Geautomatiseerde voorspelling van afzet

EVMI 5-22 Erasmus Q 1

Foto's: Erasmus Q Intelligence

Welke afzet kunnen wij de komende tijd verwachten? Hoe zorgen we ervoor dat we niet te weinig maar ook niet te veel produceren? Hoe kunnen we onze afzet vergroten? 

Accurate voorspellingen zijn onmisbaar voor bedrijven om gezond te blijven en te kunnen groeien. Voorspellingstools die dit proces automatiseren schelen tijd en geld. Tijdens het evenement Food Technology in april van dit jaar gaf dr. Kristiaan Glorie van Erasmus Q-Intelligence een lezing over voorspellingsoftware. Software die zelflerend is en ook inzicht geeft in de factoren die de hoogte van de afzet bepalen. Daar wilden we meer van weten.

“Wij krijgen hier vraagstukken binnen uit heel verschillende takken van bedrijven zoals voedselproductie, musea en HRM”, zegt Glorie, directeur van Erasmus Q-Intelligence. Bij Q-Intelligence puzzelen ze - heel kort­gezegd- aan data en kijken naar de relatie tussen die data om op basis daarvan voorspellingen te doen.

EVMI 5-22 Kristiaan Glorie en Koen Bel Dr. Kristiaan Glorie (links) en Koen Bel (rechts) 

“Welke vraag kunnen we in de komende periode verwachten? In de voedings­middelenindustrie is dit erg belangrijk voor allerlei beslissingen zoals: hoeveel gaan we produceren en hoeveel moeten we daarvoor inkopen”, aldus Glorie. “Leverbetrouwbaarheid evenals het voorkomen van verspilling is essentieel. Nee verkopen wil je zoveel mogelijk voorkomen en je wilt ook niet te veel moeten weggooien. Dat is wat we met onze software FCast kunnen ondersteunen. De tool gebruikt algoritmes, vormen van kunstmatige intelligentie, om voorspellingen te maken en planadvies te geven.”

Hoe werkt het?

De algoritmes detecteren een patroon in data uit het verleden en doen op basis daarvan voorspellingen voor de (nabije) toekomst. Glorie: “Wij kijken naar wat een organisatie nodig heeft en richten de software zodanig in dat het geschikt is voor de data en de vraagstelling van de organisatie. We kunnen ons bijvoorbeeld baseren op de orderhistorie; hoeveel is er in het verleden verkocht? Daarbij is het ook mogelijk allerlei factoren mee te nemen in de voorspelling zoals het weer, marketingacties, wat doen concurrenten, welke feestdagen en evenementen zijn er. Voorspellingen zijn daardoor veel betrouwbaarder geworden en dus is de strategie voor een bedrijf beter te bepalen. Antwoorden op vragen als ‘welke voorraadpositie gaan we aanhouden’, ‘hoeveel gaan we produceren’ zijn daardoor nauwkeuriger te bepalen.”

Software in juiste richting sturen

Het is mogelijk om data binnen te halen van belangrijke factoren die invloed hebben op de afzet, zoals een evenementenkalender of de weersvoorspelling. Om te bepalen welke factoren belangrijk zijn is overleg met (de planner van) de klant essentieel. Voor de een (ijsjesfabrikant) is het weerbericht heel belangrijk maar voor de ander minder belangrijk.

Glorie geeft een voorbeeld: “Bij een klant namen we de nodige actiedata (reclame/promotie) mee, bijvoorbeeld waar staat het product in de winkel, hoeveel korting wordt er geboden, is het een twee-is-een-actie. Je kan dit allemaal meegeven aan een algo­ritme, maar deze ziet dan heel snel door de bomen het bos niet meer. We overlegden met de planners om te achterhalen wat wezenlijk relevant was zodat we het model konden train­en om in de goede richting te gaan. Voor deze klant bleek het belangrijk of de actie op de voorkant van de folder stond of ergens anders. Door deze informatie gingen de prestaties van de voorspelmodellen ineens fors omhoog. Je moet de algoritmes dus leren in de juiste richting te gaan.”

Zelflerend voorspelmodel

Onverwachte situaties kunnen het afzet­patroon soms drastisch veranderen, zoals de coronapandemie of de oorlog in Oekraïne. Deze situaties zijn moeilijk te voorspellen maar FCast is in staat zichzelf heel snel bij te stellen en te leren van de nieuwe patronen. “Wij zorgen voor continue herijking van de modellen,” zegt datascientist dr. Koen Bel van Q-Intelligence. “Hierdoor kunnen voor­spellingen snel aangepast worden.” FCast wordt vaak gekoppeld aan het ERP-systeem waardoor automatisch steeds de nieuwste cijfers worden opgehaald en de voorspelling wordt aangepast.

Met de introductie van nieuwe producten moet je in het begin aannames doen maar zodra het op de markt is begint de software met opbouw van historie en daar ontdekt het algoritme al gauw patronen in. Ook al heb je nog geen kennis van een nieuw product soms kan je de historie van al bestaande vergelijkbare producten gebruiken. Van sommige producten is de voorspelbaarheid moeilijker (bijvoorbeeld lang houdbare producten t.o.v. kort houdbare) maar toch kan zo’n algoritme het beter voorspellen dan de mens en daar zit de winst.

Tool voor de planner

“FCast is eigenlijk een tool voor de planner”, zegt Bel. “Het helpt enorm als je een groot assortiment moet overzien om dan gestruct­ureerd voorspellingen te doen. Een deel van de producten zijn bijvoorbeeld goed ge­automatiseerd te plannen en dat kan je dan aan de tool overlaten. FCast geeft aan welke voorspellingen zeker of onzeker zijn door middel van kleurcodes. Als planner weet je dan aan welke cijfers je aandacht moet besteden en ben je dus veel effectiever bezig. Met actuele kennis kan je eventueel afwijken van de voorspelling van het programma en deze aanpassen.”

