artikel

Hoe pas je Industrie 4.0 toe in je productieprocessen?

Manufacturing

Ieder productiebedrijf heeft zich wel eens verdiept in de verschillende onderdelen van Industrie 4.0. Maar hoe ziet een totale transformatie van het productieproces eruit? Een Proof of Concept kan meer inzicht geven in de mogelijkheden.

Hoe pas je Industrie 4.0 toe in je productieprocessen?
Foto: IFS

Tekst: Mirjam Hulsebos

Om een voorstelling te kunnen maken van een totale transformatie van een productieproces bouwde IFS Labs, de technologiedenktank van leverancier van enterprise-software IFS, een Proof of Concept (PoC) van een grondstoffenmijn, een bijbehorende fabriek en een distributiecentrum. Doel is om te laten zien hoe de diverse onderdelen samenhangen en welke Industrie 4.0-technieken kunnen zorgen voor een meerwaarde.
Centraal in het Proof of Concept staat de digital twin van de totale supply chain: van grondstoffenmijn, fabriek tot distributiecentrum. De digital twin is gemaakt met het Enterprise Operational Intelligence (EOI)-platform van IFS. Daarmee bouw je een digitaal model van alle processen, menselijke resources, machines, data, et cetera. Wijzig je iets in de strategie, de processen of in de resources, dan zorgt het model ervoor dat die wijziging automatisch op alle andere relevante plaatsen wordt doorgevoerd. Zo kan bijvoorbeeld vliegensvlug de planning worden omgegooid als er een storing is aan een machine of als in het voorbeeld van de grondstoffenmijn door weersomstandigheden de delving in de mijn moet worden stilgelegd. De digital twin kan ook worden gebruikt om scenario’s door te rekenen en te monitoren of de geplande verbeteringen daadwerkelijk worden behaald. Of om na te gaan wat de impact is van bijvoorbeeld een betere vraagvoorspelling op de totale supply chain.

Accurate vraagvoorspelling

Afhankelijk van het type product zijn er vele verschillende factoren die van invloed zijn op de vraag. Denk aan valutakoersen, nieuwe trends, seizoensinvloeden of marketingacties van het eigen bedrijf en/of concurrenten. Omdat het voor mensen bijna niet mogelijk is om overzicht te houden over soms wel honderden variabelen, is het slimmer om gebruik te maken van artificial intelligence (AI). Een zelflerend algoritme gaat dan in de data afkomstig van verschillende bovengenoemde bronnen, op zoek naar patronen en afwijkingen die van invloed kunnen zijn op de vraag.

Leestip: Hoe stoom je je organisatie klaar voor artificial intelligence?

Vraagvoorspelling in de praktijk

Het is mogelijk de vraagvoorspelling nog verder te verfijnen, zo blijkt uit een voorbeeld uit de praktijk. NEC, een Japans elektronicaconcert heeft haar  vraagvoorspellingsmodel verder verfijnd met Heterogeneous Mixture Learning (HML), een technologie om zeer heterogene data in samenhang te analyseren en patronen te ontdekken die mensen nooit zouden kunnen vinden. Het bedrijf gebruikt daarvoor tweehonderd verschillende typen data. Het resultaat: de onderdelenvoorraad is met 45 procent gereduceerd, terwijl tegelijkertijd de out-of-stocks naar vrijwel het nulpunt zijn gedaald.
De forecasting wordt uiteraard ook zichtbaar gemaakt in het Enterprise Operational Intelligence-platform, zodat inkoop precies weet welke onderdelen of grondstoffen in welke hoeveelheden wanneer moeten worden ingekocht. Op basis daarvan worden de inkoopcontracten met leveranciers weer aangepast. Zo leidt de digital twin tot snellere en betere beslissingen oftewel besparingen.

