Het mes snijdt bij vraagvoorspelling aan twee kanten. Aan de ene kant zorgt het voor meer verkoop (door inzicht te bieden in de ‘drivers’ van de verkoopcijfers) en het versterken van klantvertrouwen en aan de andere kant kunnen er kosten worden bespaard dankzij optimalisatie van de productiestromen.

Een van onze klanten die continu bezig is met innovatie wilde graag met deze techniek aan de slag. Daarop is de samenwerking gezocht met Erasmus Quantitative Intelligence (EQI), een werkmaatschappij van de Erasmus Universiteit Rotterdam. Bij EQI analyseren ze de probleemstellingen van klanten, stellen ze datamodellen op en ontwikkelen ze innovatieve Machine Learning tooling en algoritmes om die probleemstellingen op te lossen. En daarmee hebben ze al zestig jaar ervaring.

Uitstekende resultaten met demand forecasting

Inmiddels zijn we er driekwart jaar mee bezig en het mooie is dat er goede resultaten uit naar voren komen, die de toepasbaarheid van vraagvoorspelling op basis van Machine Learning technologie bewijzen. Omdat je in de foodindustrie veelal te maken hebt met een dunne marge, is het een innovatieproces waarvan wij in de nabije toekomst heel veel verwachten.

Demand forecasting is geen nieuw fenomeen natuurlijk. Maar als je dit een jaar of tien geleden wilde, dan was het inrichten van zo’n soort traject een complexe en kostbare exercitie. Dankzij de nieuwe door EQI ontwikkelde technieken die beschikbaar komen via intelligente cloud platformen, is het nu ook benaderbaar en betaalbaar voor middelgrote en kleinere productiebedrijven.

Koppeling met Foodware platform

De basis van vraagvoorspelling is de relatie tussen actuele data, eventueel gecombineerd met voorspellingen, vergeleken met historische data. Inmiddels hebben we de intelligente cloud innovaties van EQI gekoppeld aan ons software platform Foodware op basis van Microsoft Dynamics 365 en in een productie omgeving operationeel bij een van onze klanten. Bedrijven kunnen bijvoorbeeld heel afhankelijk zijn van weersinvloeden. Een van de (big) databronnen die gebruikt wordt – en dat is ook meteen het meest aansprekende voorbeeld – is dus de weersvoorspelling. Maar denk ook factoren als de economische ontwikkelingen of feestdagen en evenementen.

Flexibeler en efficiënter productieproces

Op basis van deze combinatie van historische data en weersvoorspelling kan een heel goede voorspelling worden gedaan voor wat er verkocht gaat worden. Hiermee zijn bedrijven in staat hun productieplanning te optimaliseren. Zo reduceren bedrijven hun productvoorraad en vermijden dus productoverschot. Ze kunnen veel flexibeler gaan werken en veel efficiënter produceren. En dat is prachtig, ook gezien vanuit het standpunt van het voorkomen van voedselverspilling. Een belangrijk thema op dit moment.

Op dit moment is het nog een vrij stand-alone toepassing, maar we gaan de link met de food verder modelleren en integreren samen met EQI en Microsoft, zodat het ook kan worden ingezet bij andere food productiebedrijven. Zo kunnen onze klanten straks hun productieproces nog beter optimaliseren, kan er beter worden gepland en is het al met al veel competitiever. En omdat het rekenwerk in de cloud wordt afgehandeld, hoef je geen grote dure systemen aan te schaffen en is deze demand forecasting tool niet alleen bereikbaar voor grote multinationals, maar ook voor het MKB.