Schapindeling
Je ziet vooraf wat een verplaatst schap doet met klantstromen en mandwaarde.
Test het in de simulatie voordat je de winkel aanpast.
Digitale AI-tweeling voor winkels en magazijnen
Bouwt een driedimensionale kopie van je winkel, magazijn of fabriek. Nog vóór je een schap verplaatst, berekent het de invloed op de verkoop, looproutes van medewerkers en picktijd.
Probleem
De winkelindeling verandert op basis van voorspellingen.
De indeling van een supermarktschap aanpassen kost geld. Je betaalt uren, sluit delen van de winkel en neemt verkooprisico. Toch valt de keuze vaak op ervaring, dus op gokwerk. Zit je fout, dan merk je dat pas weken later aan de omzet.
In het magazijn is het beter te meten, maar het verhaal blijft hetzelfde: wordt de pickroute een paar meter langer, dan worden dat bij duizenden orders per dag uren.
Wat test het
We bouwen een kopie met de maten van de echte winkel. Je test de wijziging daar eerst en voert die daarna op locatie door.
Klantstroom
De simulatie speelt bewegingspatronen na die zijn geleerd uit echte camera- en kassadata.
Drukke zones
De heatmap toont verstopte gangpaden en plekken waar niemand komt.
Route van personeel
Het berekent een indeling die bijvulrondes en pickroutes korter maakt.
Robot koppelen
De routes van autonome transportkarren test je met mensenstromen voordat ze de werkvloer op gaan.
Verzameltijd
Meet per magazijnorder de loopafstand en verzameltijd.
Voor wie
Voor wie een nieuwe indeling eerst wil bekijken.
Retailers die aarzelen hun winkelindeling te wijzigen
Winkelketens die het verkoopeffect van een verplaatst schap pas achteraf zien, als terugdraaien duur is.
Magazijnen waar picktijd de boel ophoudt
Voor magazijnen waar loopafstanden meegroeien met de orders en de indeling op gevoel is gemaakt.
Bedrijven die robots willen inzetten
Voor wie vóór aankoop wil zien of automatisering echt iets oplevert.
Live demo
Voorbeeldrun · niet met echte data
Digitale tweeling · heatmap
De simulatie geeft een indicatie
Zo werkt het
Vier stappen.
01
Meet
We nemen de winkelplattegrond, schaphoogtes en kassaposities over. Zo bouwen we een kopie op schaal.
02
Voed
Camera-, kassa- en voorraaddata gaan naar de kopie. De simulatie bootst echt gedrag na.
03
Probeer
We testen de nieuwe indeling virtueel. Je vergelijkt de uitkomst op heatmap en doorlooptijd.
04
Pas toe
De beste indeling wordt uitgevoerd. Werkelijke resultaten gaan terug naar de simulatie.
Techniek
Waar het op draait.
- NVIDIA Omniverse
- Isaac Sim
- Cosmos
- Python
- Go
- USD
De scène bouwen we in USD-formaat op NVIDIA Omniverse. Bewegingen van robot en mens simuleren we met Isaac Sim. Cosmos maakt scenario's en synthetische beelden. De datalijn is Python, de servicelaag Go.
Beelden
Veelgestelde vragen
Wat je voor ons gesprek wilt weten.
Wat hebben we nodig om het model te installeren?
De maten van de ruimte en de plek van de schappen. Is er een bouwtekening, dan gebruiken we die meteen. Anders meten we alles in en zetten we het op. Koppel product- en verkoopdata, dan wordt de simulatie realistisch.
Hoe betrouwbaar is de simulatie?
Zo goed als de data die je invoert. Met echte verkoop- en bewegingsdata laat het trends correct zien. We beloven geen exacte cijfers. Het is bedoeld om te vergelijken.
Werkt dit met onze huidige magazijnsoftware?
Werkt met systemen die voorraad- en besteldata exporteren. We bouwen de koppeling bij installatie.
Hoeveel scenario's kunnen we tegelijk testen?
Geen limiet. Elk scenario wordt apart opgeslagen. Je zet er twee naast elkaar om ze te vergelijken. De reden voor je keuze blijft ook bewaard.
Kun je het nu kopen?
Nee, we bouwen er nog aan. We praten over een pilot.
Contact
Iets vergelijkbaars?
wil je laten maken?
Leg het in één zin uit. Dan zeggen wij wat nodig is en hoe lang het duurt.