Machine learning, artificial intelligence – het zijn buzzwoorden, ook in de maakindustrie. Toch is de volwassenheid van bedrijven in deze sector nog lang niet compleet als het gaat om data analytics, zonder welke AI en ML niet mogelijk zijn. Daarom ontwikkelde SAS een standaardaanpak waarmee organisaties binnen enkele weken kunnen achterhalen of data analytics waarde toevoegt of niet. Daarna is het zaak mensen te trainen en processen anders in te richten, want daar zit momenteel nog de grootste bottleneck.
Adriaan van Horenbeek
Effectieve toepassing vergt de ‘democratisering’ ervan
Awareness creëren van de toegevoegde waarde van data analytics – daar houdt Adriaan van Horenbeek zich alle dagen mee bezig. Hij is werkzaam binnen het customer advisory team van SAS, en richt zich op maakbedrijven in de Benelux en Frankrijk. ‘We identificeren een relevante ‘use case’ en voeren daarmee een pilot uit om te zien welke waarde data analytics kan opleveren voor het bedrijf en of implementatie niet te complex is. Doel is de klant betere beslissingen te laten nemen’, vertelt Van Horenbeek. ‘Vervolgens bekijken we of deze case repetitief bij de klant toe te passen is, zodat het niet bij die ene pilot blijft en data analytics duurzaam wordt ingezet in andere productie-installaties of afdelingen. Bijvoorbeeld op het vlak van maintenance, nieuwe businesscases, servicemodellen of customer intelligence.’
‘Iedereen moet de toegevoegde waarde van data analytics inzien’
Democratisering
In de praktijk blijven klanten vaak steken in uiteenlopende proof of concepts: veel data, maar geen toegevoegde waarde. Want het gaat niet alleen om technologie maar ook om processen en mensen die daarmee moeten werken. ‘Planning en training zijn de grootste bottlenecks. Te weinig mensen hebben goed door wat data analytics betekent. Natuurlijk is er de hype van machine learning en AI, maar bijna niemand kan uitleggen wat dat in een businesscontext betekent’, stelt Van Horenbeek. ‘Daarom is democratisering van data analytics noodzakelijk. Eén, twee of tien datascientists in dienst nemen is absoluut niet de schaal om analytics bedrijfsbreed in te zetten. Een interdisciplinaire groep mensen, van IT’er tot ingenieur, operateur en datascientist, moet ermee kunnen werken. Zij moeten worden meegenomen in het verhaal en worden opgeleid.’
Sneeuwbaleffect
Om bedrijven te helpen die uitdaging aan te gaan, ontwikkelde SAS een platform waarmee op termijn honderdduizenden mensen kunnen werken. ‘Top-down en bottom-up medewerkers erbij betrekken, zodat iedereen de toegevoegde waarde van data analytics inziet en begrijpt waarom ze ermee aan de slag moeten. Anders is het per definitie een doodgeboren kind en valt data analytics na de pilot helemaal stil’, aldus Van Horenbeek. ‘Nu de business veel meer onder druk komt te staan vanwege de coronacrisis, moet data analytics ook binnen een halfjaar tot een jaar succes opleveren. Dat vergt een programma dat gedragen wordt door het topmanagement. Als je dan mensen op één platform kunt laten samenwerken, ontstaat een sneeuwbaleffect. Onafhankelijke studies van onder meer McKinsey laten zien dat bedrijven die focussen op één technologieplatform, sneller vooruitkomen en meer resultaat bereiken.’
Elke vijf minuten
Maakbedrijven hebben met data analytics nog een wereld te winnen om waarde te creëren voor de organisatie, stelt Van Horenbeek. Bijvoorbeeld als het gaat om kwaliteit van productie, operations, de plant, betrouwbaarheid van machines, processen dan wel energiereductie. SAS ondersteunde bijvoorbeeld Solvay, de Belgische multinational die gespecialiseerd is in chemicaliën en kunststoffen. ‘Zij verzamelden al jaren sensordata over productie-installaties maar hadden die nog niet eerder geanalyseerd. Een gemiste kans om het rendement van installaties te verhogen. In ons advanced analytics-model worden sensordata elke vijf minuten opgehaald op basis waarvan de operator waar nodig de instellingen aanpast. Zo is er een continue verbeter-loop’, zegt Van Horenbeek. ‘Bij een one-time analyse, zoals bij Six Sigma, draait de installatie na zes maanden waarschijnlijk weer niet optimaal, bijvoorbeeld omdat de ruwe materialen zijn veranderd. Dan is het effectiever om frequenter te controleren en continu te verbeteren.’
Service-businessmodel
Een tweede thema waar bedrijven mee aan de slag kunnen is servitization. Data analytics kan het businessmodel veranderen, doordat het mogelijk wordt om – in plaats van producten – uptime of resultaat te verkopen. Reden voor SPG Dry Cooling in Brussel, producent van koelinstallaties voor energiecentrales, om SAS in de arm te nemen. ‘Ze verkochten wel installaties, maar kregen nooit feedback van klanten. Met data analytics zijn ze geswitcht naar een service-businessmodel. Ze verzamelen data, doen daar slimme dingen mee en bieden de resultaten aan de klant aan’, verklaart Van Horenbeek. ‘Bijvoorbeeld om predictive maintenance mogelijk te maken. Elke twintig minuten worden data over ventilatormotoren ververst en op basis daarvan geven ze aan hoe lang een motor nog meekan of welk probleem op korte termijn te verwachten is. Maar ook dat je, als je meer koelt door de ventilatoren 10 procent sneller te laten draaien, meer elektriciteit kunt produceren.’
Daarnaast gebruikt SPG de feedback ook om de eigen r&d te verbeteren.
Forecasting
Weer een andere klant, Daikin Europe in Oostende, dat onder andere airco’s produceert, zet data analytics in voor forecasting, op basis van historische data over vraag in de markt en markteconomische factoren. ‘Ook qua supply chain speelt data analytics een belangrijke rol in het huidige coronatijdperk. Je hebt nu een control tower nodig voor effectief inzicht in je leveranciersnetwerk. Neem de automotive waar fabrieken stilliggen omdat onderdelen niet geleverd worden. Dan kan data analytics inzicht bieden in welke landen geraakt zijn door Covid-19, wanneer plants weer opengaan, hoe je het eigen bedrijf moet aansturen en wanneer je aan klanten kunt leveren. Zo wordt de supply chain minder één seriële keten en krijgt het meer een netwerkstructuur van meerdere toeleveranciers, wat je minder kwetsbaar maakt.’
Adequater reageren op klachten
Data analytics kan bedrijven ook ondersteunen bij prijsoptimalisatie en zo de customer experience verbeteren. Bijvoorbeeld door te bepalen vanuit welke van de tien productieplants wereldwijd een klant het beste bediend kan worden en zo de lead time zo kort mogelijk maken en transportkosten optimaliseren. ‘Of warranty analyses optimaliseren door claims en klachten snel te analyseren en erop in te spelen. Hiervoor gebruikt het model bijvoorbeeld ook posts op social media. Zo kan een bedrijf sneller zijn product aanpassen en worden minder klanten geraakt door bijvoorbeeld een verkeerd design’, stelt Van Horenbeek.
Kortom, data analytics heeft zeker iets magisch, maar awareness, visie bij het management en bedrijfsbrede training zijn onontbeerlijk wil een bedrijf het ware potentieel aanboren en komen tot meer waardecreatie.
Wil u meer lezen over hoe AI en Analytics ingezet worden binnen de maakindustrie? Bezoek dan: https://www.sas.com/sas/offers/20/i-40.html
