dr.ir. F.R. Akkerman (Fabian)

Ik ben universitair docent in de vakgroep Industrial Engineering and Management Science aan de Universiteit Twente. In 2025 behaalde ik mijn PhD (cum laude), onder begeleiding van Martijn Mes, Maria Iacob en Willem van Jaarsveld, na het afronden van mijn MSc in Industrial Engineering and Management in 2021. Van september tot december 2024 was ik visiting researcher aan Polytechnique Montréal, onder begeleiding van Thibaut Vidal.

Ik ben een onderzoeker op het gebied van machine learning, werkzaam op het snijvlak van besluitvorming en interpreteerbare kunstmatige intelligentie. In mijn toegepaste onderzoek gebruik ik reinforcement learning en aanverwante methoden om sequentiële beslissingen onder onzekerheid in transport en logistiek te ondersteunen, waaronder dynamische routering, tijdslotselectie en prijsstelling, en andere vormen van middelenallocatie. In mijn meer fundamentele onderzoek ontwikkel ik wiskundig onderbouwde methodes voor interpreteerbare AI, met de nadruk op het verbeteren van nauwkeurigheid en schaalbaarheid.

Mijn onderzoek ontving in 2025 de INFORMS TSL Society Dissertation Award. Het DynaPlex-project, waarin mijn promotieonderzoek en samenwerkingen zijn opgenomen, ontving in 2025 de TKI Dinalog Impact Award. Van september 2020 tot maart 2021 liep ik stage bij ORTEC, waar ik onderzoek deed naar revenue management voor thuisbezorging. Mijn werk is besproken in de media, onder andere op NPO Radio 1.

Organisaties

Publicaties

Onderzoeksprofielen

Vakken collegejaar 2025/2026

Vakken in het huidig collegejaar worden toegevoegd op het moment dat zij definitief zijn in het Osiris systeem. Daarom kan het zijn dat de lijst nog niet compleet is voor het gehele collegejaar.

Vakken collegejaar 2024/2025

Lopende projecten

EnerLogiX

Integrated Energy and Logistics Planning for Electric Trucking

Elektrisch vrachtvervoer is een game-changer voor de duurzaamheid van de logistieke sector. Grote vrachtwagenfabrikanten en overheidsbeleid op Europees, nationaal en lokaal niveau ondersteunen deze ontwikkeling. Echter, het Nederlandse elektriciteitsnet loopt tegen zijn grenzen, wat de integratie van elektrische vrachtwagens bemoeilijkt. Daar komt bij dat de actieradius nog onzeker is en de elektriciteitsprijzen sterk fluctueren en soms onvoorspelbaar zijn. De logistieke sector moet daarom zijn bedrijfsmodellen, netwerkontwerp, vlootsamenstelling en operaties aanpassen aan de dynamiek van toekomstige elektriciteitsnetwerken. Het project EnerLogiX richt zich op het valideren van slimme (lokale) energieoplossingen in combinatie met logistieke planningsoplossingen. Het project gaat publiek beschikbare tools ontwikkelen om de transitie naar elektrisch vrachtvervoer te versnellen en CO2-uitstoot te verminderen.

Voltooide projecten

DynaPlex

Deep Reinforcement Learning for Data-Driven Logistics

In december 2018 publiceerde een team van onderzoekers van DeepMind (eigendom van Google) een paper in het tijdschrift Science, waarin het vermogen van hun nieuw ontwikkelde AlphaZero-algoritme wordt aangetoond om versla de beste game-engines in Chess, Go en Shogi. Sterker nog, in plaats van te vertrouwen op handgemaakte evaluatiefuncties van bordstaten, bevat het AlphaZero-algoritme geen expert informatie over een van de gespeelde spellen: het leert autonoom elk spel te spelen, alleen door het spel vaak tegen zichzelf spelen. Deze AI-doorbraak is bijzonder omdat Go en Chess games zijn waarbij het cruciaal is om te anticiperen op onbekende bewegingen van de tegenstander. Bij het nemen van logistieke beslissingen is het evenzeer belangrijk om te anticiperen op de komst van nieuwe gegevens (bijvoorbeeld bestellingen, vertragingen, storingen, enz.). Voor verschillende dynamische data gestuurde beslissingsproblemen, Deep Reinforcement Learning (DRL)-algoritmen, is het aangetoond dat AlphaZero een game-changers is. De Nederlandse logistieke sector erkent de kansen en staat te popelen om AI te gebruiken voor beslissingsautomatisering. Echter: • Bedrijven worstelen om de abstracte mogelijkheden van AI te vertalen naar tastbare projectplannen die nodig zijn om door te gaan naar daadwerkelijke implementaties. • Het toepassen van op MVO gebaseerde besluitvorming vereist deskundige algoritmische kennis, dat wil zeggen: moeilijk te sourcen. Onze projectdoelen zijn om tegelijkertijd deze twee uitdagingen te overwinnen: • We ontwikkelen proofs-of-concept (PoC’s) AI-beslissingsautomatisering voor onze 10 industriële partners, die dienen als concrete voorbeelden van het potentieel van AI in data gestuurde logistiek. • Op dezelfde manier als AlphaZero is ontworpen als een generiek hulpmiddel om verschillende spellen op te lossen, we creëren de DynaPlex-toolbox om de snelle ontwikkeling van geautomatiseerde beslissingen te ondersteunen maken op basis van DR. DynaPlex richt zich op dynamische data gedreven logistieke uitdagingen, en het is cruciaal bij het leveren van de PoC’s voor partnerbedrijven, terwijl het ook ondersteunt beslissingsautomatisering voor logistieke uitdagingen van bedrijven buiten het consortium. Het uiteindelijke doel is het ondersteunen van modellering van data gestuurde logistieke beslissingsproblemen in onzekere omgevingen die realtime informatie gebruiken en de toolbox deze problemen laten optimaliseren, met nul codering.

Adres

Universiteit Twente

Ravelijn (gebouwnr. 10), kamer 3402
Hallenweg 17
7522 NH Enschede

Navigeer naar locatie

Organisaties