Ondernemingen die proberen om zonder de juiste data hun bedrijfsprocessen te verbeteren, zullen snel ontdekken dat dit simpelweg niet gaat. Voor echte optimalisatie is actuele feedback vanuit verschillende systemen en niveaus nodig. Veel succesvolle bedrijven doen dat al en het verzamelen, verwerken en analyseren van data is inmiddels uitgegroeid tot meer dan een hot topic. Zonder data geen verbetering en geen toekomst. De grote vraag is echter waar je datacollectie en -analyse moet gaan toepassen en hoe je dit moet organiseren.
Ischa van der Molen, data scientist bij SAS, belicht voorwaarden connected factory
‘In het tijdperk van smart industry is de transformatie naar een connected factory niet alleen een mooi streven, maar ook een absolute noodzaak voor bedrijven die serieus werk maken van een competitieve voorsprong’, aldus Ischa van der Molen, data scientist bij SAS in Huizen. ‘Centraal in deze transformatie staat het gebruik van kunstmatige intelligentie om processen te optimaliseren, efficiëntie te verhogen en innovatie te stimuleren.’ Het begrip ‘factory’ moet je overigens breed zien, benadrukt Van der Molen. Want het kan ook slaan op verzekeringsmaatschappijen, banken, ziekenhuizen, energiebedrijven en grote webshops. ‘Of Formule 1-teams, want die maken al jaren op grote schaal gebruik van datacollectie en -analyse. Dit is voor hen zo belangrijk dat ze daar zelfs races door winnen. Ben je in staat om gegevens snel online te verzamelen, dan kan dit de basis leggen voor het automatiseren van processen. Maar in fabrieken bijvoorbeeld ook voor het overstappen op voorspellend onderhoud op basis van werkelijke conditie, waardoor de overall operations effectiveness (OEE) toeneemt en kosten dalen.’
Eerst de doelen
Soms starten organisaties zonder plan met het bouwen van modellen. ‘Niet bepaald verstandig’, benadrukt Van der Molen. ‘De fundamenten voor succesvolle AI-projecten worden gelegd lang voordat algoritmen worden ontwikkeld of machine-learning-modellen worden getraind. Deze fundamenten beginnen bij een gedegen data-inventarisatie.’ Maar veel bedrijven beginnen op basis van een aanname gelijk met de technische invulling. ‘Onderschat wordt dat de organisatorische benadering minstens zo belangrijk, zo niet belangrijker is. Formuleer eerst de doelstellingen. Wat wil je aanpakken? Wat is het belangrijkst? Energiereductie, verlaging van onderhoudskosten, opvoeren van productierendement, -kwaliteit en/of -betrouwbaarheid, minder downtime, reduceren van CO2-uitstoot?’
‘De fundamenten voor succesvolle AI-projecten worden gelegd lang voordat algoritmen worden ontwikkeld’
Vaak liggen daar ook concurrentieanalyses aan ten grondslag. ‘Dit soort beslissingen zul je top-down moeten initiëren, want alleen het overkoepelend management kent de strategische bottlenecks. Heb je een keuze gemaakt, dan ga je denktanks formeren die details invullen en een plan maken op basis waarvan ze een pilot kunnen starten. Belangrijk is dat je iedereen vanaf het begin bij zo’n pilot betrekt en duidelijk uitlegt wat je gaat doen en wat het doel is. Pas dan ontstaat bij mensen een “natuurlijke en spontane drive” om zich 100 procent voor de pilot in te zetten.’
Hamvraag
Is eenmaal het doel bepaald en de pilot gedefinieerd, dan volgt de hamvraag: is het haalbaar? Van der Molen: ‘Stel je wilt 30 procent minder downtime van je machinepark. Dan zul je exact moeten weten hoe het nu zit en wat er zou moeten gebeuren om die 30 procent te bereiken. Wat is de exacte oorzaak van downtime? Gaat er veel tijd verloren met het wisselen van gereedschappen of het omstellen van machines? Of zijn er logistieke problemen in de aanvoer? Of komt het door onverwachte storingen? Zijn die data beschikbaar?’ Feit is dat steeds meer devices zijn voorzien van sensoren en digitale uitgangen, zodat je hiermee relatief eenvoudig data kunt verzamelen. ‘Je zult merken dat je gegevens van verschillende bronnen nodig hebt, waarvan je de data moet integreren in één model. Een interessante uitdaging waarop wij met SAS Viya (zie kader, red.) een passend antwoord hebben.’
