06/09/2021


Stage bij CQM is altijd leuk. Ten minste, dat horen we vaak terug van onze stagiaires. Maar het gebeurt ook weleens dat een klant van ons een stagiair heeft en CQM als side partner om hulp vraagt. Daarom geven we het woord aan twee afstudeertoppers, die beiden afzonderlijk van elkaar aan een project voor Philips hebben gewerkt. In deze duoblog gaan ze dieper in op hun afstudeeronderzoeken, waarbij ze beiden gekeken hebben naar spare parts bij Philips Healthcare. Sjors Melman in opdracht van Philips met ondersteuning vanuit CQM en Anke Simons in opdracht van CQM, met als case Philips. De rode draad? Kunnen we spare part voorraadniveaus zodanig regelen dat we snel en adequaat kunnen reageren? Hierbij is ook gekeken wat de techniek Reinforcement Learning daaraan kan bijdragen, dus dat belooft interessant te worden!

Wie, wat, waar?*

  • Sjors Melman, afstudeerproject Technische Bedrijfskunde aan de TU/e. Werkt in opdracht van Philips aan een spare parts case en krijgt ondersteuning vanuit CQM.
  • Philips Healthcare, specifiek het onderdeel spare parts (zoals onderdelen voor medische apparaten als CT-scanners, MRI, ultra sound voor zwangerschappen, enz.)
  • Anke Simons, afstudeerproject Industrial & Applied Mathematics aan de TU/e. Werkte als stagiaire aan een opdracht vanuit CQM en start per 1 oktober als Junior Consultant bij CQM!
  • Jan van Doremalen, Partner bij CQM en tevens begeleider/ondersteuner bij beide stagiaires

De vraag van Sjors

Philips wil een snellere service bieden aan klanten. In plaats van spare parts de volgende dag leveren, willen zij kijken wat de impact is (inclusief bijbehorende kosten) als Philips dezelfde dag een onderdeel wil leveren. Sjors: “Ik heb gekeken naar wat er gebeurt als er een systeem kapot gaat in een ziekenhuis. Je hebt dan niet alleen een reserve-onderdeel nodig, ook een monteur, etc. Ik heb alle activiteiten in kaart gebracht welke er plaatsvinden als er een apparaat/systeem uitvalt in een ziekenhuis en wat de rol van spare parts (van Philips Healthcare) hierin is. Op basis daarvan onderzocht ik hoeveel tijd een spare part levering krijgt. Philips wil binnen 24 uur het hele systeem werkend krijgen nadat het kapot is gegaan. Hoeveel uur daarvan wordt besteed aan het regelen en bezorgen van een specifiek onderdeel voor reparatie? De nodige andere analyses die hierbij horen zijn uiteraard ook aan bod gekomen: zijn er voldoende warehouses in de regio die kunnen leveren, kunnen we vanuit die locatie klanten bereiken en binnen welke tijd, enzovoorts.”

Hij vervolgt: “Vervolgens heb ik een model ontwikkeld wat specifiek geschikt is voor Same Day delivery, ofwel: dezelfde dag leveren. En met succes, het is mogelijk! Echter, de kosten gaan hiervoor voor Philips significant omhoog, een resultaat dat ze in eerste instantie niet had ingeschat. Maar, ze kunnen hierdoor wel een betere service leveren, door bij te dragen aan het repareren van het systeem binnen 24 in plaats van 48 uur. Daarom is de vervolgstap voor Philips om te kijken of de kosten opwegen tegen de baten. Want, door deze verbeterde service kunnen er ook meer behandelingen plaatsvinden en kunnen er meer patiënten geholpen worden.”

 

Anke’s toevoeging daarop

Anke heeft in dezelfde spare parts context geopereerd, maar wel afzonderlijk van het project van Sjors een onderzoek gedaan. Toevallig voor dezelfde klant, op hetzelfde onderwerp. Maar dan dus als stagiaire vanuit CQM. Zij heeft gekeken hoe Reinforcement Learning (Artificial Intelligence techniek) werkt en of deze techniek bruikbaar is voor het spare parts management van Philips Healthcare.

“Ik heb twee verschillende RL-algoritmes onderzocht om te kijken of die toepasbaar zijn op het Philips netwerk. Ik heb diverse onderdelen uit de interactie met de omgeving als input aan de computer gegeven, zodat AI stap voor stap kan leren wat de beste beslissingen zijn die kunnen worden genomen. Daarbij heb ik gekeken wat er in een warehouse an sich gebeurt (orderaanvragen i.c.m. voorraadbeheer). De computer leert door het toekennen van rewards: als je een goede keuze maakt krijg je een hoge reward, maak je een foute, dan een lage of geen. Zodat uiteindelijk automatisch de goede keuze kan worden gemaakt in een warehouse-situatie. In het geval van Philips: het op tijd bijbestellen wanneer voorraad op dreigt te raken. Echter, Reinforcement Learning op spare parts wordt nog niet vaak toegepast, dus het vergt veel puzzeltijd om er grip op te krijgen. We hebben het onderzoek gedaan om te kijken of Reinforcement Learning zou kunnen worden toegepast op deze situatie. Het antwoord daarop is ‘ja’. In welke mate moet nog verder onderzocht worden.”

 

CQM en werken in de praktijk

Beide stagiaires noemen de begeleiding vanuit CQM erg nuttig en uniek. Sjors: “Normaal heb je een bedrijf waar je afstudeert, zoals in mijn geval Philips. Maar nu heb ik ook nog een slimme partij erbij die mij kan helpen bij het slaan van een brug tussen een academisch model en de toepasbaarheid in de praktijk. Dat is erg leerzaam geweest.”

Anke vult aan: “Die combi herken ik, de aansluiting tussen de theorie en de praktijk leer je echt via CQM toe te passen. Het is ook erg interessant om te zien dat op basis van zo’n stageopdracht er aanvragen binnen komen voor uitvoering van een soortgelijk project in een andere markt. Ik heb veel geleerd en ik vind het ontzettend tof om in oktober als werknemer bij CQM aan de slag te gaan!”

 

Sjors en Anke hebben inmiddels beiden hun studie met succes afgerond en Anke start zelfs per 1 oktober als Junior Consultant bij CQM! Meer weten over spare parts optimalisatie? Neem contact op met Jan van Doremalen. Wil je daarnaast op de hoogte blijven van het laatste nieuws van CQM, volg ons op LinkedIn of meld je aan voor onze digitale nieuwsbrief 



Fotocredit: Pixabay.

 

Jan van Doremalen
Jan van Doremalen helpt je graag verder Neem contact op