Geschreven door Greywise in samenwerking met Enjins
Stabiele en betrouwbare output van productieprocessen is een voorwaarde voor een efficiënt functionerende supply chain.
Relevantie van Artificial intelligence
Om de relevantie van AI in productie verder te benadrukken, bekijken we de niveaus van fabrieksautomatisering. De niveaus van fabrieksautomatiseringen geven een indicatie van het volwassenheidsniveau van technologische automatisering in een fabriek.
Niveau 1: De transparante fabriek
In de transparante fabriek heeft men duidelijk zichtbaar wat er op dit moment gebeurt. Hoever zijn we met een bepaald productieorder? Er wordt vaak achteraf geconstateerd dat er buiten specificatie geproduceerd is. De meeste productieorganisaties hebben dit niveau bereikt.
Niveau 2: De reactieve fabriek
In de reactieve fabriek heeft men duidelijk zicht op wat er op dit moment gebeurt. Additioneel kan er snel op afwijkingen in de output gereageerd worden doordat fabrieksautomatisering afwijkingen in de output constateert. Er zijn procedures die beschrijven hoe er ingegrepen moet worden en deze procedures worden steeds meer door systemen afgedwongen. Veel productieorganisaties maken op dit moment stappen naar dit niveau toe.
Niveau 3: De zelfsturende fabriek
In de zelfsturende fabriek worden de afwijkingen in de output niet alleen inzichtelijk gemaakt, maar reageert de fabrieksautomatisering hier autonoom op. Er zijn hier al tal van voorbeelden van te vinden, echter er wordt hier vrijwel altijd op een geconstateerde afwijking gereageerd. De volgende en laatste stap binnen dit niveau is het autonoom bijsturen om te voorkomen dat de afwijking gaat plaatsvinden. We bevinden ons hier in de sfeer van Industry 4.0. Om dit niveau te bereiken is AI onmisbaar.
Niveau 4: De geïntegreerde fabriek
De theorie spreekt ook nog over een niveau 4; de geïntegreerde fabriek. Het gaat hier om integratie van de fabriek in de supply chain. Dit gaat verder dan de scope van deze whitepaper. Zoals benoemd hebben we het hier over het realiseren van productieverbetering binnen de muren van de fabriek.
De ontwikkeling van geautomatiseerde productieprocessen
Om duidelijker te maken hoe geautomatiseerde productieprocessen zich in de loop van de decennia ontwikkeld hebben, als het gaat om het betrouwbaar en stabiel produceren, wordt dit hier verder uitgelegd.
Van links naar rechts is te zien hoe techniek en automatisering ervoor zorgen dat er steeds sneller ingegrepen wordt om te voorkomen dat er waste geproduceerd wordt. Waste is product (output) dat niet aan de eisen van de klant voldoet.
Het laatste niveau, zie 1b in afbeelding 3 hieronder, is geen utopie meer. Het productieproces wordt continue bijgestuurd op basis van real-time data en voorspellingen op de verwachte uitkomst. Om dat te doen is Artificial Intelligence nodig.
In de afgelopen jaren is AI een volwassen vakgebied geworden. Zeker binnen andere industrieën als de financiële wereld, e-commerce, energiesector, logistiek, etc. Er zijn standaard werkwijzen ontwikkeld die ook goed kunnen worden toegepast in productie. Daarmee is de drempel om AI te gebruiken door de jaren heen verlaagd. Dit komt overwegend door de opkomst van SaaS (software-as-a-service) producten, die veelal in de cloud opereren. Deze producten maken het simpeler om met data & AI aan de slag te gaan. Ook zijn deze tools betaalbaarder geworden, en kan in veel gevallen zelfs gebruik gemaakt worden van gratis open-source oplossingen.
Door verregaande automatisering is de hoeveelheid en beschikbaarheid van data toegenomen. Barrières om grote hoeveelheden data op te slaan zijn er niet meer. En de mogelijkheden en het gemak waarmee interne data (gegevens uit bijvoorbeeld een PLC) en externe data (bijvoorbeeld weersomstandingheden) te combineren zijn, is sterk toegenomen.
Al deze ontwikkelingen zorgen ervoor dat er een lagere drempel is om AI toe te passen. Hier staat tegenover dat de noodzaak om je richting AI te bewegen de afgelopen decennia alleen maar toegenomen is. Dit heeft verschillende redenen:
Personeel
Het is moeilijk om geschikt personeel te vinden. De oudere ervaren generatie gaat met pensioen en de jongere generatie wisselt sneller van baan. Zij willen niet eerst ergens drie jaar werken, voordat ze het proces “volledig” onder controle hebben. De nieuwe generatie wil met moderne technieken werken en kijkt altijd naar mogelijkheden hoe ze hun eigen werk makkelijker kunnen maken
Continu verbeteren
In veel bedrijven zijn er flinke verbeterslagen gemaakt. Hierdoor lopen bedrijven tegen de limieten aan van wat hoogopgeleide medewerkers kunnen verbeteren. Daarentegen kunnen data & AI het proces verder optimaliseren. Enerzijds doordat het routinematige processen automatiseert, anderzijds doordat het met meer factoren rekening kan houden en daarmee kwalitatieve verbetering kan opleveren.
Energie
Naast een groeiend aantal inputvariabelen, is ook het aantal doelvariabelen waar operators rekening mee moeten houden, sterk toegenomen. Het beste resultaat betekent niet automatisch de hoogste output of de beste kwaliteit, maar kan ook gebaseerd zijn op het laagst mogelijke energieverbruik. Het is vrijwel onmogelijk om dit als mens nog allemaal gericht te beïnvloeden.
Conclusie:
- AI draagt bij aan het efficiënter produceren.
- Waste wordt voorkomen, doordat AI bijstuurt voordat de afwijking heeft plaatsgevonden.
- De output van productiebewerkingen wordt stabieler en betrouwbaarder.
- AI verkort de leercurve van de jongere generatie en kan het gat opvullen dat de oudere generatie achterlaat.
- Kennis over het proces wordt automatisch vastgelegd en gebruikt om de AI continu te verbeteren.
