blog

Intelligente systemen voorkomen leegrijden

Distributie

Onderzoekers van het Centrum Wiskunde & Informatica analyseren of intelligente software-agenten de efficiency in de logistiek kunnen verbeteren. Het uiteindelijke doel is het terugdringen van kosten, files en CO2-uitstoot. Valentin Robu zet hier middels enkele cases het DEAL-project uiteen.

Intelligente systemen voorkomen leegrijden
lege trailer

Files blokkeren de Nederlandse snelwegen in toenemende mate. Eén van de voornaamste oorzaken is het vrachtvervoer. Toch rijdt ongeveer dertig procent van alle vrachtauto’s leeg rond. Een van de doelstellingen van het onderzoeksproject ‘Distributed Engine for Advanced Logistics’ (DEAL) is om deze inefficiëntie aan te pakken.

     

Menselijke planners

Bij een transportonderneming gebruiken menselijke planners gewoonlijk een database met vervoersorders en een programma om routes te optimaliseren bij het plannen van transporten. In hun onderhandelingen over orders moeten zij zodanige keuzes maken dat alle betrokkenen min of meer tevreden zijn met het vervoersschema. De planners proberen zo veel mogelijk ladingen te combineren om de verliezen die ontstaan door met een lege wagen terug te rijden te vermijden. Dit is in het bijzonder belangrijk omdat de transportbranche met kleine marges werkt.

  

Dynamische markt

Deze aanpak is tijdrovend en het resultaat is tijdens het uitvoeren van de order meestal niet optimaal. In werkelijkheid is de markt namelijk dynamisch: nieuwe orders dienen zich aan en vrachtauto’s kunnen vertraging oplopen door files of ongelukken. Daarnaast is optimalisatie van de eigen vervoerscapaciteit niet noodzakelijkerwijs het beste voor het transportnetwerk als geheel.

  

Multi-agentsystemen

De vraag is, hoe deze competitieve en dynamische omgeving efficiënt kan worden geautomatiseerd. Een van de meest veelbelovende technieken gebruikt ‘multi-agentsystemen’. Intelligente agenten zijn autonome softwareprogramma’s die hun oorsprong vinden in de kunstmatige intelligentie. Ze zijn in staat om namens hun eigenaren beslissingen te nemen en ze kunnen leren zich aan te passen aan hun omgeving. Zo kunnen agenten met personen en met elkaar onderhandelen en ze kunnen hun eigenaar vertegenwoordigen bij een veiling. Dit levert grote voordelen op. Software-agenten kunnen veel sneller dan personen beslissen in grootschalige, herhaalde transacties en ze kunnen eenvoudig worden uitgerust met geavanceerde methoden of complexe bedrijfsregels.

  

Onderzoek Multi-Agent

Bij het onderzoek van de ‘Multi-Agent Games and Computational Intelligence’ onderzoeksgroep op het Centrum Wiskunde & Informatica in Amsterdam zijn verschillende benaderingen bestudeerd om gebruikmakend van agenten de transportlogistiek te optimaliseren. Een belangrijk nieuw punt in dit werk is om aan te tonen dat vervoersorders ook op een decentrale manier efficiënt gealloceerd kunnen worden, zonder dat een centrale planner aanwezig is. Dit wordt gerealiseerd door middel van een systeem van gedecentraliseerde geautomatiseerde veilingen.

 

Agenten die hetzij individuele vrachtauto’s, hetzij verschillende transportondernemingen vertegenwoordigen kunnen op bundels van vervoersorders bieden om hun eigen planning te optimaliseren. Een dergelijk gedecentraliseerd op de markt gebaseerd model kan veel efficiënter zijn in het zich aanpassen aan onvoorziene omstandigheden dan methodes die gebruik maken van gecentraliseerde planning vooraf.

  

Om de agenten te voorzien van efficiënte en succesvolle biedstr

Centrum Wiskunde & Informatica 

Op het Centrum Wiskunde & Informatica

is logistiek een belangrijk thema. Het DEAL-project is hier een goed voorbeeld van. Dit project startte in 2004 en werd uitgevoerd door de onderzoeksgroep ‘Computational Intelligence and Multi-agent Games’ onder leiding van Prof. Han La Poutré. Het DEAL-project werd gefinancierd door SenterNovem, een agentschap van het ministerie van Economische Zaken.

