Met een digitial twin telt het warehouse voor twee

Moderne warehouses genereren grote hoeveelheden data. Daarnaast vindt ook AI zijn weg naar het dc om een nog hoger niveau van intelligentie en efficiency te bereiken. Als verlader en logistiek dienstverlener wil je het maximale uit je data halen. Dat kan met een digital twin. Monique van den Broek (CQM) legt uit hoe.

Veel grote retailers en logistiek dienstverleners weten niet dat er een revolutie op hen af komt. Nu al wordt de snelgroeiende hoeveelheid data vanuit de dc’s nauwelijks optimaal gebruikt. De toepassing van AI maakt de rekenkracht en mogelijkheden nog vele malen groter. Als logistieke organisaties dit niet snel oppakken, dan missen zij de boot. Het warehouse van de toekomst begint met een digital twin.

Virtuele kopie

Maar wat is een digital twin? Het begrip wordt vaak ten onrechte gebruikt. Meestal wordt een simulatie van een warehouse bedoeld, waarin de processen vereenvoudigd zijn gedigitaliseerd. Een goede simulatie kan inderdaad helpen om processen te analyseren en beslissingen voor de toekomst te nemen. Maar door de vereenvoudiging zitten er onzekerheden in de uitkomst. Een digital twin daarentegen is een één-op-één virtuele kopie van alle processen in een warehouse. Elke logicacomponent is in het model verwerkt. Als er een bepaalde looproute in de operatie draait, dan zit deze ook in de digital twin. Als er een congestie plaatsvindt door een workforce-onbalans, dan komt dit aan het licht. Dus wat er in werkelijkheid in het dc gebeurt, wordt in de digital twin exact nagebootst. Hierdoor is het resultaat van elke ingreep, mutatie, toekomstige maatregel of realtime gebeurtenis direct en met zekerheid zichtbaar. Alleen dan is er echt sprake van een digital twin. Een simulatie van een warehouse is old school. De digital twin is de toekomst.

Krachtig framework

Er zijn genoeg redenen waarom digital twins in warehousing momenteel sterk in opkomst zijn. Zo is er een explosie aan realtime data van onder meer indoor positioning, IoT-sensoren en scanapparatuur. Een tweede reden is dat door stijgende kosten en personeelsschaarste distributiecentra onder druk staan, waardoor de behoefte groeit aan efficiëntere en slimmer ingerichte processen. Tot slot is er sprake van technologische vooruitgang in cloudcomputing en AI, die het mogelijk maakt om complexe rekenmodellen te draaien in de praktijk, betrouwbaar en snel.

In de steeds groter wordende datastroom is de digital twin hét krachtige framework om het warehouse met geavanceerde intelligentie aan te sturen. Het biedt een totaalbeeld waarmee de uitkomst van elke beslissing of algoritme tot in detail kan worden geanalyseerd of voorspeld. Hiermee ontstaat niet alleen meer inzicht, maar kan direct concreet voordeel worden gecreëerd.

Wat is de meest productieve dag?

Bij één van relaties van CQM bleek dat de productiviteit van orderpickers in items per uur op donderdag het hoogst was (300 items/uur) en op zaterdag het laagst (240 items/uur). Met 300 items/uur doe je maar 12 (= 3600/300) seconden over het picken van één item. ‘Donderdag was dus een goede dag, zou je denken. Totdat we de verwachte normtijden naast elkaar legden. Voor het orderpicken bleek de gerealiseerde tijd per item op donderdag hoger te liggen dan de verwachte normtijd en was deze op zaterdag juist lager. Digital twin gaf aan: zaterdag is de beste dag. De oorzaak was dat men op donderdag te veel orderpickers in het circuit had ingepland, waardoor congestie optrad en de efficiency terugliep. Dit totaalbeeld werd duidelijk in de retrospectieve digital twin.’

Productiviteit

Items per uur

Tijd - Diagnostic

Seconden per item

Tijd - Realisatie

Seconden per item

Digital twins vormen de brug tussen data, inzicht en besluitvorming. Door verleden, heden en toekomst te verbinden in één consistent model, ontstaan krachtige mogelijkheden voor optimalisatie en strategisch voordeel. Concreet kan een digital twin op drie niveaus worden ingezet. De tabel onderaan de pagina laat zien hoe deze toepassingen zich verhouden tot het moment van inzet, het niveau van besluitvorming en het type gebruik.

Toepassing 1:
retrospectief
Een digital twin kan volgens Monique op drie manieren worden gebruikt: ‘De eerste toepassing is retrospectief: leren van het verleden. Met behulp van een digital twin kan worden teruggekeken en kunnen situaties uit het verleden worden onderzocht door middel van bottleneck-analyses, performance-analyses van orderpickers of het analyseren van vertragingen in de control room. Het doel is om continu te verbeteren, zodat er betere beslissingen worden genomen of structurele procesverbeteringen worden doorgevoerd. Het kijken naar het verleden kan tot verrassende inzichten leiden, zoals blijkt uit het voorbeeld in het kader.

Toepassing 2:
realtime
De tweede toepassing van een digital twin is realtime: inzicht in de huidige operatie en daarop bijsturen. Dat gebeurt in verschillende fasen: van monitoring en alerting tot handmatige, semi-automatische en zelfs volledig automatische bijsturing. Ook de mate van menselijke betrokkenheid verschilt per fase, waarbij mens en systeem elkaar op verschillende manieren aanvullen in de realtime bijsturing. De tabel op pagina 34 toont hoe dat eruitziet.

