De inzet van Patroonherkenning in het verbeteren van de Supply Chain
Dit project onderzoekt de haalbaarheid van een data-gedreven verbeterprogramma voor supply chains met patroonherkenning.
Projectdetails
Inleiding
Argusi (www.argusi.org) is een onafhankelijk logistiek adviesbureau gespecialiseerd in supply chain analytics en supply chain optimalisatie. Argusi maakt daarbij gebruik van een sterk kwantitatieve en methodische aanpak waarmee zowel grote internationale spelers als het (grotere) MKB bediend worden.
Probleemstelling
Om bedrijven en hun supply chains voor te bereiden op onzekerheden is er behoefte aan een methode die, op basis van de kenmerken van de huidige supply chain, met behulp van patroonherkenning gerichte verbetermaatregelen in de supply chain kan voorstellen.
Doelstelling
Korte omschrijving
De doelstelling van dit project is de haalbaarheid vast te stellen van een data-gedreven supply chain verbeteringsprogramma waarbij patroonherkenning wordt ingezet.
Aanpak
Op basis van de input van een survey op 50 dimensies, waarin de volwassenheid van de supply chain wordt vastgesteld, worden gerichte aanbevelingen voorgesteld. We zullen in dit project, over een periode van vier maanden, onze methode doorontwikkelen en geschikt maken voor een uitgebreide test onder 20 tot 30 supply chain professionals, die reeds betrokken zijn geweest bij het onderzoek dat de aanleiding vormt van dit project.
Volwassenheid en Verbetermaatregelen
We hebben de volwassenheid van de betreffende supply chains systematisch in kaart gebracht en gerichte verbetermaatregelen voorgesteld en geprioriteerd op basis van deze volwassenheid. Dit haalbaarheidsproject is tevens gericht op het achterhalen van de belangrijkste onderwerpen en trends binnen de verschillende sectoren (op basis van de verzamelde data) en het geven van richting aan de te ontwikkelen methodiek.
Onderzoeksvraag
De belangrijkste vraag die we tijdens dit project zullen moeten beantwoorden is of we met behulp van patroonherkenning, op basis van 50 supply chain dimensies (opgenomen in onze SCM maturity scan), voldoende datapunten hebben om gerichte aanbevelingen te kunnen doen.
Innovatie
De innovatie bestaat uit het gebruik van een volwassenheidsmeting in de supply chain die wordt gebaseerd op een kwantitatieve aanpak en een AI-techniek van patroonherkenning. Hierbij worden de verschillende onderdelen van de supply chain systematisch in kaart gebracht en verbeteringen voorgesteld.
Patroonherkenning
Om dit te kunnen doen, maken we gebruik van een techniek die bekendstaat onder de naam patroonherkenning. Deze techniek helpt om gelijksoortige supply chains te vinden die daadwerkelijk met elkaar vergeleken kunnen worden (appels met appels vergelijken).
Brug tussen Theorie en Praktijk
We proberen met deze methodiek een brug te slaan tussen de academische wereld, waarin hard gewerkt is aan de methodische en analytische kant, en de praktijk, waarin tot op heden louter nog op kwalitatieve basis volwassenheid wordt gemeten.
Patroonvergelijking in Informatica
In de informatica wordt onder patroonvergelijking (Engels: pattern matching) het herkennen van een specifiek patroon in data verstaan. Het te herkennen patroon wordt hierbij eenduidig gespecificeerd en bestaat uit (een samenstelling van) simpele patronen.
Toepassingen van Patroonvergelijking
Patroonvergelijking wordt gebruikt om:
- Te testen of data een specifieke structuur heeft (bijvoorbeeld het controleren van een e-mailadres).
- Data in kleinere eenheden te verdelen (bijvoorbeeld het parsen van een tekst).
- Gevonden data te vervangen door iets anders.
Doel van het Systeem
Wij proberen hiermee een systeem te ontwikkelen dat in staat is tot complexe gegevensanalyse voor supply chain verbetering. Dit kan ons helpen de gegevens snel te sorteren om vervolgens betekenisvolle informatie te vinden.