 

In het project werkten academische onderzoekers samen met het bedrijfsleven: Almende BV, Erasmus Universiteit Rotterdam, Vrije Universiteit Amsterdam, Centrum Wiskunde & Informatica, CarrierWeb, Post-Kogeko, en Vos Logistics. De teamleden waren: Han La Poutré, Valentin Robu, Han Noot, Pieter Jan ’t Hoen, Jano van Hemert, Peter Bosman, en Koye Somefun.

Het project eindigde in 2009, maar verder onderzoek aan de uit het project voortgekomen ideeën vindt plaats in andere projecten van het CWI. 

ategieën, combineerde onderzoeker Valentin Robu technieken uit de speltheorie, kunstmatige intelligentie en machineleren. Agenten leerden bijvoorbeeld over de onzekerheid in hun plannen te redeneren door een model van de toekomst op te bouwen, gebruikmakend van technieken uit de waarschijnlijkheidsrekening, evolutionaire berekeningsmethoden en andere technieken afkomstig uit het machineleren.

 

De informatici Pieter Jan ‘t Hoen, Valentin Robu en Han La Poutré bestudeerden ook de mogelijkheid om contracten te ontbinden. Dit houdt in dat bieders een order terug kunnen geven ten koste van het betalen van een boete, met het doel hun ladingen te optimaliseren. Deze flexibiliteit verhoogt de prestaties van het systeem.

       

Nieuw marktmechanisme

Lonneke Mous, Valentin Robu en Han La Poutré onderzochten voor een ander model het gebruik van een nieuw marktmechanisme, dat lijkt op opties. Met optiecontracten betalen agenten voor het recht – maar niet de verplichting – in de toekomst een order te verwerven. Ze hebben de vrijheid om de optie uit te oefenen als ze aanvullende orders kunnen verwerven die nodig zijn om de vrachtwagen te vullen. Op die manier kan een winstgevende combinatie van routes ontstaan. Een probleem is, dat men in veel sterk veranderende situaties blootgesteld is aan risico’s. Het onderzoeksteam toonde aan dat het mechanisme van het bieden op opties dit probleem aanzienlijk verminderde. Transportlogistiek is een duidelijk voorbeeld van zo’n sterk veranderende situatie.

   

Jano van Hemert, Peter Bosman en Han La Poutré bestudeerden ook een case over het op tijd vervoeren van wijn vanuit Frankrijk naar Nederland. In het dit geval stuurde een grote detailhandelsketen met supermarkten overal in Nederland vrachtauto’s naar Zuid-Franse wijnboeren om miljoenen flessen wijn te importeren. Het bleek dat de wijn vaak nog niet gebotteld was als de vrachtauto’s op hun bestemming aankwamen. Zij waren gedwongen enige dagen bij het wijnkasteel te wachten voordat zij volgeladen de terugreis konden aanvaarden. Deze situatie is inefficiënt en duur.

 

Geïnspireerd door dit voorbeeld uit de praktijk over wijntransport is een theoretisch model voor dit probleem ontwikkeld voor transport naar of vanuit regio’s waar regelmatig nieuwe transportopdrachten ontstaan. In het eerder genoemde voorbeeld kon een intelligente agent, die een vrachtauto vertegenwoordigde, diens route dynamisch plannen naar een regio met alternatieve opdrachten. Indien een lading niet gereed stond, kon de agent de lading aan de volgende vrachtwagen overlaten en zelf naar een nabijgelegen leverancier gaan. De onderzoeksgroep van het Centrum Wiskunde & Informatica ontwikkelde een theoretisch model waarin een aantal orders vooraf bekend waren terwijl andere orders op willekeurige momenten onderweg verschenen. De route werd van te voren geoptimaliseerd door een schatting te maken van de waarschijnlijkheid van toekomstige ladingen. Ten gevolge van deze proactieve online planning is de kans op tijd te kunnen terug keren met een volledige lading hoger, wat tot aanzienlijke besparingen van de vervoerskosten kan leiden.

 

 

Het Centrum Wiskunde & Informatica heeft een veiling-platform ontwikkeld

voor het bieden op ladingen.

Biedstrategieën van software-agenten en personen worden hier getest.

 

Reageer op dit artikel