Een digital twin maakt het mogelijk om deze vormen van bijsturing slim en schaalbaar toe te passen. Zo worden processen in het warehouse efficiënter en kan de operatie vrijwel autonoom worden geoptimaliseerd - zonder afhankelijk te zijn van individuele beslissingen of momentopnames.

Functie	Doel	Voorbeeld	Rol van de mens
Monitoring	Inzicht geven in de huidige status	Hoeveelheid uit te voeren pickopdrachten vs de (geplande) aanwezige workforce?	Oberveren, interpreteren
Alerting	Signaleren van afwijkingen of risico’s	Live visualisatie van pickvoorraad; Alert als locatie onverwacht leeg is	Reageren, prioriteren
Bijsturing – Handmatig	Processen handmatig bijsturen op basis van realtime data	Alert op late order: Pauze van orderpicker uitstellen om te late order te voorkomen	Ingrijpen, beslissing nemen
Bijsturing – Semi-auto	Automatisch voorstellen genereren, door mens goedgekeurd	Automatisch gegenereerd voorstel om workforce langer door te laten werken bij piekbelasting	Voorstel accorderen of aanpassen
Bijsturing – Automatisch	Volledig geautomatiseerd bijsturen via AI (agents)	WMS wijzigt automatisch de volgorde van pickopdrachten om congestie te voorkomen	Monitoren, toezicht houden

Toepassing 3:
toekomst
De derde manier waarop een digital twin kan worden gebruikt is bij het nemen van tactische en strategische beslissingen voor de toekomst. Bijvoorbeeld het inrichten van nieuwe pickzones en pickcircuits, het doorrekenen van lay-out veranderingen of het doorrekenen van een alternatief transportplan en cutoff-tijden. De digital twin kan ook worden gebruikt voor het ontwikkelen, doorrekenen en testen van verbeterde WMS-algoritmes, zoals ik eerder in een bijdrage op Logistiek.nl beschreef. Bij al deze toepassingen leggen we de focus op KPI’s als verwachte productiviteit, aantallen items en pickopdrachten. Ook complexere KPI’s zoals congestie kunnen worden doorgerekend, waaruit waardevolle conclusies kunnen worden getrokken over bijvoorbeeld het aanpassen van het pickcircuit of de slotting. Dit is allemaal mogelijk in een digital twin, juist omdat een digital twin een totaalbeeld geeft van alle logicacomponenten, locatiekenmerken, data en algoritmes en hun invloed op elkaar.

‘De mogelijkheden zijn eindeloos’

AI als versneller

Artificial Intelligence geeft een cruciale boost aan de digital twin, vooral in de realtime functie: ‘Bij deze aansturing maken we gebruik van machine learning algoritmes en optimalisaties. Ook passen we forecastingtechnieken toe om nog beter in de toekomst te kijken en beter bij te kunnen sturen. Daarnaast spelen Generative AI (GenAI) en Agentic AI een steeds grotere rol. Zo kunnen we een slimme schil over de digital twin leggen. Een gebruiker kan bijvoorbeeld een vraag stellen die door GenAI wordt vertaald naar input voor de digital twin. De digital twin geeft vervolgens het antwoord, dat door GenAI in begrijpelijke taal wordt vertaald. De digital twin is dan niet alleen een tool voor experts, maar ook voor het management. Agentic AI denkt niet alleen na, maar handelt ook. De digital twin wordt hiermee een digitale agent die zelfstandig taken uitvoert op basis van doelen en regels, zoals het automatisch bijsturen van pickopdrachten. De mogelijkheden zijn eindeloos.

Start sowieso

Om als retailer of logistiek dienstverlener in de toekomst concurrerend te blijven is het optimaal benutten van data door middel van een digital twin een absolute must. De technologie is volwassen, de data is beschikbaar en de noodzaak tot efficiency in warehouses is groter dan ooit. Bij enkele grote klanten hebben wij inmiddels voor delen van hun operatie een digital twin gerealiseerd, waarbij wij een productiviteitswinst verwachten tot circa 5 procent. Daarbij gaat het dan al gauw over miljoenen euro’s per jaar.

Toch durven veel bedrijven deze stap nog niet te zetten, vooral door onbekendheid met het fenomeen digital twin of omdat ze de waarde ervan niet kunnen kwantificeren. Voor deze bedrijven heb ik de volgende vijf (eigenlijk zes) adviezen:

Think big, Start small, Scale fast: begin met één warehouse en focus op één specifiek proces, zoals orderpicken;
Richt je op waardevolle use cases: kies toepassingen die echt impact hebben en maak resultaten zichtbaar en tastbaar om in je bedrijf momentum te creëren;
Voorkom grote IT-investeringen vooraf: bewijs eerst de waarde van de digital twin binnen jouw organisatie, voordat je grote IT-investeringen doet, zoals bijvoorbeeld automatische realtime datakoppelingen;
Architectuur is key: de digital twin moet snel genoeg draaien, zowel operationeel als strategisch. Het is belangrijk bij de inrichting goed na te denken over de IT-architectuur;
Stel een compact multidisciplinair team aan: geef hen mandaat én het vertrouwen om aan de slag te gaan.

Maar start sowieso, want er is een wereld te winnen.