Hoe kunstmatige intelligentie planners helpt 

/ Blog / Hoe kunstmatige intelligentie planners helpt 
Hoe kunstmatige intelligentie planners helpt 

 

Hoe kunstmatige intelligentie planners helpt

Eén van de belangrijkste trends in de wereld van big data is de opkomst van kunstmatige intelligentie met in het verlengde daarvan machine learning. Volgens de onlangs overleden Stephen Hawking zullen robots binnen 100 jaar de wereld overnemen zoals we al eerder hebben kunnen zien in films zoals I, robot, Terminator of Avengers. Voordat het zover is kunnen we ontwikkelingen op deze gebieden voor heel vaak zaken inzetten. Een voorbeeld daarvan is in het optimaliseren van de planning. 

Ervaring 

Veel planners hebben een uitstekend ‘fingerspitzengefuhl’ ontwikkeld zodat ze puur op ervaring goede planningen kunnen maken. De vraag is echter hoe betrouwbaar onze intuïtie is bij het nemen van beslissingen. Mensen zijn, in tegenstelling tot computers, meer geneigd om op basis van één of enkele recente gebeurtenissen conclusies te trekken. Zo kan er bijvoorbeeld voor gekozen worden Jan nooit meer met Piet samen te laten werken na een woordenwisseling terwijl bewezen kan worden dat ze samen productiever dan zonder elkaar zijn. 

Subjectiviteit 

Bij Open Circle Solutions geloven we in datagedreven beslissingen. Het gebruik maken van data is in feite het gevoel en de ervaring kwantificeren waarbij alle subjectieve invloeden overboord gegooid worden. Computers laten zich namelijk niet leiden door incidenten of persoonlijke voorkeuren maar identificeren trends en leggen verbanden die wij mensen soms zelf maar moeilijk kunnen leggen. Zo kan een machine bijvoorbeeld herkennen dat de productiviteit op vrijdagmiddag minder is tenzij werknemer X op de vrijdagmiddagshift ingepland wordt.  

Kunstmatige intelligentie 

Om deze verbanden goed te kunnen leggen zijn algoritmen nodig geschreven door goede data scientists. Een algoritme is eigenlijk iets wat helemaal niks zelf kan, maar wel zelflerend vermogen heeft. Door het voortdurend bij te sturen, van input te voorzien en te trainen kan het uiteindelijk beter dan mensen ‘objecten’ in categorieën plaatsen. Dit is vergelijkbaar met een kind wat na een paar keer gestraft te zijn voor slaan leert dat dit in de categorie ongewenst gedrag valt. Het kind begrijpt na een paar keer dat dit gedrag niet meer vertoond moet worden. Bij kinderen is de snelheid van het leerproces beperkt, bij machine learning zijn de mogelijkheden onbeperkt. 

Rol van de planner 

Ondanks de mogelijkheden die kunstmatige intelligentie in het planningsproces biedt blijft de rol van de menselijke planner cruciaal. Deze modelleert namelijk het planningsdomein. Dit betekent dat de menselijke planner bepaalt wat gepland gaat worden (planning entities), gegevens die van invloed zijn (planning facts) en welke attributen gevarieerd worden (planning variables). 

In een productiebedrijf ziet een dergelijk planningsdomein er dan gesimplificeerd als volgt uit: de planner wil 100 eenheden per week produceren. Hierbij zijn de planning entities de productiemedewerkers en de machines. Een aantal planning facts waarbij rekening gehouden moeten worden zijn de uren waarop gewerkt kan/mag worden, wettelijke (veiligheids)eisen en tijden van aflevering. De planning variables zijn in dit voorbeeld op welke machine een medewerker aan het werk is. 

×