{"id":14561,"date":"2021-07-15T10:00:29","date_gmt":"2021-07-15T08:00:29","guid":{"rendered":"https:\/\/www.tradecloud1.com\/?p=14561"},"modified":"2021-08-13T01:04:28","modified_gmt":"2021-08-12T23:04:28","slug":"ai-case-study-2-efficient-voorraadbeheer-met-behulp-van-artificiele-intelligence","status":"publish","type":"post","link":"https:\/\/www.tradecloud1.com\/nl\/ai-case-study-2-efficient-voorraadbeheer-met-behulp-van-artificiele-intelligence\/","title":{"rendered":"AI case study 2: Effici\u00ebnt voorraadbeheer met behulp van Artifici\u00eble Intelligence"},"content":{"rendered":"


\nThe Business Problem
\n<\/b><\/h2><\/div>

Een grote uitdaging voor productiebedrijven is te weten wat, wanneer, waar en hoeveel voorraad moet worden besteld en opgeslagen. MKB-bedrijven berekenen dit traditioneel handmatig met behulp van Excel, Google Sheets of andere softwareoplossingen. Deze oplossingen kunnen tot op zekere hoogte worden geautomatiseerd en zijn in de meeste gevallen redelijk toereikend. Deze traditionele oplossingen zijn echter gevoelig voor menselijke fouten en zijn afhankelijk van de capaciteiten van de medewerker. Als gevolg daarvan kunnen menselijke fouten leiden tot verkeerde schattingen en over-\/ondervoorraden.<\/p>\n<\/div>

The Solution<\/b><\/h2><\/div>

AI-aangedreven voorraadbeheer kan een oplossing bieden voor menselijke fouten door de computer het rekenwerk te laten doen (TradeGecko, 2019). Maar hoe zou een AI-toepassing het voorraadbeheerproces effici\u00ebnter kunnen maken?<\/p>\n

Het bepalen van de juiste hoeveelheid voorraad, op de juiste plaats, op het juiste moment tegen de juiste kosten \u00e9n de juiste prijs. Dat is waar het bij voorraadbeheer zakelijk gezien om gaat en dat zou door de AI-toepassing automatisch kunnen worden bepaald. Dit gebeurt door het combineren van datasets, het ontwikkelen van een Machine Learning model en het voortdurend trainen van het model om in de loop van de tijd een hogere mate van nauwkeurigheid te bereiken. De outputs van het model weerspiegelen de meest optimale beslissingen die kunnen worden genomen.<\/p>\n<\/div>

Voorbeeld<\/h3><\/div>

Coca Cola gebruikt artifici\u00eble intelligence voor het voorraadbeheer van hun koelkasten in detailhandelszaken.<\/p>\n

De AI-tool is getraind om de verschillende Coca Cola-producten in de koelers te herkennen, te identificeren en te tellen. De tool kan deze gegevens combineren met informatie uit demand forecasting, en automatisch een order berekenen om de voorraad aan te vullen. Vervolgens wordt de detailhandelaar een leveringskeuze geboden. Ook wordt extra informatie gegeven over de voorspelde vraag voor dranken in de koeler, met als doel extra service te verlenen en de omzet van Coca Cola te verhogen (Supply Chain 247, 2017).<\/p>\n<\/div>

Voordelen<\/b><\/h2><\/div>

Een goed beheer van het voorraadbeheerproces kan een positieve invloed hebben op de Return On Investment (ROI) door minder geld uit te geven aan de verkeerde producten en door een optimale afspiegeling van vraag en aanbod in het magazijn te cre\u00ebren(Kvartalnyi, 2021).<\/p>\n

Ook de klantenservice zal positief worden be\u00efnvloed. Een hogere nauwkeurigheid in het voorspellen van vraag en aanbod zal zorgen voor een hogere klanttevredenheid door het ontbreken van out-of-stock artikelen. Bovendien biedt voorraadbeheer ook inzicht in product- en bedrijfskansen in de nabije toekomst (TradeGecko, 2019).<\/p>\n

Een aantal belangrijke voordelen voor het gebruik van AI in voorraadbeheer zijn:<\/p>\n