De opgave
HDG is al jaren een vaste naam in de kwaliteitscontrole van vers fruit en groenten. Van teler tot eindbestemming, van citrus tot tomaten, voor opdrachtgevers in Europa, Latijns-Amerika en Afrika. De inspecties zelf zijn sterk. Maar op een plek waar veel bedrijven, van inspectie tot handel, tegen dezelfde muur lopen, liggen grote kansen: documentverwerking.
Dat speelt extra tijdens piekseizoenen. Als er nieuwe ladingen binnenkomen, lopen de paklijsten net zo hard op. Precies in de weken waarin het inspectieteam volle bak bezig is met het echte werk, moeten er ondertussen ook honderden paklijsten worden uitgelezen en in QC4U gezet. Repetitief werk in korte tijd, dat veel vraagt van mensen die hun expertise eigenlijk ergens anders willen inzetten.
Een klant stuurt een paklijst per mail, vrijwel altijd als PDF. Soms één per zending, soms tientallen tegelijk. Iemand moet die mail openen, de paklijst beoordelen, de juiste velden eruit halen, het document classificeren en de gestructureerde data overzetten naar QC4U zodat de inspectie en de facturatie verder kunnen. Per paklijst is het een paar minuten werk. Bij 200.000 paklijsten per jaar is het een fulltime operatie op zich. En het is precies het soort werk waarbij na een paar uur de foutmarge oploopt: een verkeerde partij, een typefout in het aantal colli, een document dat in de verkeerde reis terechtkomt.
Voor HDG was de vraag niet of dit beter kon, maar hoe je het zo aanpakt dat de oplossing meegroeit met het volume zonder dat het team evenredig meegroeit.
Onze aanpak
- 01
Paklijst komt binnen in de mailbox
De pipeline pikt mails automatisch op, herkent welke bijlagen paklijsten zijn en welke niet, en haalt ze uit de mail.
- 02
Automatisch uitlezen en classificeren
Per paklijst worden de relevante velden eruit gehaald. Het maakt niet uit of de paklijst van leverancier A of B komt, of dat de opmaak per zending verschilt. Waar eerdere generaties tools omvielen zodra een leverancier zijn template aanpaste, leest het model een paklijst zoals een mens dat doet: kijken wat er staat en herkennen welk veld welke betekenis heeft.
- 03
Gestructureerde data eruit
De ruwe PDF wordt een rij data: producten, aantallen, partijen, herkomst, bestemming, referenties. Met validatie op de plekken waar fouten zich normaal opstapelen.
- 04
Klaar voor inspectie en facturatie
De data gaat door naar QC4U, waar de inspectie en de administratieve afhandeling verder kunnen. Geen tussenpersoon meer die paklijsten openklikt en velden overtypt. Wel een team dat de uitzonderingen behandelt en zich voor de rest kan richten op het inspectiewerk zelf.
Het resultaat
Tijd. De uren die opgaan aan paklijsten uitlezen, gaan terug naar het inspectiewerk zelf en andere delen van de operatie. Bij dit volume betekent dat een groot deel van een fulltime equivalent.
Foutgevoeligheid. Een geautomatiseerde pipeline maakt geen typefouten en raakt geen documenten kwijt. Wat hij niet zeker weet, vlagt hij voor controle. Dat is een beter foutprofiel dan handmatig werk waarbij fouten verstopt blijven tot iemand er bij toeval over struikelt.
Schaalbaarheid. 200.000 paklijsten is veel, maar de groeicurve gaat door. Met handwerk betekent dat extra mensen vinden, inwerken en coördineren. Met een pipeline betekent het meer documenten door dezelfde infrastructuur.
Het patroon achter de HDG-samenwerking zien we bij meer klanten: het begint bij een concreet, dagelijks pijnpunt, de oplossing zit op de achtergrond, en de pipeline is vanaf dag een gebouwd op het volume dat er echt is. Dank aan Bas Lok en het hele HDG-team. We gaan ervoor.