Klantbeschrijving‍

Een van de grotere containerterminals in de Rotterdamse haven met dagelijks honderden trucks en schepen, waar een soepele doorstroom cruciaal is voor zowel efficiëntie als klanttevredenheid.

Uitdaging‍

Door onvoorspelbare piekbelasting en beperkte voorspellende inzichten, ontstonden opstoppingen in de yard en wachttijden voor inkomende en vertrekkende trucks. Dit leidde tot ontevreden klanten, vertragingen en suboptimale inzet van personeel en materieel.

Oplossing‍

Blackbirds ontwikkelde een AI-model dat real-time en historische data (waaronder scheepsdata, weersvoorspellingen en truckaankomsten) gebruikt om yard-indeling en truckplanning vooraf te optimaliseren. Het model werd geïntegreerd in de bestaande planningstool, waardoor het team met realtime voorspellende inzichten kon werken.

Aanpak

1. Data-inventarisatie en integratie
   Alle beschikbare bronnen (AIS-data, truckbewegingen, weersvoorspellingen) werden ontsloten en gekoppeld.
2. Modelontwikkeling
   Op basis van historische patronen en planningslogica ontwikkelden we een AI-model dat bezettingsgraad, verwachte vertragingen en benodigde capaciteit per timeslot voorspelt.
3. Live integratie in planningsproces
   Het model werd direct ingebouwd in de bestaande operationele planningstool zodat de operationeel planners zonder extra handelingen konden profiteren van de voorspellingen.
4. Evaluatie en bijsturing
   Het systeem werd gefinetuned op basis van terugkoppeling van het team en real-world performance.

Resultaten

• 16% snellere doorlooptijd van vrachtwagens
• 9% hogere yard-efficiëntie
• Meer rust en voorspelbaarheid in de operatie
• Hogere tevredenheid bij vervoerders en interne medewerkers

Learnings

Door voorspellende modellen slim te integreren in de dagelijkse operatie, kon de terminal niet alleen efficiënter werken, maar ook beter inspelen op variabele drukte en onverwachte omstandigheden. De aanpak van Blackbirds toont hoe AI concrete waarde creëert zonder dat bestaande systemen hoeven te worden vervangen.

‍