Financiële details & Tijdlijn
Financiële details
Subsidiebedrag | € 20.000 |
Totale projectbegroting | € 68.040 |
Tijdlijn
Startdatum | 1-5-2022 |
Einddatum | 1-11-2022 |
Subsidiejaar | 2022 |
Partners & Locaties
Projectpartners
- Argusi b.v.penvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
Supply Chain Analytics MaturityDit project ontwikkelt een data-gedreven methode voor het meten van supply chain volwassenheid, gericht op verbetering en voorbereiding op onzekerheid. | Mkb-innovati... | € 20.000 | 2020 | Details |
Supply Chain monitoring met Machine LearningDit project onderzoekt de haalbaarheid van een innovatieve Machine Learning techniek voor continue monitoring in de supply chain. | Mkb-innovati... | € 20.000 | 2022 | Details |
AI gedreven productlevenscyclus voorspeller voor ondersteuning van beslissingen rond product portfolMarsaci ontwikkelt een A.I.-gedreven product levenscyclus voorspeller voor verpakkingen en voert een haalbaarheidsstudie uit om de oplossing als generieke dienst in diverse sectoren te implementeren. | Mkb-innovati... | € 20.000 | 2020 | Details |
AI waste reducer Vermindering verspilling in sierteelt door big data en AIDit project ontwikkelt een AI-gestuurd forecastmodel en webapplicatie om de vraag naar versproducten te voorspellen, waardoor verspilling vermindert en kostenbesparingen voor retailers worden gerealiseerd. | Mkb-innovati... | € 20.000 | 2020 | Details |
SigmaGPTSigmaGPT automatiseert procesverbetering met AI, waardoor bedrijven efficiënter kunnen werken en kosten besparen. | Mkb-innovati... | € 20.000 | 2023 | Details |
Supply Chain Analytics Maturity
Dit project ontwikkelt een data-gedreven methode voor het meten van supply chain volwassenheid, gericht op verbetering en voorbereiding op onzekerheid.
Supply Chain monitoring met Machine Learning
Dit project onderzoekt de haalbaarheid van een innovatieve Machine Learning techniek voor continue monitoring in de supply chain.
AI gedreven productlevenscyclus voorspeller voor ondersteuning van beslissingen rond product portfol
Marsaci ontwikkelt een A.I.-gedreven product levenscyclus voorspeller voor verpakkingen en voert een haalbaarheidsstudie uit om de oplossing als generieke dienst in diverse sectoren te implementeren.
AI waste reducer Vermindering verspilling in sierteelt door big data en AI
Dit project ontwikkelt een AI-gestuurd forecastmodel en webapplicatie om de vraag naar versproducten te voorspellen, waardoor verspilling vermindert en kostenbesparingen voor retailers worden gerealiseerd.
SigmaGPT
SigmaGPT automatiseert procesverbetering met AI, waardoor bedrijven efficiënter kunnen werken en kosten besparen.
Vergelijkbare projecten uit andere regelingen
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
A CO2-reduction toolbox towards sustainable supply chainsHet project ontwikkelt een toolbox voor bedrijven om CO2-reductie in supply chains te optimaliseren, ter ondersteuning van de doelen van het Klimaatakkoord van Parijs. | Mkb-innovati... | € 88.200 | 2018 | Details |
Een automatisch, efficiënt en betrouwbaar recyclebaar onderdeel analyserend systeem.Ontwikkeling van een AI-gestuurd systeem voor het automatisch herkennen en classificeren van demontageonderdelen, ter verbetering van demontageprocessen en ondersteuning van de circulaire economie. | Mkb-innovati... | € 111.230 | 2021 | Details |
Ontwikkeling AI gebaseerd locatie dataplatformOntwikkeling van een innovatief AI-gestuurd product voor beeldanalyse en datacollectie ter vervanging van handmatige processen, met potentieel voor nieuwe diensten en concurrentievoordeel. | Mkb-innovati... | € 199.000 | 2022 | Details |
3D-TetrisHet project ontwikkelt het volautomatische orderpick-systeem GRIPP om de efficiëntie en nauwkeurigheid in de logistieke sector te verhogen, met potentieel voor brede markttoepassing. | Mkb-innovati... | € 251.476 | 2019 | Details |
Ontwikkeling Simulatieplatform voor Service LogisticsOntwikkel een gebruiksvriendelijk simulatieplatform voor service logistics dat MKB's helpt bij het maken van datagestuurde beslissingen en bottleneck-analyses met minimale technische kennis. | Mkb-innovati... | € 160.650 | 2016 | Details |
A CO2-reduction toolbox towards sustainable supply chains
Het project ontwikkelt een toolbox voor bedrijven om CO2-reductie in supply chains te optimaliseren, ter ondersteuning van de doelen van het Klimaatakkoord van Parijs.
Een automatisch, efficiënt en betrouwbaar recyclebaar onderdeel analyserend systeem.
Ontwikkeling van een AI-gestuurd systeem voor het automatisch herkennen en classificeren van demontageonderdelen, ter verbetering van demontageprocessen en ondersteuning van de circulaire economie.
Ontwikkeling AI gebaseerd locatie dataplatform
Ontwikkeling van een innovatief AI-gestuurd product voor beeldanalyse en datacollectie ter vervanging van handmatige processen, met potentieel voor nieuwe diensten en concurrentievoordeel.
3D-Tetris
Het project ontwikkelt het volautomatische orderpick-systeem GRIPP om de efficiëntie en nauwkeurigheid in de logistieke sector te verhogen, met potentieel voor brede markttoepassing.
Ontwikkeling Simulatieplatform voor Service Logistics
Ontwikkel een gebruiksvriendelijk simulatieplatform voor service logistics dat MKB's helpt bij het maken van datagestuurde beslissingen en bottleneck-analyses met minimale technische kennis.