Past dat bestelde IKEA-kastje straks in de auto?

Ampère wilde vooraf weten hoeveel laadruimte er voor de pakketten nodig is. Onderzoekers vertalen zo’n puzzel naar de consument: past de afhaalbestelling in de kofferbak?

Passen de goederen die tijdens een rit opgehaald moeten worden in één busje? Voor logistieke dienstverleners is dat van belang. Want als de benodigde laadruimte te laag wordt ingeschat, raakt de bestelbus al vol voordat de ophaalroute klaar is. En omgekeerd: als er te ruim wordt gepland, rijdt het busje onnodig met lege laadruimte rond.

Ruimte voorspellen

Vervoerder Ampère, in 2022 ontstaan vanuit Bol, gebruikt daarom sinds september 2024 een model dat vooraf voorspelt hoeveel ruimte de pakketten van Bol-verkooppartners waarschijnlijk zullen innemen. Het systeem heet QAVE (Quantile-Assured Volume Estimation) en is samen met KickstartAI ontwikkeld. Inmiddels is het volgens Ampère voor miljoenen pakketten gebruikt. De voorspelling wijkt gemiddeld maar 13 liter af van het daadwerkelijk opgehaalde volume.

Het probleem

Het lastige voor Ampère was dat men vooraf wel wist hoeveel  pakketten bij de verkooppartners moesten worden opgehaald, maar niet hoe groot  die pakketten waren. Bij de ene partner was het een inschatbare afmeting, bij de andere kon het om onregelmatige vormen gaan. Pas nadat de pakketten waren opgehaald, werden hun afmetingen gescand. Voor de ophaalplanning was dat uiteraard veel te laat.

Ampère bedient heel veel verkooppartners. Handmatig van iedereen een gemiddeld pakketvolume invoeren en dat voortdurend actualiseren werd steeds minder werkbaar; bovendien was het geen erg betrouwbare methode. 

De oplossing

QAVE kijkt daarom per partner naar de werkelijke pakketdata van de afgelopen dertig dagen. Op basis daarvan wordt een volume voor de volgende ophaalronde berekend. Daar komt nog een opslag bovenop voor het simpele feit dat dozen zich in de laadruimte niet als vloeistof gedragen. Tussen verschillende formaten blijft altijd lucht zitten. KickstartAI gebruikt daarvoor een factor 1,5: een hoeveelheid pakketten met samen bijvoorbeeld één kubieke meter netto doosvolume krijgt voor de planning anderhalve kubieke meter laadruimte toebedeeld. De precieze werking van QAVE wordt door KickstartAI hier uitgelegd.

Volgens KickstartAI zorgt QAVE ervoor dat Ampère minder laadruimte hoeft in te plannen dan voorheen. Dat klinkt al succesvol, maar Ampère wil verder. Door de huidige methode te verrijken met productdata van Bol en door het toepassen van ‘machine learning’ kan de volumevoorspelling nog nauwkeuriger worden.

Andere benadering

Een ander, kleinschaliger onderzoek kan misschien van pas komen. Op 2 augustus publiceerden onderzoekers Yi You en Hui Li, van de TU Delft en de Hong Kong Polytechnic University, het onderzoek PackingGPT. Ook daarin draait het om beschikbare laadruimte en dozen. Alleen: het uitgangspunt is bijna het tegenovergestelde van dat bij Ampère.

Ampère weet nog niet precies welke afmetingen de pakketten hebben en probeert daarom te voorspellen hoeveel laadruimte er nodig zal zijn. Bij PackingGPT zijn de doosmaten juist wél bekend. De vraag die de onderzoekers stellen is daarom: op welke manier krijgen we die dozen dan in een bepaalde ruimte, bijvoorbeeld in een Toyota Camry?

3D bin packing problem

De onderzoekers gebruiken daarvoor echte verpakkingsgegevens van 200 producten, die ‘geleend’ zijn bij IKEA. Dat maakt het experiment meteen herkenbaar voor iedereen die daar ooit zelf een kast of stoel heeft opgehaald.

Het gaat in wezen om het klassieke 3D bin packing problem  (dozen van verschillende afmetingen zo efficiënt mogelijk in een beperkte ruimte plaatsen), maar dan teruggebracht van magazijn en vrachtwagen naar de auto van een consument. Het onderzoeksmodel moet helpen te bepalen welke doos het beste waar in de auto kan liggen, en in welke richting. Zelfs een kofferbak waarin al boodschappen of andere spullen liggen, behoort tot de scenario's. De onderzoekers nemen ook zwaartepunt en ondersteuning mee in hun model. Daarbij wordt bekeken of de stapel stabiel blijft. Want een lange, dunne meubeldoos die theoretisch nog bovenop past, kan zomaar een guillotine worden als er plotseling geremd wordt. 

Wel of geen aanhanger?

Daarmee ontstaat een interessante e-commercetoepassing. Stel dat de consument ergens online een kast, een tafeltje en twee stoelen bestelt en kiest voor Click & Collect. De webshop kent van ieder artikel de verpakkingsafmetingen en het gewicht. De consument geeft aan met welk automodel er opgehaald gaat worden.

PackingGPT zou dan in theorie al vóór vertrek kunnen bepalen of de complete bestelling in de auto past - en zelfs kunnen laten zien op welke manier de pakketten het beste kunnen worden ingeladen. En wordt meteen een prangende vraag beantwoordt: moet er een aanhangertje gereserveerd worden of niet?

Nog veel theorie

Helaas zit PackingGPT voorlopig nog in de onderzoeksfase. Het model werkt met versimpelde laadruimtes en het kan de dozen maar in een paar richtingen plaatsen. Een lange kastdoos die nét niet horizontaal past, kan normaal gesproken diagonaal worden gelegd, tussen achterklep en voorstoel. Het huidige onderzoeksmodel kan zo'n praktische noodgreep nog niet bedenken.

Reëel probleem

Helemaal futuristisch is het idee overigens niet. IKEA Canada bijvoorbeeld, heeft op zijn website al een functie ‘Will it fit my car?’. Klanten kunnen daarmee de verpakkingsmaten van een artikel vergelijken met de geschatte bagageruimte van een kleine, middelgrote of grote auto. IKEA zegt nadrukkelijk dat het om gemiddelden gaat, maar de uitkomst kan in principe worden gebruikt om te kiezen tussen Click & Collect of bezorging.

Dat het probleem daadwerkelijk voorkomt, blijkt uit een aparte IKEA-FAQ: wie zijn Click & Collect-bestelling komt ophalen en ontdekt dat die niet in de auto past, kan ter plekke informeren of er alsnog thuisbezorging mogelijk is.

Platte meubelen

IKEA is overigens niet actief bij het onderzoek betrokken. Maar zal het probleem ongetwijfeld herkennen. IKEA-ontwerper Gillis Lundgren wilde in de jaren vijftig namelijk een LÖVET-tafeltje meenemen. Het paste niet in z’n auto. Hij haalde daarom de poten eraf. Volgens IKEA stond dat voorval aan de wieg van het flatpackconcept: meubels zo ontwerpen en verpakken dat ze gemakkelijk en efficiënt kunnen worden vervoerd.

Ruim zeventig jaar later proberen algoritmes dus nog steeds hetzelfde logistieke probleem op te lossen. Ampère wil vóór vertrek weten hoeveel laadruimte er nodig is. En de consument zou straks al van te voren kunnen zien of dat leuke IKEA-tafeltje überhaupt in de auto past.