Het zijn interessante tijden voor machinebouwers. Klanten vragen meer maatwerk en eisen snellere levering. Ondertussen worden machines complexer doordat de technologische mogelijkheden toenemen. Om met die ontwikkelingen mee te bewegen is een aanpak nodig die alle processen overspant: van ontwerp en engineering tot productie en onderhoud. Dat begint met de integrale beschikbaarheid van informatie over alle stadia in de levenscycli van producten. Bedrijven die dat voor elkaar hebben noemen we een holistic digital enterprise. Zo’n onderneming kan data omzetten in informatie die de basis vormt voor het inrichten en verbeteren van alle processen. Maar wat houdt die aanpak in en, nog belangrijker, wat levert het op?
Integratie van disciplines: doorbreek de silo’s
Succesvolle machinebouwers beschikken op elk moment over de juiste informatie. Dat stelt ze in staat om sneller, kostenefficiënter en kwalitatief hoogwaardiger te produceren. Andere bedrijven zijn nog niet zo ver. Dat komt met name door de grenzen tussen en binnen afdelingen. Zo zijn binnen engineering verschillende groepen verantwoordelijk voor mechanische, elektrische en software-componenten. Ook afdelingen als inkoop, productie, onderhoud, sales en R&D zijn vaak gescheiden werelden. Daardoor is de informatie doorgaans niet integraal toegankelijk. Er liggen dus enorme kansen voor bedrijven wanneer ze de informatiesilo’s doorbreken tussen afdelingen en vakgebieden. Door een bedrijfsbrede ‘digital thread’ te trekken tussen alle data beschikt iedereen altijd over de meest actuele gegevens. En wanneer alle afdelingen en disciplines uit dezelfde bron putten is er slechts één waarheid, ofwel een ‘single source of truth’. Dat is de essentie van een holistic digital enterprise.
‘Door data van machines in het veld met AI-modellen te analyseren kan het ontwerp- en het productieproces van nieuwe machines geoptimaliseerd worden’
Stel gebruik en de gebruiker centraal
Machines worden steeds vaker uitgerust met sensoren en software om het functioneren ervan via het Internet of Things (IoT) te volgen. Door de data van machines in het veld continu te analyseren met AI-modellen komt informatie beschikbaar voor optimalisatie van het ontwerp- en het productieproces van nieuwe machines. Daardoor verandert de machinebouw van een lineair, end-to-end productieproces in een aanpak die we we closed-loop-manufacturing noemen. Daarnaast kan operationele machinedata gebruikt worden om de prestaties van werkende machines optimaal te houden. AI-modellen kunnen bijvoorbeeld patronen herkennen die wijzen op dreigende storingen en aangeven wanneer welk onderdeel vervangen moet worden. Dat legt de basis voor een nieuwe vorm van dienstverlening: predictive maintenance. Deze vorm van datagebruik opent deuren naar andere of additionele businessmodellen. In de meest geavanceerde vorm blijft de producent eigenaar van de machine en betaalt de klant een maandelijks bedrag voor de monitoring en service. Een groot voordeel van dit zogeheten PaaS-model (Product-as-a-service) is dat machinebouwers een continue omzetstroom genereren en tijdens de volledige product lifecycle inzicht hebben in de behoeften van de gebruiker. Hierop kunnen zij vervolgens hun aanbod op afstemmen. En de noodzaak om op prijs te concurreren neemt daardoor aanzienlijk af.
Standaardisatie en modularisatie
Afnemers zijn vaak op zoek naar op maat gemaakte machines, met functionaliteiten die volledig tegemoetkomen aan hun wensen en eisen. De productie van deze ‘specials’ trekt echter een zware wissel op de beschikbare middelen van de engineering afdeling. In dat licht is het opmerkelijk dat veel bedrijven niet (goed) weten welke functionele componenten in meerdere machines gebruikt worden. Producenten die dit inzicht wel hebben, claimen dat gemiddeld 80 procent uit standaard componenten bestaat. Met behulp van deze kennis kan een basis productportfolio opgesteld worden waarin mogelijke varianten en opties zijn vastgelegd. Verder is het belangrijk om stuklijsten en bouwplannen voor de componenten, varianten en opties centraal en gestructureerd vast te leggen. Vanaf dat moment kunnen ze meestal zonder dat engineering eraan te pas hoeft te komen gefabriceerd en gemonteerd worden. Deze manier van werken zorgt ervoor dat orders sneller verwerkt en geleverd kunnen worden, tegen lagere kosten en met hogere marges. Verkopers hebben door deze werkwijze engineering ook niet meer nodig om offertes te maken en kunnen idealiter zelf orders in gang zetten. En engineers? Die krijgen zelf meer tijd en middelen voor echte innovatie.
Versnelde productontwikkeling
Normaliter wordt de kwaliteit van een ontwerp beoordeeld door een prototype te bouwen, te testen en vaak verschillende keren aan te passen. Dit is niet alleen een zeer tijdrovend proces, maar ook budgetverslindend. Tegenwoordig zijn er gelukkig allerlei mogelijkheden voor simulatie. Zo is met digital twinning een volledig functionele virtuele versie van een fysieke machine te ontwikkelen. Daarin worden niet alleen de geometrische, mechanische en elektronische aspecten van een machine gerepresenteerd, maar ook de kinematica, sensor data, ‘embedded software’ en micro- en besturingssoftware. Met software voor virtual commissioning zijn aanpassingen en verbeteringen te testen op het virtuele model. Die simulatiemogelijkheden verlagen de ontwikkelkosten, verbeteren de uiteindelijke kwaliteit van machines en verkorten de time-to-market. Het resultaat? De klant kan eerder over een kwalitatief superieure machine beschikken tegen een lagere TCO en de fabrikant profiteert van hogere marges en lagere customer support kosten.
Resultaten van de data gedreven holistic digital enterprise
1. Betere samenwerking tussen afdelingen
2. Nieuwe verdienmodellen
3. Meer tijd voor innovatie
4. Daling van de doorlooptijden en faalkosten
5. Hogere marges en scherpere prijzen
6. Hogere kwaliteit, betere service en lagere TCO voor de klant
Patrick Fokke is Sales Director Nederland bij Siemens Digital Industries Software
