Veel bedrijven zijn goed op weg met het verduurzamen van hun supply chains. Ze reduceren emissies in transport, beperken verpakkingsgebruik, vermijden onnodige kilometers en onderzoeken alternatieven zoals afhaalpunten of gezamenlijke distributie. Daarmee dragen ze bij aan duurzame logistiek, een efficiënter gebruik van middelen en uiteindelijk meer tevreden klanten. 

Toch kan het beter. De marges in veel sectoren zijn flinterdun en de druk om duurzamer te werken neemt toe. Leveringen moeten efficiënter, met lagere kosten per order. Artificial intelligence (AI) biedt hiervoor grote kansen. Door data slimmer in te zetten kunnen bedrijven met minder voorraden, voertuigen en medewerkers meer bereiken; ook in hun servicegraad.

Maar technologie alleen is niet genoeg. De kwaliteit van de data is cruciaal en moet verrijkt worden met externe bronnen zoals verkeersinformatie, weersvoorspellingen, promotie-effecten en consumentengedrag. Daarnaast is samenwerking nodig. 

Collaborative AI en Federated Machine Learning

Alleen door data te delen kunnen AI-toepassingen echt lerend en schaalbaar worden. Hier komt collaborative AI in beeld. Daarbij werken bedrijven niet alleen met AI, maar ook met elkaar. De kracht zit in de synergie: menselijke creativiteit, marktkennis en strategisch inzicht worden gecombineerd met de snelheid, verwerkingskracht en automatiseringsmogelijkheden van AI. Zo ontstaan gezamenlijke inzichten die besluitvorming verbeteren, efficiëntie verhogen en innovatie versnellen.

Een veelbelovende methode is federated machine learning. Hierbij trainen meerdere organisaties samen een AI-model zonder hun gevoelige data centraal te delen. De data blijven lokaal (bijvoorbeeld in een magazijn, fabriek of bij een retailer) en alleen modelupdates worden uitgewisseld. Zo profiteren bedrijven van elkaars inzichten, terwijl privacy en vertrouwelijkheid behouden blijven.

Toepassingen in supply chains

De toepassingen in supply chains zijn breed:

• Vraagvoorspelling bij retailers: gezamenlijke forecasts zonder klantdata uit te wisselen.

• Transportplanning bij logistieke dienstverleners: gedeelde modellen optimaliseren routes en benutten capaciteit beter.

• Kwaliteitscontrole in productie: fabrieken voorspellen defecten met lokale sensordata, zonder productiedata te delen.

• Risicomanagement in handelsketens: banken, verzekeraars en bedrijven schatten gezamenlijk risico’s in, terwijl gevoelige data lokaal blijven.

Een concreet voorbeeld: een groep retailers wil verspilling verminderen en schappen beter gevuld houden. Normaal gesproken zijn verkoopcijfers en promotiedata concurrentiegevoelig. Met federated learning kan elke keten lokaal een model trainen en alleen de parameters delen. Het resultaat is een krachtiger gezamenlijk model dat patronen herkent die individueel niet zichtbaar zijn.

De toekomst van duurzame en veerkrachtige supply chains ligt in slimmer datagebruik, samenwerking en de inzet van collaborative AI. Alleen door technologie en vertrouwen te combineren, kunnen ketens de volgende stap zetten.

Walther Ploos van Amstel.

Lees meer over de kansen van AI voor SCM