menselijke behandeling met de vrachtbrieven meer nodig.

Het resultaat

Snellere doorstroom van pakketjes betekent ook minder behoefte aan tijdelijke opslag. Door het nieuwe systeem van Cargonaut kunnen expediteurs hun pakketten snel doorsturen zodat de opslag op Schiphol minder wordt gebruikt. Nu heb jij binnen no time je pakketje op de mat en scheelt het de expediteurs een hoop knaken.