Bagageafhandeling beter gemonitord
Luchthavens zijn complexe logistieke knooppunten. En zoals voor elke logistieke operatie, geldt ook voor luchthavens: hoe beter je passagiers- en bagagestromen kunt voorspellen en hoe minder verstoringen je hebt in je operatie, hoe lager de kosten en hoe hoger de klanttevredenheid. Vanderlande Industries en Dubai Airports vertellen hoe zij dit aanpakken.
Dubai Airports profileert zich als luchthaven van de toekomst. Ze monitoren alle processen nauwgezet, van de weg die koffers en passagiers afleggen tot de hygiëne op toiletten. Speciaal daarvoor is Michael Ibbitson aangetrokken als EVP Technology & Infrastructure. Eerder was hij verantwoordelijk voor het ontwerpen van een slimme technologische inrichting van de nieuwe terminal bij Gatwick, die is uitgerust met vele duizenden sensoren en camera’s die ervoor moeten zorgen dat passagiers die op de luchthaven arriveren altijd binnen zeven minuten door de douane en beveiliging zijn. Hij introduceerde bij Gatwick het concept van een Airport Information Control Center en kopieerde dat voor de luchthaven van Dubai.
Op de jaarlijkse klantenconferentie van Splunk vertelt hij: “Het is niet zo ingewikkeld om bij benadering te voorspellen hoeveel reizigers op welk moment op de luchthaven arriveren, hoeveel koffers zij gaan inchecken en naar welke gates zij moeten. Wel is het complex om dat heel nauwgezet te doen. Dat is waarom wij op de hele luchthaven sensoren en camera’s inzetten die meten hoe mensen zich over de luchthaven bewegen. Op die manier kunnen we op de juiste plek de juiste hoeveelheid personeel neerzetten, zodat nergens wachtrijen ontstaan. Wij gaan zelfs zo ver dat we kunnen voorspellen welke mensen bij de douane hun schoenen uit moeten doen, zodat wij hen daarover vast informeren als ze nog in de rij staan. Dan houden zij het proces niet op.”
Real-time monitoring van bagage
Ook de bagageafhandeling wordt van A tot Z gemeten. Hoe zo’n real-time gemonitord bagage afhandelingssysteem precies werkt, vertellen Lorena Diaz en Suren Deora, die bij Vanderlande in Australië werken. Deze Nederlandse multinational ontwerpt geautomatiseerde bagage afhandelingssystemen voor luchthavens, met wie Vanderlande contracten afsluit op basis van verschillende KPI’s. Maar in de kern wil iedere luchthaven natuurlijk hetzelfde: dat de juiste koffer op tijd in het juiste vliegtuig wordt geladen.
Zodra een koffer op de luchthaven aankomt, kan deze drie verschillende flows in gaan: 1) direct naar de gate, 2) naar de zogenaamde ‘Early Bag Store’ (EBS) – een tijdelijke bewaarafdeling voor koffers die nog niet direct naar de gate toe hoeven en 3) naar een andere terminal. Dit gebeurt bijvoorbeeld bij koffers van passagiers die een overstap maken.
Om het traject dat koffers afleggen te monitoren, zijn heel veel data nodig, die in veel verschillende databases verstopt zit. “Dat maakte het voorheen lastig om te rapporteren, en nog lastiger om op basis van die data real-time te sturen”, vertelt Diaz. “Om een rapportage te maken voor een klant moesten we data uit verschillende systemen bij elkaar brengen in één dashboard. Iedere luchthaven wil andere rapportages, dus het maken van die dashboards is maatwerk. Als een klant een rapportage wilde veranderen, dan kwam dat er in de praktijk op neer dat wij een extra rij toevoegden in een database. Daardoor was er veel data die we dubbel of zelfs driedubbel opsloegen. Het gevolg was dat het databaselandschap steeds complexer werd. Het was haast niet meer te beheren.”