Betrouwbare data
Bij het verzamelen van data dringt zich gelijk een andere vraag op: hoe betrouwbaar zijn die data en hoeveel data heb je nodig om de juiste conclusies te kunnen trekken? ‘Data-integriteit is essentieel’, aldus Van der Molen. ‘Op basis van te weinig data of data uit verkeerde bronnen kun je geen betrouwbare conclusies trekken. Ook niet met AI, waarvan veel bedrijven in een te vroeg stadium te veel verwachten.’
De C-130J Super Hercules. Foto: Flickr
Daarnaast zul je de haalbaarheid van het project moeten afzetten tegen de toegevoegde waarde ervan, stelt Van der Molen. ‘De haalbaarheid is vooral afhankelijk van de beschikbaarheid en kwaliteit van data. In een connected factory genereren talloze sensoren en systemen voortdurend data, maar zonder een grondige inventarisatie van deze data, blijven waardevolle inzichten onbenut. Een beetje een kip-of-eiverhaal dus.’
Vooral in de B2B-industrieën waar AI zijn toegevoegde waarde nog moet aantonen, is dit vaak het probleem. ‘Dit in tegenstelling tot industrieën waar ze op dit vlak al veel verder zijn, ook al wordt gewerkt met AI en vaak op voorhand een betrouwbare ROI kan worden geboden. In de reis naar een volledig geïntegreerde connected factory is data-inventarisatie en ‑validatie geen voorbereidende stap, maar een strategische noodzaak. Het legt de basis voor AI-gedreven innovaties en zorgt ervoor dat organisaties hun data optimaal benutten. Beginnen met een grondige data-inventarisatie is daarom cruciaal in het realiseren van de volle potentie van AI in hedendaagse productieomgevingen.’
Link magazine december/januari 2023/2024: Vertrouwen in de keten, niet alleen voor relaties tussen bedrijven; ook tussen afdelingen binnen een organisaties. Lees Link magazine digitaal of vraag een exemplaar op bij mireille.vanginkel@linkmagazine.nl
Elk uur 3 Gbyte aan data
Van de hoogste landingsbaan in de Himalaya tot de ruigste landingsstrip op vijandig terrein: de C-130J Super Hercules gaat naar plekken waar andere transportvliegtuigen het laten afweten. Dit vliegende werkpaard wordt wereldwijd in 22 landen en door 26 operators toegepast. Toen lucht- en ruimtevaartbedrijf Lockheed Martin eind jaren 90 begon met de productie van de C-130J, verzamelde een beperkt aantal sensoren ongeveer 30 MB aan gegevens per vlieguur. Tegenwoordig genereren meer dan 600 sensoren elk uur maar liefst 3 Gbyte aan data. Dat is handmatig uiteraard niet meer te verwerken, maar met behulp van geavanceerde analyse- en AI-oplossingen van SAS heeft Lockheed Martin een revolutie op onderhoudsgebied teweeg kunnen brengen.
Sensoren op de C-130J detecteren en registreren 10 keer per seconde zo’n 6.000 gegevenselementen: van trillings- en temperatuurmetingen tot de locatie van onderdelen in het vliegtuig. Door te meten wat er in het vliegtuig gebeurt bij een storing, kunnen met SAS Viya krachtigere algoritmen voor het detecteren van afwijkingen worden ontwikkeld. Daardoor kan met een steeds grotere nauwkeurigheid worden voorspeld dat een onderdeel binnen de komende 50, 30 of 20 uur zal falen.
Inmiddels bevat de database gegevens van 2,5 miljoen vlieguren van de C-130J. Met SAS-software kunnen die ‘in stukjes geknipt’ en gecombineerd worden op manieren en met snelheden die voorheen onmogelijk waren. Algoritmen controleren de gegevens bij binnenkomst, wat hooguit 30 seconden duurt. Ongeveer 85 procent daarvan gebeurt automatisch. Dat scheelt het team al 40 uur aan controletijd per maand. Dankzij de voorspellende onderhoudsmodellen is de downtime van het vliegtuig met 2.000 uur afgenomen en dat vertaalt zich direct in evenzoveel uur extra vliegtijd zonder in te boeten op betrouwbaarheid.