De planner is dus een heel belangrijk persoon in het proces. Bel beaamt dat: “Wij hebben eens met een partij om de tafel gezeten die zeiden: ‘wij hebben een fantastische planner, maar als deze planner weggaat is zijn kennis ook weg.’ Echter door het gebruik van deze tool sla je de kennis van de planner op en stel je die als het ware veilig. De inbreng van een (nieuwe) planner blijft wel onmisbaar.”

EVMI 5-22 Erasmus Q 2

Klanten: minder nee-verkoop en meer rust

Glorie: “Een van onze klanten is Bieze Food Group een samenwerkende groep van bedrijven binnen de foodbranche die onder meer salades en zuivel leveren. Dankzij de inzet van FCast hebben ze 30 procent minder bederf gehad en 20 procent minder nee-­verkoop.”

“Een andere klant, LaBan foods, een kruiden­boterproducent heeft gemerkt dat voorraden beter op peil te houden zijn en het personeel beter is in te plannen en dat geeft rust,” zegt Bel. “Dankzij de voorspellingen hoeft niet meer van alles op het laatste moment geregeld te worden en dat is natuurlijk voor elke organisatie fijn.”

Glorie: “De leverbetrouwbaarheid is voor veel voedingsmiddelenbedrijven toch wel een van de belangrijkste factoren. Als er een grote order komt van een supermarkt dan wil je kunnen leveren. Als dat niet lukt gaan ze naar een ander. Maar je wilt ook niet te veel voorraden aanhouden. De marges zijn klein, de winst staat dus onder druk. Het is dus belangrijk om te sturen op kleine verschillen om toch een goede nettowinst te behalen.”

Intakegesprek

Afhankelijk van wat de vraag is van de organisatie heeft Q-Intelligence gemiddeld binnen twee-drie maanden een programma draaiende waarmee de organisatie aan de slag kan. Via de Cloud krijgt de organisatie toegang tot het programma dat specifiek voor hen op maat geconfigureerd is. Glorie: “Ze kunnen er dan zelfstandig mee aan de slag. Q-Intelligence zorgt ervoor dat het stabiel en robuust blijft draaien.

Bij het intakegesprek komt aan de orde welke vraagstelling de organisatie heeft, om wat voor type producten het gaat (kort/lang houdbaar, voorraadhoudende, niet-­voorraadhoudende artikelen). Hoever vooruit moeten we gaan voorspellen? Vijf dagen of vijf maanden. Dit is bepalend voor hoe we de voorspelmodellen gaan inrichten. We geven een demonstratie hoe het eruit kan zien en als dat akkoord is gaan we het model in­richten.” 

Over Erasmus Q-Intelligence BV

Q-Intelligence is een dochteronderneming van de Erasmus Universiteit Rotterdam en gelieerd aan het Econometrisch Instituut van de Erasmus School of Economics. Erasmus Q-Intelligence BV is in 2015 opgezet naar aanleiding van de vele vragen die binnenkwamen van bedrijven bij het Econometrisch Instituut. Ze helpen opdrachtgevers betere beslissingen te nemen op basis van ‘kwantitatieve intelligentie’.

Glorie: “Van huis uit zijn wij econometristen en hier in Rotterdam heb je de grootste econometrie-opleiding van Nederland en ook een van de grondleggers van de econometrie en Nobelprijswinnaar, Jan Tinbergen was hier hoogleraar. Van oudsher houden econometristen zich bezig met het maken van economische voorspellingen. In ons Econometrisch Instituut is heel veel kennis op dit gebied aanwezig.

Allerlei hoogleraren en onderzoekers zijn betrokken bij projecten waaraan we werken en denken mee over oplossingen. De kennis zetten wij om in maatschappelijke waarde, iets wat wij kunnen verkopen en waar bedrijven wat aan hebben. De winst gaat direct terug naar fundamenteel onderzoek, waarmee we onze voorspelmodellen weer kunnen verbeteren. De maatschappij kan op deze manier direct profiteren van de kennis die wij hier genereren. In ons team zitten data-scientists, IT-ers, consultants om bedrijven te ondersteunen bij allerlei vraagstukken.”

Lees ook
Fermentatiepersen met nieuwe aandrijving

Fermentatiepersen met nieuwe aandrijving

De fermentatiepersen van de sojasausfabrikant zijn onlangs voorzien van een nieuwe aandrijving en besturing, met frequentieregelingen die specifiek voorgeparametreerd zijn voor hydraulische systemen.

Nieuwe stappenmotor ideaal voor food

Nieuwe stappenmotor ideaal voor food

Een nieuw type stappenmotor ontstond tijdens het promotieonderzoek van Vincent Groenhuis. Voor het uitvoeren van gerobotiseerde borstpuncties in een MRI-scanner bleken zowel technologie als uitvoering van bestaande stappenmotoren (stepper motor) niet geschikt.

Column | Automatiseren?

Column | Automatiseren?

Ons bedrijf produceert proces flavours uit plantaardige eiwitten, oftewel veganachtige smaakstoffen. En het loopt goed. Exter kent een business die om de vijf jaar verdubbeld, Dit in combinatie met de vele innovaties in ons bedrijf, is er een grote behoefte aan het beheersen van het proces; complexe producten en productenpakketten, meer druk op de output....