Efficiëntere boodschappenbezorging dankzij machine learning

Liana van der Hagen onderzocht hoe supermarkten met behulp van machine learning efficiënter kunnen omgaan met bezorgtijdvensters. In samenwerking met Albert Heijn en ORTEC ontwikkelde ze binnen het CILOLAB project een model dat razendsnel voorspelt of een klant op een bepaalde tijd nog past in de planning. Op donderdag 27 maart 2025 verdedigde ze haar proefschrift aan de Erasmus Universiteit in Rotterdam.

Stel je scrolt door de app van je supermarkt en doet online je bestelling. Je kiest een tijdslot, bijvoorbeeld woensdag tussen 17:00 en 19:00 uur, en rekent af. Lekker makkelijk toch? Op datzelfde moment moet voor de bezorgende partij de puzzel weer anders gelegd worden. Want jij bent niet de enige die op woensdag zijn boodschappen wil hebben. Er moet direct worden bepaald of jouw bestelling nog in de planning past, zodat de bezorgers op tijd bij iedere klant aankomen binnen het afgesproken tijdvenster. Idealiter zonder veel om te rijden of met halflege busjes op pad te moeten. En dat moet allemaal in minder dan een seconde gebeuren.

Maar hoe doe je dat zo efficiënt mogelijk? Dat is een belangrijke vraag in het proefschrift van Liana van der Hagen. Voorheen werd per bestelling gekeken of die paste in een bestaand routeschema, zonder het geheel opnieuw te herberekenen. Daardoor werden klanten soms onterecht geweigerd en bleef er onbenutte ruimte over. In de ideale wereld reken je alle mogelijke combinaties door om zo tot de meest optimale routes te komen. Maar dit zijn zeer complexe berekeningen die uren kunnen duren. “De klant wil niet wachten, die wil nú weten welk bezorgtijdvenster beschikbaar is,” zegt Van der Hagen.

De promovenda onderzocht een nieuwe aanpak waarbij machine learning wordt ingezet om razendsnel te bepalen of een bezorgverzoek nog past in het schema. Ze trainde een AI-model met duizenden simulaties van klantaanvragen, zodat het systeem patronen leert herkennen en in milliseconden kan voorspellen of een tijdslot haalbaar is. “We laten het model leren van de best mogelijke planningen, en gebruiken die kennis om nieuwe aanvragen snel te beoordelen,” legt ze uit. “Dat maakt het systeem veel sneller, met behoud van een hoge nauwkeurigheid.”

Minder ritten, vollere bussen
De potentiële voordelen van deze aanpak kunnen groot zijn: bezorgbusjes rijden voller, er kunnen meer klanten per rit worden bediend en dat zou het proces zowel duurzamer als winstgevender maken. Veel bezorgende partijen maken nu nog verlies, en in een sector met krappe marges telt elke verbetering. Van der Hagen: “Je kunt mogelijk meer klanten bedienen met hetzelfde aantal voertuigen, en dat scheelt kosten én uitstoot.” Haar analyses laten zien dat supermarkten tot wel 18 procent efficiënter kunnen plannen met het model.

Voor Liana van der Hagen zit de aantrekkingskracht van dit onderzoek in het werken aan een concreet, maatschappelijk relevant probleem. Ze zocht bewust naar een promotietraject waarbij ze met praktijkpartners kon samenwerken. “Ik wilde geen theoretisch model bouwen dat in de la verdwijnt, maar iets maken waar bedrijven echt iets aan hebben,” zegt ze. De samenwerking met Albert Heijn en softwarebedrijf ORTEC bood precies die koppeling tussen academie en praktijk. “En het puzzelen aan dit soort vraagstukken vind ik erg leuk om te doen,” vertelt de onderzoeker.

Bezorgmoment sturen
Op dit moment voorspelt het model vooral of een tijdslot past, maar Van der Hagen benadrukt dat een logische vervolgstap is om ook de kosten van bezorgmomenten mee te nemen. “Sommige bezorgtijden zijn duurzamer omdat er dan al meerdere klanten in de buurt zitten. Die wil je liever stimuleren,” zegt ze. Door samen te werken met gedragswetenschappers en partners als Albert Heijn en ORTEC kunnen klanten straks misschien actief worden gestuurd naar zulke ‘groene tijdslots’. Haar promotor Niels Agatz (hoogleraar Last-mile Supply Chain Analytics aan de Rotterdam School of Management, Erasmus Universiteit, en wetenschappelijk directeur van TKI Dinalog) was betrokken bij een onderzoeksproject dat liet zien dat klanten hier gevoelig voor zijn.

Het model is nu nog niet live toegepast in softwaresystemen, maar laat wel zien wat er mogelijk is. “Het is een proof of concept dat aantoont dat machine learning zulke beslissingen veel sneller kan nemen dan traditionele methodes die in de praktijk worden gebruikt,” aldus Van der Hagen. Andere partijen tonen al interesse, maar het is nog niet zo dat de planners bij Albert Heijn het model al gebruiken. “Er zijn nog stappen te zetten voordat het in de dagelijkse praktijk wordt toegepast, maar het potentieel is er zeker.”

Tekst: Karst Oosterhuis