Inventaris-AI. Voorspel de behoefte aan elk luchtvaartonderdeel.

Machine Learning-modellen en continue optimalisatie

Zodra de datapijplijn is opgezet, worden geavanceerde machine learning-algoritmen toegepast om prognoses en optimalisatie-inzichten te genereren. Het systeem maakt gebruik van een combinatie van modellen, die elk een facet van voorraadbeheer behandelen, en verbetert deze modellen continu naarmate er nieuwe data binnenkomt (autonoom leren). Belangrijke onderdelen van onze ML-aanpak zijn:

Cloudgebaseerde architectuur met Qlik en Snowflake

Moderne Inventory AI-oplossingen zijn gebouwd op een cloud computing-architectuur die de schaalbaarheid, integratie en prestaties biedt die nodig zijn voor realtime analyses. Ons systeem is 100% cloudgebaseerd en maakt gebruik van Snowflake's Data Cloud en Qlik's analyseplatform in de backend. Deze architectuur zorgt ervoor dat alle berekeningen en dataopslag in de cloud plaatsvinden (geen on-premise servers nodig), zodat wereldwijde teams overal toegang hebben tot de tools en het systeem kan worden geschaald naar elk datavolume of aantal gebruikers.

Afbeelding: Hoogwaardige architectuur die diverse databronnen integreert met een Snowflake cloud-dataplatform en deze voedt met machine learning en analytics. Data wordt (batch of realtime) verwerkt vanuit ERP-databases, SaaS-applicaties en bestanden, en vervolgens getransformeerd en opgeslagen in het cloud-datawarehouse van Snowflake. Het platform beheert de datakwaliteit, de uitvoering van het machine learning-model en biedt catalogisering/governance. De analytics-laag van Qlik is daarbovenop geplaatst en biedt eindgebruikers interactieve dashboards en AI-gestuurde inzichten.

Sneeuwvlok als dataruggengraat:Alle bedrijfsgegevens worden geconsolideerd in Snowflake, een cloud-native datawarehouse dat bekendstaat om zijn hoge prestaties en elasticiteit. Snowflake slaat de gereinigde ERP-gegevens, voorraadrecords en externe datasets centraal op. Omdat Snowflake een volledig beheerde cloudservice is, kan deze automatisch op- of afschalen op basis van de werklast. Dit stelt ons in staat om intensieve machine learning-berekeningen of complexe query's op aanvraag uit te voeren zonder ons zorgen te maken over de infrastructuur. Deze elasticiteit is cruciaal bij het voorspellen van duizenden artikelnummers of het uitvoeren van simulaties: het systeem kan extra rekenkracht in de cloud inzetten om de belasting te verwerken en vervolgens weer terugschalen. Snowflake biedt ook mogelijkheden voor veilige gegevensuitwisseling en -integratie, waarmee we gegevens uit verschillende bronnen kunnen halen en indien nodig zelfs bepaalde resultaten met partners kunnen delen, terwijl strikte beveiliging wordt gehandhaafd (naleving van SOC 2 en ISO 27001 voor gegevensbescherming wordt ondersteund). Door Snowflake te gebruiken, kan ons Inventory AI-platform grote datavolumes verwerken (bijv. jarenlange transactiegeschiedenis, miljoenen artikelrecords) en bijna realtime updates uitvoeren. Met de cloud data warehouse-aanpak hoeven klanten geen databases meer te beheren en is er één enkele bron van waarheid die toegankelijk is voor alle andere componenten (de ML-engines, het dashboard en indien nodig zelfs andere BI-tools van de klant).

