Blokkade Ever Given geeft noodzaak betere data science aan

Iedereen herinnert zich de beelden van het containerschip de Ever Given dat dwars in het Suezkanaal lag en het kanaal dagenlang blokkeerde. Schepen lagen te wachten tot de Ever Given was losgetrokken en de scheepvaart in het drukke kanaal weer kon worden hervat.

De blokkade van het Suezkanaal zorgde er voor dat grote containerschepen veel later met hun lading op plaats van bestemming aankwamen. En het zorgde er voor dat veel schepen ook tegelijkertijd op de plaats van bestemming aankwamen. In de haven van Rotterdam is er maar beperkte ruimte voor het laden en lossen van containerschepen. Dat proces loopt allemaal nauwkeurig en is grotendeels gebaseerd op data. 

Door het verzamelen en inzichtelijk maken van data en met resultaten uit het verleden kan men de aankomsttijd van het internationale vrachtverkeer, zoals van containerschepen, beter voorspellen. Eenvoudig is dat niet. Er zijn ontzettend veel factoren waar men geen invloed op heeft. Zo er zijn veel IT systemen (WMS, LMS), douane, documentatie, allerlei vervoerders (treinverkeer, vliegverkeer, vrachtwagenverkeer), binnenvaartschepen, containerterminals, etc.

Daarnaast is de aankomsttijd van een containerschip en de afhandeling ook afhankelijk van bijvoorbeeld regelgeving en weersomstandigheden. En ook of er een schip de vaarroute blokkeert.

Al deze verschillende factoren maken de supply chain complex. Het is belangrijk dat verspilling, ‘waste’, wordt voorkomen om zo de kosten van transport zo laag mogelijk te houden. In een branche waar de concurrentie moordend is, de marges enorm onder druk staan en deadlines heilig zijn is dit erg belangrijk.

Veel vrachtwagens zijn vaak veel tijd kwijt aan wachttijd. Dat geldt voor al het internationale vrachtverkeer. Ook containerschepen liggen vaak voor anker voordat ze een haven in kunnen om aan de kade aan te leggen. Extra wachttijd betekent extra kosten. De wachttijd tot de aankomst van de containers die vrachtwagens komen ophalen kan oplopen tot 7-8 uur omdat de verwachte aankomsttijd (ETA) onvoldoende nauwkeurig werd voorspeld. De onnauwkeurige voorspelling kan oplopen tot hoge kosten. Voor een vervoerder met meerdere (soms tientallen) vrachtwagens in de container wegtransport kan dit bedrag enorm oplopen.

De kosten en extra wachttijd, zoals hierboven beschreven, kunnen verder in de supply chain ook voor problemen zorgen. Om dit te voorkomen kan op basis van data een oplossing worden gevonden. De oplossing is om op basis van data een rekenmodel te ontwikkelen dat de verwachte aankomsttijd (ETA) van een containerschip voorspelt. De data specialisten van DIKW hebben samen met de klant de processen goed bestudeerd en de bijbehorende beschikbare data geïnventariseerd en geanalyseerd. Op basis van die informatie is een rekenmodel opgesteld waarmee uiteindelijk de voorspelbaarheid van de aankomsttijd veel nauwkeuriger geworden. 

Een combinatie van de kennis van de klant en de kennis en expertise van DIKW hebben geleid tot een interessante klantcase die anders onzichtbaar zou blijven voor onze klanten. De volgende stap is om te kijken of klanten de data structureel kunnen inzetten.

Met de oplossing van DIKW kon de klant de kosten per container verder verlagen. Lagere kosten per container leidt tot een hoger concurrerend vermogen. De klant kan ook de verwachte aankomsttijd en levertijden nog beter communiceren en afstemmen met hun klanten wat weer een concurrerend voordeel opleverde.

Bij DIKW zijn we gek op data. Het zit in ons DNA. Wij zijn ervan overtuigd dat een combinatie van kennis in een organisatie en de kennis en expertise van DIKW op het gebied van data zorgt voor slimme data oplossingen en dat deze leiden tot substantiële kostenbesparingen.  

Is met data science de blokkade van het Suezkanaal door de Ever Given te voorspellen? Misschien niet, maar de noodzaak van een tool dat de aankomsttijd (ETA) voorspelt als gevolg van een blokkade is alleen maar toegenomen.