Datacollectie en -analyse in combinatie met artificial intelligence en machine learning zijn van onschatbare waarde voor de optimalisatie van productie- en bedrijfsprocessen. Tijdens het SAS Innovate Benelux Event, dat begin juni plaatsvond in Amsterdam, werd meer dan duidelijk dat AI-tools een enorme vlucht nemen en bedrijven aanzienlijk sneller naar een hoger niveau kunnen tillen. De productie(betrouwbaarheid) en ‑kwaliteit nemen hierdoor toe, kosten dalen en de concurrentiepositie verbetert. SAS levert daaraan een bijdrage met zijn Viya AI & Analytics Platform.
Matthew Welsh, Microsoft: ‘Als je alles in datacollectie en -analyse voor elkaar hebt, ligt de weg open voor forse verbeteringen in het productierendement en kosten.’ Foto’s: Frank Senteur
– ‘Bedrijven krijgen het steeds moeilijker om hun doelstellingen te behalen.’
– ‘Met data kun je ook geld verdienen’
– ‘Bij het uitwisselen van gegevens via IoT heb je onmiddellijk met safety-issues te maken.’
– ‘De productiestart is veel constanter en het rendement van de productie is toegenomen.’
‘De maakindustrie wordt geconfronteerd met een aantal forse uitdagingen’, stelde Matthw Walsh in zijn presentatie tijdens het SAS Innovate Event. Welsh is managing director EMEA Manufacturing & Supply Chain Lead bij Microsoft, dat met zijn Azure Cloud-platform een breed scala aan softwaretools biedt. ‘Uitdagingen zijn onder andere een oplossing weten te vinden voor het toenemende gebrek aan ervaren personeel’, vervolgde hij. ‘Maar ook hebben we te maken met stijgende grondstof- en energiekosten, economische onzekerheid, inflatie, disruptie door nieuwe concurrerende internet- en IoT-toepassingen, strengere klimaat- en milieueisen, etc. Ook duurzaamheid staat steeds prominenter op de agenda. Alles bij elkaar betekent dit dat bedrijven het steeds moeilijker krijgen om hun doelstellingen te behalen.’
‘Wat je ook gaat gebruiken, het moet winst opleveren’
Microsoft vindt het zijn missie om bedrijven de tools aan te reiken waarmee ze meer kunnen bereiken met minder moeite. Welsh: ‘Als oplossing voor vergrijzing zul je bijvoorbeeld knowhow moeten zekerstellen door kerninformatie goed vast te leggen op een manier waarop deze ook makkelijk is terug te vinden. Ook zullen bedrijven veel meer en vooral beter moeten gaan gebruikmaken van datacollectie en -analyse.’
Let op datakwaliteit
‘In productiebedrijven ontstaan heel veel data’, vervolgt Walsh. ‘Bij binnenkomst van grondstoffen, bij de ontwikkeling van producten, bij de afdeling planning, bij de productie zelf en bij controles. Daarnaast kun je exact monitoren wat er wordt gebruikt aan energie, water, grondstoffen en gereedschappen. Met SAS Viya en Microsoft Azure creëer je de infrastructuur om data gericht te verzamelen en te analyseren, waarbij met machine learning en AI productieprocessen geoptimaliseerd kunnen worden.’
Sommige bedrijven zijn zich simpelweg niet bewust van de enorme schat aan gegevens die in hun eigen productie wordt gegenereerd, constateert Alexander Dähne van SAS.
Volgens Welsh is het daarbij cruciaal dat je als organisatie zeer kritisch bent op de kwaliteit van de data die je verzamelt. Foute informatie levert immers foute resultaten en foute conclusies op. ‘Ook zul je heel goed moeten letten op de veiligheidsaspecten. Waar komen die data vandaan en wie kunnen daarbij? Komen data van buitenaf, check die dan goed op malware en spyware. Maak je gebruik van Open AI, let ook dan goed op de risico’s. Maar heb je dat alles voor elkaar, dan ligt de weg open voor forse verbeteringen in de vorm van een hoger productierendement en bijvoorbeeld lagere grondstof-, energie- en arbeidskosten.’
Datagedreven fabriek
Wat kunnen bedrijven met datacollectie en -analyse, IoT, AI en machine learning? Namens SAS geeft Alexander Dähne als manager Global Manufacturing Practice antwoord op deze meervoudige vraag. ‘Wat je ook gaat gebruiken, het moet winst opleveren’, benadrukt hij. De businesscase is leidend bij de ontwikkeling van digitaliseringstrajecten. ‘Je ziet dat digitalisering in de productie vaak is gericht op verbetering van de kwaliteit, de efficiency of de transparantie van afdelingen en businesspartners. In veel industrieën is al het nodige gedaan om productieprocessen te automatiseren en te optimaliseren. Bijkomend effect is dat er heel veel data beschikbaar zijn gekomen. Belangrijk is dus om heel goed na te denken over wat je met die data kunt doen.’
Sommige bedrijven zijn zich simpelweg niet bewust van de enorme schat aan gegevens die in hun eigen productie wordt gegenereerd, constateert Dähne. ‘Soms worden data na drie maanden automatisch gewist. Dat is niet verstandig, want dan bouw je geen historie op waarop betrouwbare beslissingen en voorspellingen kunnen worden gebaseerd.’
IoT en security
In het kader van IoT worden gegevens uitgewisseld met andere partijen buiten de onderneming. ‘En op dat moment heb je onmiddellijk met safety-issues te maken’, vervolgt Dähne. ‘Veel bedrijven hebben een enorme firewall die weliswaar beschermt tegen malware, maar ook gegevensuitwisseling belemmert. Vaak ook worden bepaalde afdelingen en systemen om veiligheidsredenen niet aan internet gehangen. Voor sommige kritieke processen is dat natuurlijk ook een no-go.’
