Het begon voor Mahes allemaal met een bachelor Wiskunde in 2015 aan de Universiteit van Amsterdam (UvA). 'De meest logische vervolgstap was de master Mathematics, waarna ik vanaf februari 2020 kon beginnen aan mijn masterscriptie over appointment scheduling', vat Mahes zijn eerste jaren aan de UvA samen. Als gevolg van de lockdown schreef Mahes deze scriptie grotendeels op afstand, maar dit schaadde de relevantie en kwaliteit van zijn onderzoek niet. Sterker nog: tijdens zijn masterscriptie werd hij door zijn begeleider Michel Mandjes, hoogleraar aan de Faculteit Natuurwetenschappen, Wiskunde en Informatica, gevraagd of hij na zijn master een PhD wilde doen.

Tegelijkertijd liepen gesprekken met een internationale trading firm, die in Mahes een uitstekende aanwinst zagen. Uiteindelijk ging zijn voorkeur toch uit naar een PhD. 'Ik had het gevoel dat ik nog niet klaar was met de wiskunde, ik wilde nog meer onderzoek doen.' In zijn geval naar appointment scheduling.

Tweezijdige optimalisatie

Appointment scheduling, dus het zo efficiënt mogelijk inplannen van afspraken, vergt een optimalisatie aan twee kanten, omschrijft Mahes. In zijn masterscriptie focuste hij zich vooral op afspraken in de gezondheidszorg. 'Wanneer de agenda van de dokter vol staat, wil je enerzijds niet dat hij of zij zonder patiënten in zijn spreekkamer zit, want dat is een verspilling van tijd. Aan de andere kant wil je ook niet dat er zeven mensen in de wachtruimte zitten', omschrijft Mahes beide kanten van het spectrum.

'Mijn scriptie ging met name over het geven van updates: wanneer er om 13.00 uur nog drie mensen in de wachtkamer zitten en je hebt een afspraak staan om 13.15 uur, dan weet je dat dat nooit gaat lukken.' Met de informatie die je op een bepaald moment hebt, de afspraken op latere momenten aanpassen: dáár kwam het onderzoek van Mahes voor zijn masterscriptie in een notendop op neer.

Onderzoek samen met PostNL

Prof. dr. Marc Salomon, dean van de Amsterdam Business School en hoofdbegeleider van Mahes, was het met Mahes en Mandjes eens dat dit een leuk, interessant en relevant onderzoeksthema is, maar hij was er tegelijkertijd van overtuigd dat er ook een bedrijf moest aanhaken. 'En waar worden tegenwoordig meer afspraken gemaakt dan met PostNL? Honderdduizenden mensen zitten iedere dag op hun pakketjes te wachten', legt Mahes uit. En met tijdvakken van twee uur (‘uw pakket wordt bezorgd tussen 13.00 en 15.00 uur’), wat vandaag de dag wel érg ruim is, valt er ook nog eens meer dan genoeg te optimaliseren.

De uitdaging hierbinnen is met name dat bezorgers compleet hun eigen route mogen bepalen. 'Dit in tegenstelling tot bijvoorbeeld boodschappenbezorgers. Dat maakt het inschatten van bezorgtijden bijzonder lastig. Een bezorger kent de wijk vaak heel goed en weet bijvoorbeeld of er ergens een school zit, of dat het om een andere reden op een bepaald moment heel erg druk is in die straat, of juist dat er niemand thuis is. Dat zijn allemaal zaken die zijn of haar route – en daarmee het moment van bezorgen – beïnvloeden. Maar we zijn ervan overtuigd dat we dat tijdvak van twee uur wel fors terug kunnen brengen, zonder dat de betrouwbaarheid achteruit holt.' Met name op basis van oude rit-informatie, niet chauffeur-specifiek. 'Dat staat de privacywetgeving ons niet toe.' Inmiddels werken Mahes, Mandjes én PostNL stap voor stap richting een doordacht nieuw datamodel, op basis van het bestaande model van PostNL.

Amazon Challenge

De uitdaging waar Mahes momenteel samen met PostNL aan werkt, kent behoorlijk wat raakvlakken met een wedstrijd die webgigant Amazon recent uitschreef en waar hij – samen met twee andere PhD-studenten van de Amsterdam Business School – aan deelneemt. 'Op basis van oude data, zoals reistijden, pakketjes, bezorgadressen en andere route-informatie, moesten we voorspellen hoe een bezorger op een nieuwe dag driehonderd pakketjes zou bezorgen.'

Een eerste poging leverde Mahes en zijn collega’s al een twaalfde plek op, te midden van in totaal 229 inzendingen een indrukwekkende prestatie. 'Zeker omdat het een vrij simplistisch model was. Nu zijn we dit model aan het verbeteren. Want: bij deze challenge hoort een issue in het journal Transportation Science, over het gebruik van Machine Learning om bezorgroutes te kunnen bepalen.'

Naast het schrijven van papers, het onderzoek in samenwerking met PostNL én de Amazon Challenge, geeft Mahes ook nog les aan de Amsterdam Business School. 'En begin ik in november aan een vak binnen de master Artificial Intelligence, over Deep Learning, zodat ik daar meer over leer, voor mijn onderzoek voor PostNL.'