Cargonaut
Incentro- en Cargonauten maken de pakkettentocht samen slimmer
Services
Data & AI, Digital Transformation
Technologie
Google Cloud


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
Papierloos en innoverend
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
Eerst zien, dan geloven
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.
De oplossing
Onze digitale waarzegger
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
Lege opslagplaatsen
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.

1 min read
Whitepaper: Zo bouw je AI-agents die écht voor je werken

2 min read
Roundtable Event: Boost je business met Agentic AI

4 min read
De onzichtbare oorlog achter onze schermen: hoe kwetsbaar zijn we écht?

4 min read
Hoe procesorkestratie de weg baant voor AI en hyperautomation
