Supply Chain monitoring met Machine Learning
Dit project onderzoekt de haalbaarheid van een innovatieve Machine Learning techniek voor continue monitoring in de supply chain.
Projectdetails
Inleiding
Argusi (www.argusi.org) is een onafhankelijk logistiek adviesbureau gespecialiseerd in supply chain analytics en optimalisatie. Argusi maakt daarbij gebruik van een sterk kwantitatieve en methodische aanpak.
Aanleiding
De directe aanleiding voor dit project is een onderzoek dat Argusi wederom heeft uitgevoerd onder een selectie van zijn opdrachtgevers, in navolging van het onderzoek van 2020 naar de belangrijkste technologieën waarin bedrijven zouden moeten investeren.
Er kwamen drie kernthema's naar voren:
- Digitalisering van de supply chain
- Visibility, Real-time information & Demand Sensing
- Advanced Analytics & Machine Learning
Dit laatste onderwerp is het onderwerp van dit haalbaarheidsonderzoek, middels een concept dat we "monitoring met Machine Learning in de supply chain" noemen.
Doelstelling
De doelstelling van dit project is de haalbaarheid vast te stellen van een nieuwe Machine Learning techniek die de huidige hiërarchische, sequentiële manier van modelleren loslaat en met een nieuwe aanpak, op continue basis supply chain vraagstukken evalueert.
We zullen een haalbaarheidsproject uitvoeren voor een vijf-tal supply chain vraagstukken, op basis van data van een selectie van bedrijven die we bij het project betrekken in een periode van ongeveer vijf maanden.
Achtergrond
Dit behoeft wat achtergrond van de huidige manier van modelleren in de supply chain. Vraagstukken in de supply chain worden gekenmerkt door een duidelijke hiërarchie.
Zo zijn er:
- Structurele vraagstukken (locatiekeuze, netwerkstructuur, capaciteit)
- Alignment vraagstukken (voorraadposities, klantallocaties, routering)
- Scheduling (gedetailleerde routering, timing, planning)
Deze vraagstukken worden tot op de dag van vandaag sequentieel opgelost. De moeilijkheid is dat deze vraagstukken elkaar onderling beïnvloeden en het aantal vrijheidsgraden hoog is.
Huidige Aanpak
De huidige algoritmes en IT-oplossingen beschouwen de vraagstukken in afzondering en er wordt forecasting gebruikt om met de onzekerheid in de toekomst om te gaan. Deze aanpak is tijdrovend en mist vaak de onderlinge samenhang, waardoor de huidige aanpak veelal niet meer voldoet.
Nieuwe Techniek
In dit project willen we een nieuwe techniek ontwikkelen die de huidige hiërarchische, sequentiële manier van oplossen loslaat. Met een nieuwe aanpak, op basis van Machine Learning, willen we continu de oplossingsruimte aftasten en de gebruiker adviseren om beslissingen te nemen.
De technische vernieuwing zit met name in het nieuwe ML-based algoritme. De barrières die weggenomen zullen moeten worden, zijn dat deze complexiteit (qua vrijheidsgraden en data) opgelost zal moeten worden binnen een korte tijdspanne en op een dusdanige wijze worden terugvertaald aan de gebruiker, zodat deze de uitkomsten ook daadwerkelijk accepteert.
Impact van Machine Learning
Het kunnen gebruiken van Machine Learning zal een doorbraak zijn in de wijze waarop er met optimalisatie en analytics omgegaan wordt in ons vakgebied. De gebruiker investeert eenmalig in het opbouwen van een beschrijving van de supply chain, waarna het systeem vervolgens op zoek gaat naar mogelijke verbeteringen waarbij duizenden scenario’s worden afgetast.
En, belangrijk om te vermelden, het systeem leert. Dus het zal steeds sneller in de juiste richting zoeken. Dit kan een doorbraak geven in de wijze waarop dit soort modellen ingezet gaan worden. Althans in theorie; de haalbaarheidsonderzoeken zullen dit moeten gaan uitwijzen.
