VCM_052023_ HR

TRANSPORT

De Uber van de cargoscheepvaart Shipnext linkt schip en vracht via digitale marktplaats

Cargoscheepvaart gaat nog altijd gepaard met veel mailverkeer en communicatie via berichtenapps, telefoon en zelfs fax. Shipnext digitaliseerde en optimaliseerde die stromen met een platformgerichte benadering, waarbij het met behulp van artificiële intelligentie de lading aan een schip koppelt.

Alexander Varvarenko richtte in 2009 het scheepvaartbedrijf Varamar op. Het bedrijf handelt onder meer de verscheping van stukgoederen, zware vrachten, droge bulk en containers af. “Ik stelde vast dat de sector op verschillende vlakken weinig evolueerde. Het dagelijkse werk van mezelf en mijn colle ga’s bestond er soms hoofzakelijk in duizenden mails door te nemen over ladingen, openstaande scheepsposities en verzoe ken van klanten en externe partijen”, aldus de zaakvoerder. “We moesten die mails lezen, bijlages openen, de details van elke lading doornemen en daarop de berekeningen uitvoeren. Dat was erg tijdrovend en inefficiënt.” Manuele processen Niet zelden bleek de aangereikte informatie bovendien onvol ledig. “Wanneer gegevens over de laad- of loshaven of over de lading ontbraken, moesten we dat zelf uitzoeken”, vervolgt hij. “Om de optimale verzendoplossing te vinden, kwam er heel wat complex reken- en opzoekwerk bij kijken. Vervolgens klop ten we bij de verschillende makelaars en rederijen aan voor extra informatie. Aangezien data over havens, schepen of transportbedrijven geregeld wijzigden, moesten we de rele vante gegevens geregeld opnieuw opzoeken en bijwerken. Veel informatie bevond zich bovendien in de hoofden van onze medewerkers, wat in het geval van hun afwezigheid tot problemen kon leiden. Ook leidde het mailcontact tot weinig transparantie, aangezien je als manager geen inzicht had in de interactie.” NLP en artificiële intelligentie Om een antwoord op die situatie te bieden, ontwikkelde Alexander Varvarenko een algoritme dat met behulp van NLP (natural language processing) de mails inleest en alle relevante

informatie analyseert en standaardiseert. “Artificiële intelligen tie en machine learning destilleren waar de klant naar verwijst, berekenen de cargovolumes en de mogelijke beperkingen: kan een schip met bepaalde afmetingen wel in die haven terecht, is er een kraan beschikbaar in de haven, wat is de kortste route, enzovoort.”

Alexander Varvarenko stelde zijn database met de flows van ladingen en schepen open. Hij voedde de algoritmes met de

Voor wie een opdracht ingeeft, berekenen de algoritmes in één tel de beste oplossingen uit een database van meer dan 87.000 schepen. De gegeneerde resultatenlijst biedt de mogelijkheid verder in te zoomen op factoren als prijs, performantie, historiek, beschikbaarheid en capaciteit.

48

WWW.VALUECHAIN.BE