Door: Lena Schneider
De term ‘kunstmatige intelligentie’ ligt nu op ieders lippen. Maar wat betekent het eigenlijk? Wat bedoelen we met kunstmatige neurale netwerken? Hoe kunnen deze worden getraind? En welke voordelen kan het gebruik ervan opleveren voor de optimalisatie van veiligheidsvoorraden?
Volgens de definitie van SAP is kunstmatige intelligentie, vaak ook Artificial Intelligence (AI) genoemd, de overkoepelende term voor toepassingen waarbij machines mensachtige intelligentietaken uitvoeren.
Een tak van AI zijn de kunstmatige neurale netwerken (ANN's), die zijn geïnspireerd op het menselijk zenuwstelsel en de informatieverwerking van de hersenen nabootsen. Deze bestaan uit kunstmatig nagemaakte neuronen; wiskundige formules vervangen hier de boodschappers en synapsen. Op die manier kan informatie op intelligente wijze worden verwerkt en kunnen complexe problemen zonder menselijke tussenkomst worden beheerst.
Een initieel neuraal netwerk bevat aanvankelijk geen informatie. Om concrete problemen te kunnen oplossen, moet het eerst voldoende worden opgeleid. Dit is waar ‘machine learning’ om de hoek komt kijken, een centraal onderdeel van AI.
Machinaal leren wordt gebruikt om AI-systemen in staat te stellen op basis van bestaande gegevensreeksen en algoritmen bepaalde patronen en regelmatigheden te herkennen en overeenkomstige oplossingen te ontwikkelen. Kortom, kunstmatige kennis wordt gegenereerd op basis van ervaringen. De kwaliteit van het neurale netwerk hangt af van de selectie en verwerking van de juiste trainingsgegevens.
Een getraind neuraal netwerk is uiteindelijk in staat de verworven kennis toe te passen op voorheen onbekende problemen. Op die manier kunnen processen worden geoptimaliseerd of betrouwbare voorspellingen worden gedaan.
Gebruik van neurale netwerken voor de optimalisatie van veiligheidsvoorraden
Hoe kan deze technologie worden gebruikt voor het beheer van Supply Chain Management (SCM)?
De vindingrijke ontwikkelaars bij GIB hebben de berekening van de veiligheidsvoorraad aangemerkt als een nuttig toepassingsgebied. In de huidige GIB SCX-release, bètaversie 2.0 S/4 HANA voor optimalisatie van veiligheidsvoorraden met neurale netwerken, is dit al een realiteit geworden.
De toevoeging van kunstmatige neurale netwerken betekent dat in het SAP-systeem aanzienlijk uitgebreidere veiligheidsvoorraadberekeningen kunnen worden uitgevoerd. Op die manier kan rekening worden gehouden met meer variabelen, met gelijktijdige evaluatie van de respectieve mate van invloed.
In het begin zijn alle netwerken nog onwetend. Om de netwerken te laten bijdragen aan de optimalisatie van de veiligheidsvoorraden, moeten deze stapsgewijs worden getraind.
De eerste stap is de selectie van geschikte kengetallen. In dit verband wordt bekeken welke variabelen een veiligheidsvoorraad eigenlijk heeft. Aspecten als bevoorradingstijd, schommelingen, leveringsbetrouwbaarheid of behoefte per dag spelen hierbij onder meer een doorslaggevende rol.
Nadat de kengetallen zijn vastgesteld, begint de training. Geschikt hiervoor zijn materialen die reeds een optimale veiligheidsvoorraad hebben. De taak voor het neurale netwerk wordt geformuleerd en het uitgangsresultaat wordt geëvalueerd door de trainer. Dit is mogelijk omdat het optimale resultaat al bekend is door het gebruik van gegevens uit het verleden. Het algoritme is dus in staat correlaties en patronen te herkennen en aldus te leren.
Zodra het leerproces is voltooid, wordt het neurale netwerk gevoed met problemen waarvan de resultaten nog niet bekend zijn bij de deskundige. Het pad van het neurale netwerk naar het optimale resultaat kan in het geval van complexe taken niet meer door de deskundige worden getraceerd. Bij berekeningen van de veiligheidsvoorraad is het meestal mogelijk om het resultaat ten minste kwalitatief te beoordelen. Maar dit is bij het gebruik van AI-oplossingen zeker niet altijd het geval; dan komt het aan op vertrouwen in de prestaties van het getrainde ANN.
Nu is het neurale netwerk perfect getraind en kan de verzamelde kennis effectief worden gebruikt voor de berekening van de veiligheidsvoorraad van alle materialen.
Waar gaat de AI-reis heen?
In het algemeen zijn verschillende stappen nodig totdat een neuraal netwerk volledig is getraind. Het door GIB ontwikkelde prototype wordt momenteel steeds intensiever op systemen van klanten getest. In dit verband is het bijvoorbeeld van belang na te gaan hoeveel trainingsgegevens nodig zijn of welke variabelen bijzonder geschikt zijn.
Neurale netwerken hebben al eerste grote successen geboekt en bieden veel potentieel. Het is spannend om te zien waar de reis ons zal brengen. Methoden worden voortdurend verder ontwikkeld, dus het is te hopen dat het idee in de toekomst zal leiden tot duurzame voordelen bij de berekening van de veiligheidsvoorraad.