Financiële details & Tijdlijn
Financiële details
Subsidiebedrag | € 20.000 |
Totale projectbegroting | € 55.260 |
Tijdlijn
Startdatum | 1-5-2022 |
Einddatum | 1-11-2022 |
Subsidiejaar | 2022 |
Partners & Locaties
Projectpartners
- Argusi b.v.penvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
Supply Chain Analytics MaturityDit project ontwikkelt een data-gedreven methode voor het meten van supply chain volwassenheid, gericht op verbetering en voorbereiding op onzekerheid. | Mkb-innovati... | € 20.000 | 2020 | Details |
De inzet van Patroonherkenning in het verbeteren van de Supply ChainDit project onderzoekt de haalbaarheid van een data-gedreven verbeterprogramma voor supply chains met patroonherkenning. | Mkb-innovati... | € 20.000 | 2022 | Details |
ALGORITHMAdvanced Solutions Nederland onderzoekt de haalbaarheid van ALGORITHM, een AI-gestuurd systeem voor predictive maintenance in de industrie, met innovatieve sensoren en analysemethoden. | Mkb-innovati... | € 20.000 | 2022 | Details |
HAALBAARHEIDSONDERZOEK ONTWIKKELING PROJECT LINK (MACHINE LEARNING)Het project onderzoekt de haalbaarheid van Machine Learning voor het verbeteren van bedrijfs- en IT-architecturen en het aantrekken van nieuwe gebruikers in de Enterprise Architectuur software. | Mkb-innovati... | € 20.000 | 2022 | Details |
Haalbaarheidsonderzoek Chain control met AIAllfree onderzoekt de haalbaarheid van een AI-tool die consumenten helpt bij het maken van keuzes, met als doel de klanttevredenheid en loyaliteit te verhogen via het MYGO-platform. | Mkb-innovati... | € 20.000 | 2020 | Details |
Supply Chain Analytics Maturity
Dit project ontwikkelt een data-gedreven methode voor het meten van supply chain volwassenheid, gericht op verbetering en voorbereiding op onzekerheid.
De inzet van Patroonherkenning in het verbeteren van de Supply Chain
Dit project onderzoekt de haalbaarheid van een data-gedreven verbeterprogramma voor supply chains met patroonherkenning.
ALGORITHM
Advanced Solutions Nederland onderzoekt de haalbaarheid van ALGORITHM, een AI-gestuurd systeem voor predictive maintenance in de industrie, met innovatieve sensoren en analysemethoden.
HAALBAARHEIDSONDERZOEK ONTWIKKELING PROJECT LINK (MACHINE LEARNING)
Het project onderzoekt de haalbaarheid van Machine Learning voor het verbeteren van bedrijfs- en IT-architecturen en het aantrekken van nieuwe gebruikers in de Enterprise Architectuur software.
Haalbaarheidsonderzoek Chain control met AI
Allfree onderzoekt de haalbaarheid van een AI-tool die consumenten helpt bij het maken van keuzes, met als doel de klanttevredenheid en loyaliteit te verhogen via het MYGO-platform.
Vergelijkbare projecten uit andere regelingen
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
Ontwikkeling Simulatieplatform voor Service LogisticsOntwikkel een gebruiksvriendelijk simulatieplatform voor service logistics dat MKB's helpt bij het maken van datagestuurde beslissingen en bottleneck-analyses met minimale technische kennis. | Mkb-innovati... | € 160.650 | 2016 | Details |
Machine learning for decision making under uncertaintyDevelop a machine learning and operations research framework for making robust investment decisions in renewable energy under uncertainty through iterative scenario generation and optimization. | ERC Advanced... | € 2.491.210 | 2024 | Details |
Remote real time Monitoring & Prediction SystemCapica en AVT ontwikkelen een real-time monitorings- en analysesysteem voor mechanische installaties om onderhoud voorspelbaar te maken, wat leidt tot hogere productiviteit en lagere kosten. | Mkb-innovati... | € 173.103 | 2015 | Details |
E³MATEDit project ontwikkelt een slimme, energie-efficiënte Edge AI-oplossing voor realtime voorraadbeheer, gericht op het verbeteren van nauwkeurigheid en klanttevredenheid in de retailsector. | Mkb-innovati... | € 182.490 | 2023 | Details |
Challenges in Competitive Online OptimisationThis project aims to enhance decision-making under uncertainty by developing new online and learning-augmented algorithms, leveraging recent advancements in algorithm design and machine learning. | ERC Starting... | € 1.499.828 | 2025 | Details |
Ontwikkeling Simulatieplatform voor Service Logistics
Ontwikkel een gebruiksvriendelijk simulatieplatform voor service logistics dat MKB's helpt bij het maken van datagestuurde beslissingen en bottleneck-analyses met minimale technische kennis.
Machine learning for decision making under uncertainty
Develop a machine learning and operations research framework for making robust investment decisions in renewable energy under uncertainty through iterative scenario generation and optimization.
Remote real time Monitoring & Prediction System
Capica en AVT ontwikkelen een real-time monitorings- en analysesysteem voor mechanische installaties om onderhoud voorspelbaar te maken, wat leidt tot hogere productiviteit en lagere kosten.
E³MATE
Dit project ontwikkelt een slimme, energie-efficiënte Edge AI-oplossing voor realtime voorraadbeheer, gericht op het verbeteren van nauwkeurigheid en klanttevredenheid in de retailsector.
Challenges in Competitive Online Optimisation
This project aims to enhance decision-making under uncertainty by developing new online and learning-augmented algorithms, leveraging recent advancements in algorithm design and machine learning.