AI-verwerking en schaalbaarheid:De machine learning-componenten van Inventory AI worden ook in de cloudomgeving geïmplementeerd. Voor maximale schaalbaarheid en betrouwbaarheid worden de voorspellende modellen en optimalisatieroutines gehost op cloud computing-services (bijvoorbeeld met AWS Lambda of cloud-VM's). Dit betekent dat wanneer het systeem een nieuwe prognose of aanbeveling moet genereren, het cloudfuncties kan aanroepen die de machine learning-modellen uitvoeren op basis van de meest recente Snowflake-gegevens. Door AI in de cloud te implementeren, worden rekenintensieve taken (zoals het trainen van een nieuw model of het evalueren van duizenden scenario's) efficiënt uitgevoerd en kunnen ze worden geparallelliseerd. Er is geen single point of failure; de architectuur kan uitval opvangen door om te leiden naar andere cloudresources of -zones. Bovendien maakt cloudimplementatie continue levering van updates mogelijk: nieuwe modelverbeteringen of functie-uitbreidingen kunnen naadloos worden uitgerold naar alle gebruikers zonder lokale installaties. Het eindresultaat zijn realtime of on-demand analysemogelijkheden: gebruikers zien altijd actuele voorspellingen op het dashboard en kunnen erop vertrouwen dat de AI achter de schermen de allernieuwste gegevens verwerkt. Een distributeur van vliegtuigonderdelen kan bijvoorbeeld de AI direct na het uploaden van de verkoopgegevens van de vorige maand opnieuw prognoses laten uitvoeren – de cloudfuncties voeren de bijgewerkte voorspelling uit en vernieuwen het dashboard binnen enkele minuten, dankzij de on-demand schaalbaarheid van de cloud. Zoals gezegd: "implementatie in de cloud geeft distributeurs altijd toegang tot realtime inzichten" en kan naar behoefte worden opgeschaald om aan vraagpieken te voldoen.

Interactief dashboard met Qlik:Aan de front-end biedt Inventory AI een op maat gemaakt AI-dashboard, aangestuurd door Qlik, een toonaangevende tool voor analyse en business intelligence. Qlik is rechtstreeks verbonden met het Snowflake-datawarehouse, waardoor het de meest recente data en modelresultaten met hoge prestaties kan raadplegen. Het gebruik van Qlik biedt de eindgebruiker uitgebreide interactieve visualisatie- en analysemogelijkheden. We hebben diverse dashboardweergaven en grafieken (voorraadtrends, prognose versus werkelijke voorraad, voorraadverdeling, prestatie-KPI's, enz.) gebouwd met behulp van de analyse-engine van Qlik. De AI-inzichten zijn in deze dashboards geïntegreerd. Het systeem kan bijvoorbeeld onderdelen markeren waarvan wordt voorspeld dat ze binnen 30 dagen uitverkocht zullen zijn, overtollige voorraad markeren of leveranciersprestatiescores weergeven. Dit alles gebeurt in een interactieve interface waar gebruikers kunnen filteren op vliegtuigvloot, locatie, tijdsbestek, enzovoort. De integratie van Qlik met Snowflake is geoptimaliseerd voor realtime analyses. Dit betekent dat alle nieuwe data die in Snowflake worden geladen (of nieuwe AI-aanbevelingen die worden gegenereerd) direct in het dashboard kunnen worden weergegeven. Gebruikers ervaren een soepel, responsief systeem waarmee ze dieper in de data kunnen duiken, ad-hoc vragen kunnen stellen en zelfs natuurlijke taalquery's (met ondersteuning van AI) kunnen gebruiken om antwoorden te krijgen op basis van de voorraadgegevens. De Qlik-laag verwerkt ook waarschuwingen en meldingen – we configureren bijvoorbeeld waarschuwingen voor bepaalde omstandigheden, zoals 'kritiek onderdeel onder veiligheidsvoorraad' of 'voorspellingsfout boven X%'. Deze waarschuwingen kan Qlik via e-mail of een mobiele melding naar voorraadbeheerders sturen, zodat er niets belangrijks over het hoofd wordt gezien. Kortom, Qlik fungeert als een gebruiksvriendelijke intelligence portal die de ruwe voorspellingen en cijfers van de AI omzet in intuïtieve grafieken, KPI's en bruikbare dashboards voor besluitvormers. Het overbrugt de kloof tussen de complexe datawetenschap aan de back-end en de praktische besluitvorming aan de front-end, waardoor zelfs niet-technische gebruikers (planners, inkopers, verkoopteams) AI-gestuurde analyses kunnen gebruiken in hun dagelijkse workflow.

