Van Linde Installatietechniek in Drachten doet gemiddeld tien bestellingen per dag. Die bestellingen kostten samen zo'n 150 minuten, elke dag opnieuw. Sinds dit voorjaar draait er een AI oplossing die de taal van de monteurs vertaalt naar artikelcodes. Ron Prinsen vertelt hoe dat tot stand kwam.
Hoe kan AI ons helpen?
"Ongeveer een jaar geleden zijn we begonnen met een AI brainstormsessie met Christiaan van Eigen & Wijze om te kijken of AI onze werkzaamheden zou kunnen verbeteren, versnellen of vereenvoudigen. Hieruit kwamen een paar concrete opties, maar degene waar wij gezamenlijk de meeste kansen in zagen, was het bestellen van standaardmaterialen."
Standaardmaterialen, dat klinkt misschien klein. Maar het is werk dat elke dag terugkomt. Dezelfde soort artikelen, telkens opnieuw opgezocht bij de groothandel. "Materialen die wij dagelijks bestellen en elke dag moeten opzoeken bij groothandels om de winkelwagens te vullen. Door dit proces eenvoudiger te maken, is veel tijdwinst haalbaar."
Waarom dit zoveel tijd kost
Elk product heeft een fabrikantcode of EAN-nummer. Die codes zijn bij alle webshops gelijk. Maar geen monteur denkt in codes. Een monteur noemt een onderdeel bij de naam die hij gewend is, en die naam verschilt per persoon en per regio. Het gevolg: bestellers op kantoor die moeten zoeken, interpreteren en soms gokken. "Een artikel wordt in de volksmond vaak anders genoemd dan hoe de fabrikant ze noemt."
Ron rekende het uit. "Wij doen gemiddeld tien bestellingen per dag en een uitgebreide bestelling kan soms wel 15 minuten in beslag nemen. Dat is dus elke dag 150 minuten aan bestellingen waar veel winst te halen is."
Hoe de AI oplossing werkt
Een monteur stuurt gewoon zijn bestelling in zijn eigen woorden. De AI oplossing zoekt in een database welk artikel bedoeld wordt en mailt de besteller op kantoor een nette lijst met artikelcodes. "De AI tool zoekt binnen een database welke artikelen besteld worden en stuurt een e-mail naar de besteller op kantoor met de juiste artikelcodes."
De kern zit in de synoniemenlijst. Monteurs gebruiken onderling allerlei benamingen voor hetzelfde product. De tool kent die benamingen en koppelt ze aan de officiële code. "Doordat de AI tool een 'synoniem' vertaalt naar een artikelcode, hebben de bestellers direct de juiste artikelen."
Een flinke database
Achter de schermen zit meer dan je verwacht. Van Linde werkt met een breed assortiment. "Een grote uitdaging in dit project is de hoeveelheid standaardartikelen. Wij gebruiken gemiddeld 1.000 à 2.000 standaardartikelen die in een database moeten komen. Daarnaast noemt elke monteur een bepaald artikel ook nog eens anders."
De database bevat dus twee dingen: artikelen met hun codes, en een groeiende lijst van synoniemen. Die lijst staat niet stil. "De synoniemenlijst staat vol met benamingen van monteurs en wordt constant uitgebreid. De tool zoekt in deze synoniemenlijst en koppelt dit keurig terug via de mail met een lijst van artikelcodes."
Samen de juiste aanpak vinden
Zo'n systeem bouw je niet in één middag. Ron is daar open over: het was een proces van uitproberen, bijsturen en samen ontdekken wat het beste werkt. "Zoals de meeste projecten en software zijn er altijd bugs en problemen. De eerste rondes liepen beduidend minder goed dan nu."
Een deel daarvan zat aan de eigen kant. Pas gaandeweg werd duidelijk welke informatie de bot écht nodig had om goed te functioneren. "Naast zulke problemen kwamen wij er ook achter dat wij zelf niet de juiste input gaven. Gaandeweg kwamen we er bijvoorbeeld achter dat het wel heel belangrijk is dat de AI tool vraagt aan de monteur wanneer een bestelling uitgeleverd moest worden."
Dat soort inzichten ontstaat pas als je ermee werkt. En als de communicatie goed is, worden aanpassingen snel doorgevoerd. "Zo doende hebben wij vanuit onze kant ook om updates gevraagd. Door het eenvoudige contact met Eigen & Wijze zijn deze 'problemen' en uitbreidingen snel uitgevoerd."
Waar het nu staat
De AI tool draait. Nog niet alle producten zitten in de database, maar dat groeit vanzelf mee. "Bij elke bestelling worden de producten die nog niet in de database zitten toegevoegd. Zo verwacht ik dat wij binnen een jaar 80% van al onze producten hier wel in hebben zitten."
Ron vat de kern samen: "Wij gebruiken deze tool binnen ons bedrijf voor het bestellen van materialen voor de monteurs. Door het gebruik van synoniemen wordt altijd het juiste artikel besteld."