Een nieuwe benadering van fabrieksplanning en -organisatie, ontwikkeld door TUE-promovendus Jeroen Didden, moet de maakindustrie gaan helpen een stabiel productieritme te behouden en tegelijkertijd flexibel genoeg te zijn voor onverwachte veranderingen. ‘Ik wil de overgang naar Industrie 4.0 voor fabrieken makkelijker maken’, aldus Didden die zijn research deed binnen de onderzoeksgroep Operation, Planning, Accounting and Control van de faculteit Industrial Engineering & Innovation Sciences. ‘Bedrijven verzamelen allerlei soorten gegevens, maar gebruiken die niet echt om hun systemen te verbeteren. Ons doel is om hen te helpen data beter te benutten om de belangrijkste prestatie-indexen binnen fabrieken te verbeteren, vooral wat betreft planning en planningssystemen.’
Didden begon in de projectgroep ‘De digitale fabriek van de toekomst’, een initiatief van Brainport Industries Campus, met het idee om een digitale blauwdruk te maken voor toekomstige autonome fabrieken waarbij geen mens betrokken is. ‘In de literatuur worden vaak multi-agentsystemen voorgesteld’, weet Didden. ‘Dit zijn entiteiten zoals robots of financiële systemen die informatie met elkaar delen om de activiteiten te verbeteren. Maar wat mij opviel, is dat het een heel grote stap is om deze agents allemaal in één keer te implementeren. Mijn idee was toen: hoe kunnen we bedrijven helpen die transitie te begrijpen? Hoe kunnen we, in plaats van gelijk zeer geavanceerde algoritmen te maken, een tussenstap zetten zodat bedrijven begrijpen wat het algoritme doet?’
Industrie 4.0 vraagt om meer flexibiliteit en efficiency, zeker bij fabrikanten die een grote mix aan kleine series produceren. ‘Binnen onze groep hebben we veel PhD-studenten in halfgeleider- of high-mix-low-volume-productie, wat ons de mogelijkheid geeft om kennis te delen’, vertelt Didden. ‘Als een student een goed algoritme heeft bedacht, proberen we dat in het project van een ander te gebruiken om te kijken of het daar ook werkt of we erop kunnen voortborduren. Als ze bijvoorbeeld aan machineplanning doen, kunnen we autonome-voertuigplanning toevoegen of andersom. Ook proberen we verschillende projecten te combineren, omdat we dan een indruk krijgen van de hele fabriek in plaats van slechts een enkel deel.’
Voor de Eindhovense onderzoekers ligt de uitdaging bij het bedenken van de juiste algoritmes. ‘Maar vanuit industrieel perspectief is de uitdaging vaak dat bedrijven gewend zijn om handmatig te plannen; ze kennen hun producten en plannen op basis van ervaring’, aldus Didden. ‘Meestal doen bedrijven hun planning door het product te kiezen dat het eerst klaar moet zijn. We proberen complexere regels in te voeren, door te kijken naar combinaties zoals de producten die het eerst klaar moeten zijn, de kortste doorlooptijd hebben en van een bepaald taaktype zijn.’ Vervolgens combineren Didden en zijn collega-onderzoekers al deze regels tot één nieuwe regel en gebruiken die voor de planning. ‘Vergeleken met standaardmethoden laten onze eerste resultaten een zeer goede verbetering zien in termen van hoe dicht bij de gewenste opleverdatum we een klus kunnen afmaken’, zegt Didden. ‘In de nieuwe omgevingen die we overwegen, ligt de minimale verbetering al rond de 20 à 30 procent.’
Diddens onderzoek biedt een nieuwe kijk op het traditionele productieproces. Door de introductie van intelligente agents en virtuele cellen kan de productie worden aangepast aan veranderingen in de marktvraag. De aanpak houdt in dat de traditionele controlestructuur wordt opgedeeld in kleinere, flexibelere eenheden, waar machines in geval van storingen kunnen leren, zich kunnen aanpassen en zelfs kunnen overleggen. Dit alles moet resulteren in een productieproces dat niet alleen efficiënter is, maar ook veerkrachtig genoeg is om onverwachte uitdagingen aan te gaan.