Integratie en compatibiliteit:Onze cloudarchitectuur is ontworpen om aan te sluiten op het bestaande IT-landschap van luchtvaartbedrijven. Of de klant nu een traditioneel ERP-systeem gebruikt (zoals SAP, Ramco, Amos) of al data in een cloud lake/warehouse heeft, onze oplossing kan naadloos worden geïntegreerd. Het platform "werkt met SAP, Snowflake, Oracle, AMOS, Quantum en andere luchtvaartsystemen voor een soepele implementatie binnen bedrijven". We bieden connectoren/API-eindpunten om ERP-data continu naar Snowflake te importeren, en we kunnen eveneens output (zoals orderaanbevelingen of prijsupdates) terugsturen naar het ERP-systeem of andere systemen. Deze brede compatibiliteit betekent dat alle ERP-systemen worden ondersteund – de AI hoeft uw ERP-systeem niet te vervangen, maar breidt het uit door bovenop de cloud te staan en naar behoefte data te lezen/schrijven. Cloudgebaseerd betekent ook minimale on-premise installatie; de oplossing is toegankelijk via een webbrowser en maakt veilig verbinding met de databronnen. Luchtvaartbedrijven waarderen dat deze architectuur voldoet aan het IT-beveiligings- en data governance-beleid: gegevensoverdrachten zijn versleuteld, toegang wordt beheerd via rollen en de cloudomgeving voldoet aan de industrienormen. De combinatie van Snowflake's beveiligde datacloud en Qlik's beheerde analyses garandeert beveiliging en compliance op ondernemingsniveau en biedt tegelijkertijd geavanceerde AI-mogelijkheden. Het hele systeem is multi-tenant en schaalbaar, dus of een klant nu één of wereldwijde sites heeft, een paar gebruikers of honderden, de prestaties blijven snel en betrouwbaar. Door de nadruk te leggen op cloudcomputing en een flexibele integratielaag, kan Inventory AI snel worden uitgerold en samenwerken met de tools en processen die luchtvaartbedrijven al gebruiken.

AI op maat maken voor de luchtvaart: use cases en industriële integratie

Het ontwerpen van een AI voor voorraadoptimalisatie specifiek voor de luchtvaartsector betekent het aanpakken van de unieke uitdagingen en workflows van luchtvaartmaatschappijen, MRO's en leveranciers van vliegtuigonderdelen. Onze oplossing is daarom geoptimaliseerd voor gebruik in de luchtvaart: het beheren van reserveonderdelen voor vliegtuigvloten, het ondersteunen van MRO-toeleveringsketens en het mogelijk maken van efficiënte handel in overtollige onderdelen. Hieronder lichten we toe hoe AI voor voorraadoptimalisatie in dit domein wordt toegepast en welke speciale functies zowel verkopers als kopers (luchtvaartmaatschappijen, MRO's, onderdelendistributeurs) in de luchtvaartsector ondersteunen.

Vraagprognose voor luchtvaartonderdelen:De vraag naar reserveonderdelen voor de luchtvaart is notoir moeilijk te voorspellen - het volgt vaak een intermitterend patroon (lange periodes van nulgebruik onderbroken door plotselinge behoeften, met name voor kritieke LRU's). De AI pakt dit aan door geavanceerde prognoses te gebruiken die zijn afgestemd op het gedrag van reserveonderdelen. Zoals opgemerkt in onderzoek, is de nauwkeurigheid van de prognoses voor reserveonderdelen een cruciale factor om operationele gereedheid en budgetefficiëntie te garanderen. Ons systeem bevat probabilistische modellen om intermitterende vraag te verwerken (Croston's methode of intermitterende vraag. Op Croston gebaseerde modellen kunnen worden geïntegreerd naast ML-modellen), en het maakt gebruik van vlootgegevens (bijv. vlieguren, cycli, onderhoudsschema's van vliegtuigen) om te voorspellen wanneer onderdelen nodig zullen zijn. Door een hogere nauwkeurigheid te bereiken bij het voorspellen van de vraag naar onderdelen, kunnen luchtvaartmaatschappijen ervoor zorgen dat ze het juiste onderdeel op het juiste moment hebben, waardoor AOG-situaties (Aircraft on Ground) worden geminimaliseerd. Een casestudy in de militaire luchtvaart toonde aan dat het toepassen van meerdere AI-modellen samen de prognosenauwkeurigheid voor reserveonderdelen aanzienlijk verbeterde, wat de waarde van een ensemble-AI-benadering bevestigt. In de praktijk kan onze AI de volgende mogelijke storing of onderhoudsbehoefte voor een onderdeel voorspellen op basis van gebruikspatronen, waardoor de luchtvaartmaatschappij of onderhoudsdienst dat onderdeel vooraf kan positioneren. Dit vermindert het aantal spoedbestellingen en versnelt de afhandeling, wat kosten en stilstand van vliegtuigen vermindert.