Alles spraakgestuurd

Het productieproces in het Proof of Concept verloopt volledig spraakgestuurd. Waar in de meeste fabrieken nu nog overal schermen en toetsenborden zijn te zien , en soms handige apps worden gebruikt, zullen applicaties in de toekomst met de stem worden bediend, zo is de verwachting.
Op dit moment kan de ERP-software van IFS al worden bediend via een chatbot. In plaats van naar het juiste tabblad te gaan en data in te voeren of op te zoeken, is het mogelijk een vraag in te typen en geeft de chatbot het antwoord. De laatste stap is om het typen te vervangen door spraak, wat in het Proof of Concept al mogelijk is. De antwoorden komen ook weer via spraak terug. Zo worden toetsenborden, muizen en beeldschermen overbodig.

De kwaliteit van een dergelijke chatbot valt of staat met de hoeveelheid en kwaliteit van het trainingsmateriaal dat de chatbot krijgt aangereikt, want zo’n chatbot is niets meer of minder dan een zelflerend algoritme, oftewel artificial intelligence.

Decision support met AI

Artificial intelligence wordt momenteel vooral toegepast bij predictive maintenance, waarbij op basis van remote monitoring wordt voorspeld welke onderdelen wanneer onderhoud nodig hebben. De monitoring gebeurt aan de hand van sensoren, die deel uitmaken van het Internet of Things (IoT). Alle data die deze sensoren genereren, worden geüpload naar de cloud. Op die manier garandeer je schaalbaarheid, want de hoeveelheid data kan snel groeien. In het Proof of Concept wordt de sensordata daarna visueel beschikbaar gesteld in het Enterprise Operational Intelligence (EOI)-platform.
De business case voor predictive maintenance is vaak snel rond: een grotere up-time van machines en een beter planbare inzet van onderhoudsmonteurs doordat zij minder reactief en meer voorspellend onderhoud uitvoeren.

AI en business rules

Kunstmatige intelligentie kan ook worden toegevoegd aan business rules. Door AI in te zetten kun je de business rules vele malen complexer maken en dus intelligentere beslissingen nemen, zeker als de algoritmen ook nog eens zelflerend zijn en dus continu leren van iedere beslissing die iemand neemt.

3D-model van robotarm

Een laatste onderdeel van het Proof of Concept is de digital twin van fysieke assets, zoals bijvoorbeeld een robotarm. Waar de digital twin van de totale supply chain een wiskundig model is, is de digital twin van een asset een 3D-weergave van een fysiek product. Met deze twin kan het fysieke product worden aangestuurd, bijvoorbeeld door op afstand instellingen te veranderen. Dit is met name handig voor apparatuur die op lastig bereikbare locaties staat, want het scheelt aanzienlijk in de kosten als je er niemand langs hoeft te sturen om de instellingen te wijzigen.

Het 3D-model monitort real-time de prestaties van de assets. Gaat een robotarm stuk, dan kan de digital twin precies analyseren wat er gebeurde op het moment dat de storing optrad. Dit voorziet de service engineer die de reparatie moet uitvoeren van nuttige informatie. In het Proof of Concept krijgt de service engineer ook een augmented reality-bril op (een Microsoft HoloLens) die herkent waar de engineer naar kijkt en met een pijltje precies aangeeft welk onderdeel moet worden vervangen. Dit heeft als voordeel dat service engineers veel minder specifiek getraind hoeven te worden, want ze krijgen alle benodigde informatie al via de bril geprojecteerd.
Door een eenvoudige tik met de vingers kan de service engineer bevestigen dat hij de opdracht heeft uitgevoerd. Dankzij een koppeling met het Enterprise Operational Intelligence-platform is ook meteen het volledige administratieve proces afgehandeld.

Geïntegreerde aanpak

Wat het Proof of Concept goed laat zien is dat bedrijven pas echt de vruchten plukken van Industrie 4.0 als ze kiezen voor een integrale aanpak. Op dit moment doen veel bedrijven aan wat wel eens disconnected dobbelen wordt genoemd. Overal liggen dobbelsteentjes, maar ze hebben geen connectie met elkaar. Door die onderdelen bij elkaar te brengen zal de som der delen groter zijn dan de optelsom van de individuele business cases.

 

 

Reageer op dit artikel