DataRel, oftewel: hoe ontrafel je het DNA van een logistiek proces?

Zo vroeg mogelijk ontdekken dat er verstoringen in de supply chain aan zitten te komen, zelfs al een beetje voorspellen misschien. Het onderzoeksproject DataRel heeft dat als belangrijkste doel.
Om afwijkingen vroegtijdig op te sporen is het nodig om het DNA van een logistiek proces te ontleden met behulp van data. Niet makkelijk, wel super interessant volgens de onderzoekers.
Het DataRel project bestaat nu ruim vier jaar en bevindt zich in de afrondende fase. Er zijn al diverse methodieken en modellen gebouwd in opdracht van de Topsector ICT, en daar zou ook de Topsector Logistiek van kunnen profiteren.

Lees het gehele expertartikel van Topsector ICT op Logistiek.nl

‘Kleine disrupties kunnen zomaar tot grote vertragingen leiden’

Stel, je vervoert medicijnen onder specifieke condities vanuit de Verenigde Staten naar Europa. Traditioneel gezien vindt de controle van de lading dan pas plaats op het eindstation. Het kan dan blijken dat een deel van de lading niet meer bruikbaar is, bijvoorbeeld omdat de temperatuur te lang te hoog was. Het gebruik van een smart pallet kan uitkomst bieden. Dankzij sensordata is veel informatie over de lading al veel eerder beschikbaar. Aan de hand daarvan kan het schip bijvoorbeeld omkeren, of de klant kan alvast een nieuwe bestelling plaatsen om het verloren deel van de lading aan te vullen.

Logistieke disrupties zijn er in allerlei soorten en maten, en de gevolgen kunnen gigantisch zijn. Soms is er domweg niets tegen te doen, maar soms ook wel. Bijvoorbeeld door data te gebruiken om disrupties in een logistiek proces vroegtijdig te signaleren, waarna er actie kan worden ondernomen.

Rob Bemthuis is als promovendus aan de Universiteit Twente één van de onderzoekers binnen het corsortium dat zich aan het DataRel project verbonden heeft. DataRel staat voor big DATA for REsilient Logistics, het project draait onder de paraplu van Commit2Data als initiatief van de Topsector ICT. “Een kleine disruptie in een container aan boord van een schip dat onderweg is naar Europa, kan grote vertragingen in de levering van heel veel producten of grondstoffen veroorzaken”, aldus Bemthuis.

‘Voer een coping-strategie uit op basis van eerste afwijking’

Bemthuis laat zien hoe dit in de praktijk kan gaan werken. “Is er in de bewuste container een sensor aanwezig die een afwijking registreert en een patroon herkent, dan gaat er een alarm af, waardoor je weet dat er iets raars aan de hand is. Daarop kun je dan een zogeheten coping-strategie uitvoeren om het probleem direct op te lossen. Daar zijn we in dit project mee bezig. De kunst is om een disruptie zo vroeg mogelijk op te merken, liefst nog voordat deze echt plaatsvindt, en deze zo dicht mogelijk bij de bron aan te pakken.”

Samen met Ahrma, een partner binnen het DataRel consortium, zijn zogeheten smart pallets ontwikkeld. Dat zijn logistieke vervoerseenheden, uitgerust met sensoren die veel data genereren. Waar is de pallet, welke bewegingen vinden er plaats, wat is de temperatuur, de snelheid, noem maar op. Op basis van die data is het mogelijk om disrupties detecteren.

‘Het loont heel erg om data te delen, voor alle betrokkenen’

Logistieke processen kunnen volgens Bemthuis een stuk efficiënter verlopen als er enerzijds meer datastandaardisatie plaatsvindt en anderzijds er een grotere bereidheid is om data te delen. Hij vindt het Open Trip Model een goed voorbeeld waarmee logistieke data uitgewisseld zou kunnen worden tussen partners in het proces.

Bemthuis herkent dat reeds beschikbare data nog beperkt wordt gebruikt. “Veel bedrijven worstelen met de vraag wat ze ermee kunnen. Aan ons de taak om aan te geven wat wel en niet werkt. We werken in dit project met concrete use cases van projectpartners met ieder hun eigen focus. Bij de afronding van het project willen we het liefst een toolbox hebben voor praktische en academische vraagstukken, waarmee logistieke processen veerkrachtiger gemaakt kunnen worden. We zijn sterk voorstander van open science, dus we maken zoveel mogelijk methodes, datasets en modellen (inclusief broncode) openbaar.”