Geoptimaliseerde inkoop en geautomatiseerde RFQ's:In de luchtvaartinkoop is RFQ-beheer (Request for Quote) een dagelijkse taak: inkopers sturen RFQ's naar leveranciers of raadplegen onderdelenmarkten om de benodigde componenten te vinden. Inventory AI stroomlijnt en automatiseert een groot deel van deze workflow. Het systeem kan automatisch RFQ's of inkoopaanvragen genereren wanneer aan bepaalde voorwaarden is voldaan (bijvoorbeeld wanneer de voorraad onder het door de AI berekende bestelpunt zakt, of wanneer een prognose een toekomstig tekort aangeeft). Deze RFQ's worden gevuld met de onderdeeldetails, de benodigde hoeveelheid, de uiterste behoeftedatum en zelfs een voorgestelde richtprijs, zoals bepaald door het prijsmodel van de AI. Door het automatiseren van het opstellen van RFQ's en zelfs het verwerken van reacties, automatiseert het platform "RFQ's, offertes en inkoopworkflows om dagelijks uren te besparen". Als een luchtvaartmaatschappij bijvoorbeeld een tekort heeft aan een specifieke avionica-eenheid, kan de AI goedgekeurde leveranciers voor die eenheid identificeren, een RFQ-bericht opstellen en dit via e-mail of de API van de marktplaats verzenden. Wanneer leveranciers reageren met offertes, kan de AI (met behulp van natuurlijke taalverwerking uit onze Email AI-module) de antwoorden analyseren, prijzen en leverdata vergelijken en de beste optie aanbevelen aan de menselijke koper. In veel gevallen kunnen routinematige aankopen van gangbare onderdelen volledig worden geautomatiseerd: het systeem kiest de optimale offerte op basis van de prestaties en prijs van de leverancier en activeert vervolgens een inkooporder in het ERP-systeem, allemaal zonder handmatige tussenkomst. Deze mate van automatisering versnelt niet alleen de supply chain (cruciaal bij strakke onderhoudsschema's), maar zorgt er ook voor dat inkoopbeslissingen datagedreven zijn. Elke ontvangen RFQ en offerte verrijkt de data verder, die de AI gebruikt om prijstrends en leveranciersgedrag te analyseren en zo continu de aanbevelingen te verbeteren.

Kopen en verkopen met drie klikken (marktplaatsintegratie):Een opvallende eigenschap van onze op de luchtvaart gerichte Inventory AI is de naadloze integratie met marktplaatsen zoals ILS (Inventory Locator Service) en PartsBase. Deze online platforms zijn de plaatsen waar luchtvaartbedrijven wereldwijd reserveonderdelen kopen en verkopen. We hebben hun API's rechtstreeks geïntegreerd in het Inventory AI-dashboard, waardoor gebruikers met slechts een paar klikken marktplaatsacties kunnen uitvoeren. Het systeem identificeert overtollige of langzaam lopende voorraad in uw inventaris – onderdelen die in de nabije toekomst niet nodig zijn – en kan deze vrijwel direct te koop aanbieden op ILS/PartsBase. Gebruikers kunnen de voorgestelde aanbieding van de AI (inclusief adviesprijs) bekijken en deze vervolgens met slechts drie klikken plaatsen. Als de AI een toekomstig tekort aan een onderdeel detecteert, kan deze de marktplaats doorzoeken naar beschikbare voorraad en direct een aankoop initiëren of de gebruiker in ieder geval de opties voor een bestelling met één klik presenteren. Deze diepgaande integratie betekent dat u "voorraad kunt aanbieden, synchroniseren en beheren op toonaangevende marktplaatsen zonder het platform te verlaten". Een MRO kan bijvoorbeeld een dashboard met overtollige onderdelen bekijken, de te verkopen onderdelen aanvinken, waarna het systeem deze aanbiedingen naar ILS en PartsBase stuurt, samen met alle benodigde details (conditie, certificaten, enz.), wat enorm veel tijd bespaart ten opzichte van handmatig aanbieden. Aan de inkoopkant kan het systeem, als een gewenst onderdeel beschikbaar is op deze beurzen, live gegevens over prijs en beschikbaarheid ophalen. Het platform kan ook een lijst met voorkeursleveranciers bijhouden en marktplaatsverkopers vergelijken met bekende goede presteerders. Het drie-klik-paradigma benadrukt hoe eenvoudig en snel dit proces wordt: wat vroeger aparte systemen en handmatige gegevensinvoer vereiste, is nu een geïntegreerde ervaring: identificeer een behoefte of overschot, klik om marktopties te bekijken en klik om een transactie te bevestigen. Dit verhoogt de flexibiliteit bij het balanceren van de voorraad aanzienlijk, waardoor overtollige voorraad kan worden omgezet in cash en hiaten proactief kunnen worden opgevuld.

