2021 05 Value Chain Online

Transport & Distributie Value Chain Management / Business Logistics Online Magazine - Mei 2021 36 verzorgen van de laatste mijl. Helemaal bovenaan hun lijstje prijkt ‘consumenten die niet thuis zijn om de levering te ontvangen’ (63%), op de voet gevolgd door ‘beheerskosten’ (57%) en ‘het beheer van piektijden, zoals Kerstmis’ (55%). Daarna en op ruime afstand pas vinden we ‘problemen veroorzaakt door een slechte verpakking’ (30%) en ‘klachtenbehandeling’ (20%). Succeskans berekenen Om het succespercentage bij thuislevering te kunnen verhogen, was het nodig een beter inzicht te verwerven in de aanwezigheid van de klant op het moment van levering. Sami Özarik: “Daarvoor kunnen we vandaag probleemloos al een aantal publieke data aanwenden. Dan denk ik onder andere aan demografische data. In een buurt met een hogeschool of universiteit wonen bijvoorbeeld meestal meer studenten. En die zijn in de regel toch wat vaker thuis, net als ouderen of gepensioneerden. De kans dat je daar tijdens de kantooruren kunt leveren, is dus een stuk groter dan pakweg in een arbeidersbuurt, waar de mensen overdag in principe aan het werk zijn.” “Ook de eigen historische data van logistiek dienstverleners over eerdere leveringen aan klanten kunnen zich daartoe lenen”, vervolgt de onderzoeker. Er zouden zelfs al studies uitgevoerd zijn waarbij de energieconsumptie in gebouwen werd geanalyseerd om te voorspellen of klanten al dan niet thuis waren. In Europa laten privacyregels dat momenteel niet toe. “Maar logistiek dienstverleners zouden hier ook een streng beveiligde app voor hun klanten kunnen ontwikkelen waarmee zij zelf kunnen aangeven of en wanneer ze thuis zijn. Op die manier gaat informatie twee kanten op: niet alleen weet de klant wanneer de bezorger komt, maar de bezorger weet ook binnen welke tijdsvensters de klant effectief thuis zal zijn.” Routeplanning optimaliseren Belangrijk om voor ogen te houden, is dat het verzamelen en analyseren van al die data in feite slechts een eerste stap is in een proces dat uiteindelijk tot een betere of optimale routeplanning voor de laatste mijl moet leiden. “In die automatische routeplanning gaan wij nu ook aanwezigheidsinformatie opnemen op basis van de eerder aangehaalde kans- of waarschijnlijkheidsberekeningen. Een traditionele routeplanning moet het zonder die extra informatie stellen en werkt louter met geografische data om de volgorde van de te beleveren klanten te bepalen. Daarbij ga je de snelste of kortste route van klant A Figuur 2 Bij een traditionele routeplanning (boven) krijg je vijf keer dezelfde route voorgesteld, omdat er geen rekening wordt gehouden met de beschikbaarheid van de klanten. Een routeplanning die dat wel doet (onder) resulteert in vijf verschillende routes, afhankelijk van de individuele beschikbaarheid van iedere klant. Transport & Distributie Value Chain Management / Business Logistics Online Magazine - Mei 2021 37 naar klant B berekenen, zeg maar, zonder de beschikbaarheid van die klanten expliciet mee in overweging te nemen”, legt Sami Özarik uit. “De chauffeur staat in zekere zin centraal in zo’n klassiek planningsproces, niet de klant.” Door de waarschijnlijkheidsgraad dat de klant thuis is op het moment van levering mee in rekening te brengen bij de automatische routeplanning, zou in principe ook de succesgraad van de leveringen moeten vergroten. Een principe dat in theorie alvast bleek te kloppen. Voor hun studie konden Sami Özarik en zijn collega’s echter – helaas – geen gebruik maken van ‘real life’ data uit de dagelijkse praktijk van een logistiek dienstverlener. “Noodgedwongen zijn we dan maar uitgegaan van fictieve historische data om onze probabiliteitsberekeningen op te baseren”, zegt hij. “Die oefening leidde onder meer ook tot de creatie van zes zogenaamde ‘customer availability profiles’, elk met een verschillende set aan data.” Grotere succesgraad In het kader van hun studie vergeleken Sami Özarik en zijn collega’s onder meer de resultaten van een klassieke routeplanning – wat zij ‘Simple VRP’ (Vehicle Routing Problem) noemen – met de resultaten van hun eigen, verbeterde routeplanning – ‘Vehicle Routing and Scheduling’ genaamd, omdat de tijdstippen (scheduling) waarop de bezorger langsgaat bij de klant mee de route bepalen. In hun onderzoek laten ze een voorbeeld zien van vijf verschillende instellingen voor klantbeschikbaarheid (customer availability settings). Wat ze ontdekten, is dat je bij een traditionele routeplanning vijf keer dezelfde route krijgt voorgesteld, omdat er geen rekening wordt gehouden met de beschikbaarheid van de klanten. Hun eigen routeplanning voor diezelfde vijf instellingen resulteerde daarentegen in vijf verschillende routes, afhankelijk van de individuele beschikbaarheid van iedere klant. Hun eigen routeplanning vereiste weliswaar dat de bezorger afweek van de optimale route in termen van afstand, niet altijd de kortste of snelste weg nam en af en toe zelfs een tijdje wachtte op een klant. Maar aan het einde van de rit waren er meer pakjes afgeleverd, waren er meer tevreden klanten en waren minder hernieuwde leverpogingen nodig, wat eindelijk ook de totale leveringskosten positief beïnvloedde. “Door in de planningsfase ook informatie over de beschikbaarheid van klanten op te nemen, kun je in sommige gevallen tot wel veertig procent besparen op de laatste mijl”, besluit Sami Özarik. “In tegenstelling tot wat in de sector gebruikelijk is, hebben we met onze studie bovendien aangetoond dat leveranciers van logistieke diensten hun totale kosten aanzienlijk kunnen verlagen door even te wachten voordat ze de klant aan huis beleveren.” En last but not least, zoals het een intelligent, zelflerend systeem betaamt, kun je de resultaten van die verbeterde routeplanning ook weer aan de beschikbare historische data toevoegen, met het oog op het optimaliseren van toekomstige routeplannen en leveringen. Plannen is nu eenmaal een continu proces, geen afgewerkt product. De volledige studie kunt u hier nalezen. Naast Sami Özarik werkten ook Lucas Veelenturf, Tom Van Woensel en Gilbert Laporte eraan mee. JDP Sami Özarik, onderzoeker aan de TU Eindhoven: “Met onze routeplanning voor de laatste mijl kan het gebeuren dat je eerst de verste klant bedient en dan pas de klanten die geografisch dichterbij liggen, als dat de succeskans van de geplande leveringen verbetert.”

RkJQdWJsaXNoZXIy MjkyNTU=