Deze methodologie zal worden geïmplementeerd in de volgende generatie software tools, die zullen toelaten om logistieke performantie te maximaliseren. De tools zullen op een aantal uitdagende casestudies worden toegepast om de meerwaarde van een datagedreven methodologie te tonen ten opzichte van de traditionele methoden. Deze machine learning-gedreven methoden zullen toelaten dat ontwikkelaars van logistieke software de beslissingsondersteunende systemen die ze aanbieden aan hun klanten kunnen verbeteren.
ORDinL
‘ORDinL’ is de projectnaam van een wetenschappelijk onderzoek dat getrokken wordt door de KU Leuven, in samenwerking met de VUB en UHasselt. Het doel is om fundamentele kennis op te bouwen rond datagedreven optimalisatie in de logistiek en deze toe te passen in een nieuwe operationele beslissingsondersteunende methodologie.
De rol van VIL in dit project bestaat erin erover te waken dat de ontwikkelde methoden relevant zijn voor de logistieke sector en dat de resultaten breed verspreid worden. Als onderaannemer van de KU Leuven zal VIL een gedetailleerde bevraging uitvoeren bij spelers in de logistieke keten over de mogelijke acceptatie en openheid voor verandering t.a.v. datagedreven operationele beslissingsinstrumenten.
Praktisch
Start: januari 2018
Doorlooptijd: 48 maanden