Dähne haalt een voorbeeld aan: ‘Jaren geleden werd een kerncentrale in het Midden-Oosten gehackt. Die hadden de digitale beveiliging duidelijk niet op orde. Ga je analytics op IoT toepassen, dan zul je om te beginnen zeer goede afspraken moeten maken met de externe partijen met wie je data gaat uitwisselen. Veel van onze klanten hebben een zogeheten hybride approach. Ze brengen historische gegevens naar de cloud om modellen te ontwikkelen. Dit ook voor trainingsdoeleinden.’
De modellen worden echter on the edge ontwikkeld, waardoor de veiligheid is gewaarborgd, aldus Dähne. ‘Daarvoor hebben we ook speciale producten op de markt gebracht, waarmee de veiligheid van de architectuur kan worden zekergesteld.’ Ook belangrijk is het maken van goede afspraken over de vraag van wie de data eigenlijk zijn. In elektrische auto’s, maar ook in vliegtuigen ontstaan veel data die, veelal automatisch, via internet worden uitgewisseld en niet alleen voor de gebruiker, maar ook voor de fabrikanten heel nuttig zijn. Maar zijn die data dan eigendom van de auto- of vliegtuigbouwer of van de gebruiker van die auto of het vliegtuig? ‘Dat is een interessante juridische vraag. Je ziet dat luchtvaartmaatschappijen informatie delen met bijvoorbeeld Airbus en Boeing, maar daarvoor wel een bepaalde vergoeding vragen. Met data kun je dus ook geld verdienen.’
Opmars van AI
In hoeverre hebben bedrijven te maken met AI en in welke toepassingen levert dit de grootste voordelen op? Dähne zegt hierover: ‘Over AI bestaat veel verwarring. Wat is het en wat doet het? Wat we nu zien, is dat AI vooral heel veel nut heeft bij het ver- en bewerken van video’s. Dit niet alleen in de filmindustrie, maar ook bij computervisionsystemen voor productiesturing en kwaliteitscontroles.’
Zo is er een bedrijf dat een nieuwe astmapuffer heeft ontwikkeld en daar patent op heeft. Op elk van de in totaal twaalf productielijnen worden twee à drie devices per seconde geproduceerd. ‘Met deze snelheid is kwaliteitscontrole een stevige uitdaging’, weet Dähne.
Aanvankelijk nam het bedrijf om de drie kwartier steekproeven om de kwaliteit te checken. Was er echter een afwijking, dan waren er al vele honderden devices van de band gerold. ‘Een aanzienlijk productieverlies dus. Nu gebeuren de controles met een AI-gebaseerd computervisionsysteem. Dit heeft geleerd hoe een goed product eruitziet en slaat onmiddellijk alarm als er een afwijking wordt geconstateerd.’ Daarbij leert het systeem zelf ook weer van de bevindingen (self learning), zodat het inmiddels een betrouwbaarheidsgraad van 99 procent heeft bereikt. ‘En dit zou nog wel een paar tienden omhoog kunnen.’
Ook voor de optimalisatie van onderhoudssystemen is AI nuttig, weet Dähne. ‘Veel onderhoudstechnici hebben een hekel aan het opschrijven van bepaalde bevindingen bij het uitvoeren van reparaties en service. Met AI kun je coderingen duidelijker maken, zodat het vastleggen van bevindingen sneller en makkelijker gaat. Ook kun je in de toekomst op basis van trainingsdata met AI automatisch templates voor rapporten genereren die sneller zijn in te vullen.’
Think big, start small
Link magazine september/oktober 2023. Thema: de heilige graal van volledige digitale integratie. Lees Link magazine digitaal of vraag een exemplaar op bij mireille.vanginker@linkmagazine.nl
Wat datacollectie en -analyse in de praktijk mogelijk maakt, presenteerde Peter Wijers, ICT en business intelligence manager bij Euramax Coated Products. Dit is een fabrikant van bekledingsmaterialen voor toepassing in onder meer de mobiliteitsindustrie en architectuur. Denk aan carrosseriebeplating voor campers en caravans, maar ook aan gevelbekleding. Daarvoor produceert Euramax gecoat metaalplaat, veelal dun aluminium, dat op coil wordt geleverd. ‘Met behulp van datacollectie en -analyse wilden we verschillende facetten van de productie gaan optimaliseren’, vertelde Peter Wijers van Euramax Coated Products tijdens het Innovate Event van SAS. ‘We hebben het dan over het verbeteren van de productieplanning, het verbeteren van de procescontrole in de fabriek en met name over een betere aansturing van de coatinglijnen. Daarnaast wilden we met behulp van machine learning de instellingen van de coatinglijnen beter kunnen voorspellen en een snel en betrouwbaar inline optisch meetsysteem gaan toepassen om de laagdiktes van de coating te meten.’
Om dit alles te kunnen realiseren, heb je een systeem nodig dat zo veel en zo verschillend mogelijke gegevens kan verzamelen en verwerken, wisten Wijers en zijn Euramax-collega’s. ‘We hebben twee dagen proeven gedaan met verschillende parameterinstellingen van de coatinglijnen. Ook hebben we een nieuw 11-punts laagdikte meetsysteem geïnstalleerd en zijn we SAS Visual Analytics gaan gebruiken voor in-depth monitoring en reporting. Het SAS-team heeft ons daarbij ondersteund op het gebied van statistische analyse. Vanuit ons streven “think big, start small” hebben we in ieder geval nu al bereikt dat de laagdikte van de coating veel constanter is en dat de productieresultaten veel beter te voorspellen zijn. Ook is de productiestart veel constanter – first time right – en is het rendement van de productie toegenomen.’