Leveranciersconnectiviteit en prestatietracking:In de toeleveringsketen van de luchtvaart is het onderhouden van sterke leveranciersrelaties en het monitoren van prestaties essentieel (vertraagde onderdelen kunnen luchtvaartmaatschappijen veel geld kosten). Inventory AI bevat functies voor leveranciersconnectiviteit die directe integratie met leverancierssystemen en realtime prestatietracking mogelijk maken. Het kan verbinding maken met leveranciersportals of elektronische updates accepteren, zodat zaken als verzendingstracking, leveringsbevestigingen en kwaliteitsrapporten rechtstreeks in het AI-systeem worden ingevoerd. Het platform "biedt realtime leveranciersintegratie voor naadloze bestellingen" – wat betekent dat zodra een bestelling is geplaatst, het de status van die bestelling blijft monitoren. Als een zending vertraagd is ten opzichte van de gebruikelijke levertijd van de leverancier, signaleert de AI dit en kan deze adviseren om bij reserveleveranciers te bestellen. Het systeem registreert ook elke leverancierstransactie om een prestatieprofiel op te stellen (percentage op tijd, gemiddelde levertijd versus beloofd, defectpercentage, enz.). Deze statistieken zijn zichtbaar op het dashboard, waardoor inkoop in één oogopslag een duidelijk beeld krijgt van de leveranciersprestaties. Een widget kan bijvoorbeeld laten zien dat leverancier X een punctualiteitspercentage van 95% heeft en een gemiddelde leveringstermijn van 5 dagen, terwijl leverancier Y een punctualiteitspercentage van 80% en een leveringstermijn van 9 dagen heeft. Dergelijke inzichten stimuleren de koper om leverancier X te verkiezen voor kritieke onderdelen. Na verloop van tijd kunnen de verzamelde leveranciersgegevens van de AI zelfs risico's voorspellen: als een normaal gesproken betrouwbare leverancier begint af te glijden, wordt de trend vroegtijdig opgemerkt. Dit is met name handig voor MRO's die reparaties beheren, omdat zij vaak onderdelen naar externe werkplaatsen sturen; de AI kan ook die reparatiecyclussen bewaken. Dit alles zorgt ervoor dat de aanbodzijde van de voorraad strak wordt gecontroleerd en geoptimaliseerd: u slaat niet alleen de juiste hoeveelheid op, maar krijgt deze ook op het juiste moment van de juiste bron.

Cloudgebaseerde samenwerking en ERP-compatibiliteit:Omdat de oplossing cloudgebaseerd is, hebben alle stakeholders (van verkoopteams tot inkopers en voorraadplanners) toegang tot hetzelfde live systeem. Het verkoopteam van een luchtvaartmaatschappij kan het dashboard gebruiken om te bepalen of er onderdelen zijn die ze op de markt kunnen aanbieden (door overtollige voorraad en de door de AI voorgestelde verkoopprijs te zien), terwijl het inkoopteam het tegelijkertijd gebruikt om inkomende behoeften te beheren. De compatibiliteit van het platform met alle belangrijke ERP-systemen zorgt ervoor dat het naadloos aansluit op de bestaande processen. Bij gebruik van SAP kan de AI bijvoorbeeld de geoptimaliseerde minimum-/maximumniveaus of bestelpunten die het berekent, terugschrijven naar de SAP-materiaalstam, waardoor de ERP-planningsparameters effectief worden bijgewerkt met AI-inzichten. Het kan ook openstaande RFQ's uit het ERP verwerken en reacties automatiseren. Ongeacht welk ERP- of onderhoudssysteem (AMOS, TRAX, enz.) wordt gebruikt, zorgt de cloudintegratielaag ervoor dat gegevens zonder onderbrekingen in- en uitstromen. Deze flexibiliteit is belangrijk in de luchtvaart, aangezien veel bedrijven legacysystemen hebben – onze AI voegt daar een moderne intelligentielaag aan toe zonder dat er iets vervangen hoeft te worden. En omdat alles in de cloud draait, hebben zelfs externe teams (bijvoorbeeld een inkoopmedewerker op een buitenpost) via internet toegang tot de tools en kunnen ze deel uitmaken van de workflow. Dit is een grote verbetering ten opzichte van geïsoleerde desktoptools of spreadsheets.

