Careers

Afstudeeropdracht: Machine Learning Based Forecasting Tool for Sales and Supply Chain

Luminis Apeldoorn is specialist op het gebied van applicatieontwikkeling. Met de brede kennis en ervaring binnen alle aspecten van het ontwikkelproces realiseert Luminis Apeldoorn “state of the art” maatwerkoplossingen voor haar opdrachtgevers. Luminis Apeldoorn geeft ideeën van opdrachtgevers vorm in oplossingen die aantoonbaar waarde toevoegen, wat maakt dat haar klanten zich door innovatiekracht onderscheiden.

Data Science is één van de focusgebieden van Luminis Apeldoorn. Op verschillende manieren laten zij bedrijven kennismaken met de mogelijkheden van Data Science. Veel bedrijven en instellingen weten niet goed wat de waarde is van hun data en al helemaal niet hoe zij die waarde uit de data kunnen halen. In het verlengde daarvan is deze opdracht tot stand gekomen.

Voor deze opdracht werkt Luminis samen met Zehnder. Zehnder produceert binnenklimaatsystemen en is gevestigd in Zwolle. Op dit moment maakt Zehnder een voorspelling van de verwachte orders en daarmee samenhangend de producten die verkocht gaan worden, over een periode van een jaar. Dit met als doel om de voorraad daarop af te stemmen zodat er niet onnodig veel voorraad aanwezig is. Er moet precies genoeg voorraad zijn zodat de binnenklimaatsystemen ontwikkeld kunnen worden, alles wat te veel is drukt op het uiteindelijk resultaat. Het tegenovergestelde is uiteraard ook aan de orde: wanneer er te weinig op voorraad is dan ligt de productie stil. Het belang van een accurate voorspelling is dus enorm groot. Naast de algehele voorspelling zijn er ook pieken in een periode voor specifieke producten. Deze zijn op dit momenten lastig te voorspellen. Er is historische (order) data beschikbaar maar daarnaast zijn er ook andere databronnen die relevant zijn om een voorspelling te genereren (feature engineering)

Gezien de ervaring van Luminis op het gebied van data science en machine learning (ML) weet Luminis dat de forecasting beter kan indien er gebruik wordt gemaakt van de nodige ML technieken. Voor deze opdracht ga je onderzoeken welke ML methoden het beste geschikt zijn om een voorspelling te kunnen generen, maar daarnaast mag je ook zelf de applicatie bouwen. De applicatie zal de mogelijkheid moeten bieden om verschillende databronnen te kunnen koppelen, een model trainen o.b.v. de data en een user interface waarin de voorspelling visueel wordt weergegeven.

Lijkt het je leuk om onderzoek te doen naar ML technieken en deze te implementeren in een zelf te ontwikkelen applicatie? Neem dan contact op met Gerard Verbeek, via gerard.verbeek@luminis.eu of +31 6 5399 6017.