Goederenindeling verbeteren met AI

Om het classificatieproces te vereenvoudigen en te optimaliseren, startte Trivium Packaging een AI-pilot met Pincvision. Dit bedrijf uit Doetinchem verzorgt voor handelsbedrijven diensten rondom trade compliance. Regulatory technology (vaak afgekort als RegTech) is daarbij het sleutelwoord. Dat is het gebruik van informatietechnologie om regelgevings- en nalevingsprocessen te verbeteren. “RegTech stelt internationaal opererende bedrijven in staat snel te reageren op veranderende regelgeving en biedt de flexibiliteit en snelheid die nodig zijn om hun operationele excellentie te behouden”, aldus Edwin Kampshoff, chief information officer van Pincvision.

“Onze oplossingen voor HS-classificatie bestaan uit procesautomatisering, bigdata-analyses en outsourcing”, vertelt Peter Italiaander, hoofd Customs & Trade Affairs van Pincvision. “De productclassificatietool van AEB-software draait op de achtergrond om ons geautomatiseerde proces te faciliteren en helpt ons grotere artikelstambestanden te onderhouden en nieuwe materialen efficiënt te classificeren.”

Niet nodig

Tijdens de AI-pilot zijn de masterdata van alle materialen en producten van Trivium Packaging handmatig onder de loep genomen. “De meeste eigenschappen die nodig zijn om de goederen correct in te delen, zijn te vinden in de product­beschrijving. Vervolgens zijn met behulp van een beslisboom − een methode van machine learning − de juiste goederencodes toegekend”, vertelt Rouwenhorst.

Hij vervolgt: “Deze berg aan data wordt gebruikt om de AI-tool te laten leren. Op dit moment kunnen we met behulp van kunstmatige intelligentie onze goederen classificeren. Mijn team in Hongarije gaat de tool gebruiken om nieuwe artikelen te classificeren en om de juistheid van de toegekende indeling steekproefsgewijs te evalueren. Het blijft een hulpmiddel, en je moet het blijven monitoren om in control te blijven. Als je dat pas na een halfjaar doet en dan een onjuiste indeling constateert, zijn er al te veel transacties geweest – met alle gevolgen van dien. Het grote voordeel van de tool is niet alleen dat AI het classificeren sneller en beter doet, maar ook dat je de echte specialisten – die schaars zijn – voor ander werk kunt inzetten. Die heb je hard nodig voor het opvolgen van de artikelen die onder de ingestelde grenswaarden uitkomen en voor het optimaliseren van het classificatieproces. Als gevolg van dit proces kunnen we nu ook onze masterdata verbeteren.”

Tijdens de pilot bleek bijvoorbeeld dat veel houten en kunststof verpakkingsmaterialen van Trivium Packaging ten onrechte als metaal waren geclassificeerd. Rouwenhorst: “Waarom? Simpelweg omdat het altijd al zo werd gedaan. Daardoor vielen sommige producten ten onrechte onder de sancties tegen Rusland of onder de CBAM-wetgeving. Soms moesten we invoerrechten betalen, terwijl dat eigenlijk niet nodig was. De Douane signaleert dit soort fouten en dan moet je kunnen uitleggen waarom een materiaal onjuist is geclassificeerd.”

Omdat de tool gebaseerd is op machine learning, wordt hij steeds beter. Een tool gaat immers niet uit zichzelf meteen goed classificeren, je moet hem dat eerst aanleren, vertelt Joost Rulf, projectmanager van Pincvision. “Hiervoor begin je met het uploaden van de masterdata van de materialen en producten die je wilt indelen. Welke data-elementen zijn nodig om een product te classificeren? Zitten de elementen die belangrijk zijn voor de classificatie ook daadwerkelijk in de dataset? Na het handmatig classificeren van een representatieve set van materialen en een goede set-up van het geautomatiseerde proces kun je aan de slag. Met de set van geclassificeerde artikelen maak je een controlegroep. Met machine learning maakt de tool daarmee een beslisboom. Als je nieuwe materialen uploadt, deelt het programma die in volgens de kenmerken van de controlegroep. Na goed­keuring worden de nieuwe materialen daaraan toegevoegd. Zo wordt de controlegroep steeds groter en worden de data betrouwbaarder. Ook worden de artikelen uit de controlegroep steeds opnieuw bekeken en gecontroleerd of hun classificatie nog klopt, omdat de data veranderen na elke upload of wijziging. Je krijgt een waarschuwing als een goederencode niet meer bestaat of is gewijzigd. Het programma leert en wordt steeds beter”, aldus Rulf.