Het beheren van de volledige levenscyclus van de inventaris:Voorraad-AI bestrijkt de volledige levenscyclus van onderdelenbeheer in de luchtvaart. Het begint met de planning – het voorspellen van de vraag en het bepalen van optimale voorraadniveaus. Vervolgens informeert het de inkoop – het automatiseren van offerteaanvragen, het voorstellen van orders en het afhandelen van leveranciersinteracties. Vervolgens ondersteunt het de operationele kant – het monitoren van voorraadniveaus in realtime, het activeren van aanvullingen en het afgeven van waarschuwingen bij afwijkingen (bijv. plotselinge pieken in de vraag of waarschuwingen voor een lage voorraad). Het ondersteunt ook de verkoop-/afzetkant – het identificeren van langzaam lopende of verouderde voorraad en het faciliteren van de verkoop ervan via marktplaatsen of herverdeling. Gedurende deze cyclus optimaliseert de AI de financiële en serviceresultaten: het verminderen van overtollige voorraad (waardoor werkkapitaal vrijkomt) en tegelijkertijd het verminderen van voorraadtekorten (waardoor het serviceniveau voor onderhoudswerkzaamheden wordt verbeterd). Het systeem biedt gebruiksanalyses die laten zien hoe de voorraad wordt verbruikt of omgedraaid, wat helpt bij het identificeren van inefficiënties zoals onderdelen die al jaren niet zijn verplaatst (kandidaten om te verkopen) of onderdelen met een extreem hoge omloopsnelheid (kandidaten om meer van op te slaan). Daarnaast is er ook een what-if-analyse beschikbaar: gebruikers kunnen scenario's simuleren, zoals een aanstaande uitfasering van een vloot of een sluiting van een leverancier. De AI voorspelt vervolgens de impact op de voorraad en adviseert over acties (zoals proactief de onderdelen van uitfaserende vliegtuigen verkopen of extra voorraad kopen bij alternatieve leveranciers in geval van een verstoring).

Ten slotte legt de oplossing de nadruk op ROI en resultaten voor klanten in de luchtvaart. Door de implementatie van Inventory AI kunnen luchtvaartmaatschappijen en MRO's tastbare verbeteringen verwachten: lagere voorraadkosten, minder AOG-incidenten door ontbrekende onderdelen, een snellere offerte-tot-verkoopcyclus voor overtollige onderdelen en productiviteitswinst (omdat de handmatige sleur van dataverwerking en RFQ-verwerking aanzienlijk wordt verminderd). In een sector waar elke minuut dat een vliegtuig aan de grond staat tienduizenden dollars kan kosten, vertaalt een AI die reserveonderdelen optimaal beheert zich direct in een verbeterde uptime en kostenbesparingen. Het volledige platform werkt in realtime en in de cloud, wat betekent dat de intelligentie altijd actief is – 24/7 monitoring, voorspellingen en optimalisatie. Dit is de kracht van een op maat gemaakte Inventory AI voor de luchtvaart: het combineert geavanceerde machine learning met branchespecifieke integratie (ERP, ILS, PartsBase, enz.) en presenteert dit via een gebruiksvriendelijk clouddashboard. Het resultaat is dat een luchtvaartmaatschappij of MRO "snellere en slimmere beslissingen kan nemen met AI-gestuurde inzichten in vraag, prijs en voorraad", allemaal binnen één uniform systeem. Door deze geavanceerde mogelijkheden te benutten, kunnen luchtvaartbedrijven vraagschommelingen voorblijven, beter onderhandelen met leveranciers en hun voorraad omzetten van een kostenpost in een concurrentievoordeel.