Niet vreemd dat Vanderlande behoefte had aan een systeem dat data uit verschillende onderliggende databases eenvoudig bij elkaar kan brengen en in samenhang kan analyseren. De keus viel op Splunk, software voor het samenbrengen en geïntegreerd analyseren van zogenaamde machine data. Dat zijn alle data die door systemen worden gegenereerd, van logbestanden tot IoT-data van bijvoorbeeld camera’s en sensors. Deora vertelt: “We zijn klein begonnen met een standalone oplossing. Met het systeem monitoren we de reis die een koffer aflegt op basis van logdata. Die data hebben een tijdstempel en zijn daarom interessant.”
Fouten analyseren
Met de nieuwe opstelling volgt Vanderlande niet langer de tray waar de koffer op ligt, maar de koffer zelf. Suora: “Voorheen moesten we data uit twee systemen combineren om te kunnen zien waar een koffer was: in het ene systeem konden we zien welke koffer op welke tray ligt en in het andere konden we real-time de trays volgen. Die indirecte relatie halen we eruit, we volgen nu de koffer zelf.”
Dit stelt wel hoge eisen aan het kunnen identificeren van een koffer. Dat gaat het snelst door het lezen van de barcodesticker die op iedere koffer wordt geplakt. Vanderlande heeft camerasystemen geïmplementeerd die deze stickers altijd kunnen lezen, waar die zich ook op de koffer bevindt: boven-, onder- of zijkant of zelfs op de ronde delen van hardcase koffers. Als een koffer meerdere stickers heeft, omdat mensen de sticker van de vorige reis niet van hun koffer hebben gehaald, dan routeert het systeem de koffer naar een manueel controlepunt waar het label om het handvat wordt gescand. Suora: “We moeten natuurlijk zeker weten dat we de juiste sticker scannen en dat we niet per ongeluk een tweede sticker missen. Heel soms gebeurt dat. Daarom maken we bij iedere koffer die naar een verkeerde bestemming wordt gestuurd een analyse op welke scanner deze is gescand en wat er precies fout is gegaan.”
De meeste leesfouten ontstaan doordat ofwel de scanner ofwel de sticker niet schoon is. “Voor ieder afhandelpunt in het koffertraject hebben we nu een dashboard met de top-10 aan fouten”, zegt Diaz. “Zo weet ieder onderdeel van de keten aan welke verbeteringen ze kunnen werken.” Door deze kennis heeft Vanderlande het schoonmaak- en onderhoudsschema van scanners en conveyorbelts kunnen optimaliseren.
Beter plannen
Een andere verbetering die is doorgevoerd heeft betrekking op het plannen van de benodigde ruimte in de EBS. Diaz: “Hoe eerder je weet hoeveel koffers er komen, hoe beter je die ruimte kunt managen. Wij combineren nu real-time data met data uit het verleden, zodat we beter kunnen voorspellen. Hoeveel koffers gaan er normaal op een maandag naar de EBS? Op welke tijden is er topdrukte? Zijn er redenen waarom deze maandag afwijkt van andere maandagen, bijvoorbeeld omdat het een vakantieperiode is of omdat er slecht weer op komst is? Deze data combineren we met real-time data, zoals data over vertraagde vluchten, want die veroorzaken veel drukte in de EBS.”
Deze inzichten worden ook gebruikt om onderhoud aan het EBS te plannen. Dit gebeurt nu op een moment waarop er weinig koffers worden verwacht en niet meer volgens een vast schema. Diaz: “Iedere luchthaven heeft meerdere EBS-locaties. Als de ene eruit ligt wegens onderhoud, maken de koffers een omweg via een andere locatie. We gebruiken een algoritme dat het onderhoud plant. Dat houdt niet alleen rekening met de verwachte drukte, maar ook met de omweg die koffers moeten maken en de verwachte load op die omweg. Het moet niet zo zijn dat er elders een file ontstaat.”
Ken je processen
Diaz en Suora hebben twee belangrijke lessen voor andere logistiek dienstverleners die grip willen krijgen op hun processen door het analyseren van machine data. “Je moet je processen echt door en door kennen, want dan pas weet je waar je in de enorme berg aan data naar moet zoeken. En wees nieuwsgierig, ga op zoek naar verbetermogelijkheden door te spelen met de data. Iedere verbetering begint met verwondering waarom iets fout gaat. Stap dus uit de mindset ‘zo gaat dat nu eenmaal bij ons’ en stel je open. Dan komen de verbeterideeën vanzelf.”
