Cargo- en Incentronauten maken vrachtlogistiek samen slimmer

Slimmer platform dankzij Machine Learning

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, want het logistieke proces tussen jou en de afzender is een complexe aaneenschakeling van expediteurs, vliegmaatschappijen en afhandelaren. Meestal gaat het goed en komt je bestelling op tijd aan, maar het risico op vertraging is groot.

voor je verder leest

Logistiek jargon in deze case:
nomineren: een vracht toekennen aan de juiste vervoerder, bijvoorbeeld een vliegtuig of pakketdienst.
afhandelaar: partij die luchtvracht uit het vliegtuig laadt, nomineert en in het depot klaarzet voor de juiste expediteur.

expediteur: partij die goederen naar hun eindbestemming vervoert.
vrachtbrief: document (vaak een A4’tje) op een vracht of pakket, met daarop informatie over de inhoud, afzender, ontvanger, en informatie van de douane.

laadruim uit het luchtruim

Denk nog even aan je (fictieve) bestelling in Japan. Deze is naar Schiphol gevlogen, daar uit het vliegtuig geladen en in een depot geplaatst. Een afhandelaar heeft de vrachtbrief – een geseald A4’tje op de doos – gecheckt en de juiste expediteur genomineerd. Die heeft je pakket op Schiphol opgehaald en uiteindelijk naar je werkadres gereden. Prima proces, denk je misschien. En dat is het ook. Toch valt er veel te stroomlijnen. Want:

  • Voor vrachtbrieven bestaat geen universeel format, wat betekent dat ze er allemaal anders uit (kunnen) zien.
  • Niet alle vrachtbrieven worden volledig ingevuld. Soms ontbreekt er informatie.
  • In het ergste geval is de vrachtbrief onderweg kwijtgeraakt.

Gevolg: de afhandelaar moet de informatie over de vracht zelf achterhalen. Dat kost tijd, en levert vertraging op.

Cargonaut bedacht een manier om de overdracht van vrachtbrieven op Schiphol slimmer in te richten. Ze ontwikkelden een digitaal platform waarop expediteurs in het buitenland de vrachtbrieven al kunnen invoeren, zodat bij aankomst op Schiphol meteen duidelijk is welke vracht in het vliegtuig zit, en waar die naartoe moet. Dat scheelt gehannes met fysieke papieren en brengt meer vaart in het proces.

Toch begreep Cargonaut dat het platform nóg slimmer kon. Ze schakelden Incentro in om:

  • Machine learning toe te passen, zodat het platform ontbrekende of verkeerde vrachtgegevens kan corrigeren en het nominatiewerk van afhandelaren kan overnemen.
  • De informatie op het platform toegankelijk te maken voor expediteurs, zodat zij hun vrachtwagens al op pad kunnen sturen voordat het vliegtuig wiel aan de bodem heeft gezet.

leerzaam dagje Schiphol

Sommige dingen ga je pas zien als je ze doorhebt. Dat geldt zeker voor ons vak: de IT. Ons werk is vaak abstract en prima te doen op afstand. Maar 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 ons team een dagdeel mee met een afhandelaar op Schiphol. We zagen hoe vrachten genomineerd werden, en welke problemen hierbij opdoken. Onze ervaringen namen we mee naar onze tekentafels, en verwerkten we in onze code.

Van dichtbij zien hoe een vracht bloemen uit een Boeing wordt geladen, is heel indrukwekkend. En door met afhandelaren mee te lopen en face-to-face met ze te spreken, hebben we veel geleerd over het proces op Schiphol. Ook is het heel gaaf om te weten dat onze code nu door allerlei logistieke partijen gebruikt wordt. En er uiteindelijk voor zorgt dat ook ónze buitenlandse pakketten sneller worden bezorgd.’
– Geddy Schellevis, Cloud Consultant bij Incentro

oplossing: digitale waarzegger en een dashboard

Alle informatie die in vrachtbrieven staat, is data. En als je data hebt – het liefst in grote hoeveelheden – kun je Machine Learning toepassen. Je laat dan software analyses maken van je data, verbanden leggen en uiteindelijk voorspellingen doen. Samen met Cargonaut legden we de technische basis voor Machine Learning op het platform. Ook ‘trainden’ we het systeem zo dat het nuttige voorspellingen kan doen over de inhoud van vrachtbrieven.

Stel bijvoorbeeld dat er elke maand een vliegtuig met auto-onderdelen van dezelfde Chinese leverancier op Schiphol landt. En steeds weer moet de vracht naar hetzelfde schadebedrijf in Venlo. De software kan dan voorspellen dat de onderdelen ook de volgende keer waarschijnlijk naar Limburg moeten. Zelfs als de vrachtbrief niet helemaal goed is ingevuld, komt de bestelling zo toch bij de juiste partijen terecht. Dat scheelt de afhandelaar uitzoekwerk en zorgt ervoor dat het proces op tempo blijft.

‘We hebben ingesteld dat de software voor 90% zeker moet weten dat een bepaalde vracht voor een bepaalde expediteur bestemd is, voordat een afhandelaar in actie komt. Maar afhandelaren kunnen deze threshold zelf aanpassen. Want de ene partij wil misschien 95% zekerheid, terwijl een ander gaat voor 85%.– Jorick van Hees, Machine Learning-consultant bij Incentro

data delen met expediteurs

Daarnaast maakten we het platform toegankelijk voor expediteurs, zodat zij sneller in actie kunnen komen als er pakketten voor hen op Schiphol landen. We maakten een dashboard waarop ze – via een abonnement bij Cargonaut – kunnen inloggen. Eenmaal binnen kunnen ze zien welke vrachten wanneer binnenkomen, en waar ze naartoe moeten. Omdat er ook weleens nieuwe expediteurs aan het platform moeten worden toegevoegd, regelden we meteen ook de onboarding. Hiermee kunnen administrateurs van Cargonaut snel nieuwe partijen toegang geven tot het dashboard.

‘Eigenlijk is het platform van Cargonaut een permanente track-and-trace voor de hele logistieke keten.’ – Bas Diks, Delivery Manager bij Incentro Cloud

Het team van Incentro:

Backend: Joey Koster & Geddy Schellevis
Frontend: Nicky Haze & Sander Korf
Data engineering: Jorick van Hees & Ted Jaspers

‘Ik ben erg trots op het systeem dat we gebouwd hebben. Het is ons gelukt om de processen die voorheen in het brein van de afhandelaren plaatsvonden, na te bootsen.’ – Ted Jaspers, data engineer bij Incentro