VCM_022024_LR

FORECASTING, PLANNING & INVENTORY MANAGEMENT

Groot potentieel, maar niet Machine learning voor voorraadoptimalisering

De kracht van goed supply chain management schuilt vandaag in grote mate in het genereren van waarde volle inzichten uit grote hoeveelheden data. Voor die data-analyse treedt ‘machine learning’ (ML) almaar nadrukkelijker op de voorgrond. ML-algoritmes kunnen zonder handmatige tussenkomst nieuwe patronen vinden en dragen op die manier bij tot een hogere efficiëntie, duurzaamheid, kostenbesparing en klant tevredenheid. “Machine learning kent een groot potentieel, maar het is niet de enige technologie die je supply chain naar een hoger niveau tilt”, meent Steven Pauly, inventory control & forecasting expert bij Slimstock.

S limstock is een toonaangevende Europese speler op het gebied van voorraadoptimalisering. Namens de Slimstock Academy geeft Ste ven Pauly masterclasses over machine learning, waar hij de deelnemers meer leert over de toepassingsgebieden, randvoorwaarden en uitdagingen in de praktijk. Hij meent dat, hoewel velen ze in een adem uitspreken, artificiële intelligentie en machine learning significant van elkaar verschillen. “Machine learning betekent dat computersystemen zelf kunnen leren van data”, begint hij. “Die leercomponent stelt de machine in staat verbanden en patronen in een datastructuur te ontdekken zonder die expliciet te vernoemen. Het zorgt voor geop timaliseerde prestaties en leidt uiteindelijk tot artificiële intelligentie of een machine die een zekere vorm van intelligentie vertoont. Een robot geeft bijvoorbeeld blijk van arti ficiële intelligentie, maar de manier waarop

hij die artificiële intelligentie vergaart, is mogelijk tot stand gekomen met behulp van machine learning.” Voor Steven Pauly biedt machine learning enkel een toegevoegde waarde wanneer organisaties de algoritmes met de aange wezen data voeden. “Datamanagement is cruciaal”, meent hij. “Al te vaak zien we dat bedrijven machine learning willen implemen teren zonder dat ze over het nodige inzicht in hun data en processen beschikken. Zelfs wie nu nog geen ML-projecten plant, maakt best werk van zijn databeheer. Op die manier ben je optimaal voorbereid op toekomstige soft ware-innovaties en tools. Wie de data nadien nog op punt moet zetten, verliest veel tijd en dreigt achterop te hinken.” Een middel, maar geen doel Steven Pauly is van mening dat machine learning bij alle aspecten van de supply chain zijn nut kan bewijzen: van optimale routes,

Steven Pauly, inventory control & forecasting expert bij Slimstock: “Machine learning is een krachtige tool mits de juiste randvoorwaarden aanwezig zijn. Maar het blijft een tool en geen doel op zich.”

22

WWW.VALUECHAIN.BE