De ‘Connected Worker’: dankzij AI zijn medewerkers tot meer in staat en kan de fabriek duurzamer worden
Kunstmatige intelligentie ondersteunt de werknemer en kan op die manier veel actuele uitdagingen voor de manufacturing industry oplossen. Lees hier de use cases en lessons learned waar manufacturers gebruik van kunnen maken.
Fabrieksarbeiders vertrouwen al eeuwenlang op hun ervaring, intuïtie en wat papieren handleidingen om handmatig de aanpassingen te doen die nodig zijn. Heel lang was dit de normale manier van werken, maar menselijk handelen kan foutgevoelig zijn, met alle gevolgen van dien. Afhankelijkheid van ervaring maakt het vertrek van een medewerker tot een bedrijfsrisico. Met AI kunnen fabrikanten de krapte op de arbeidsmarkt tackelen en tegelijkertijd de productiviteit van hun fabrieken verbeteren. Zonder dat de mens daardoor uit beeld raakt.
Twee bedrijven met veel ervaring in deze AI-gestuurde aanpak laten zien dat de ‘connected worker’ inderdaad tot veel meer in staat is dan zijn minder aangesloten voorganger.
Bij TwentyNext draait alles om data, zegt data science director Martijn van Grieken. “Wie data heeft, kan patronen herkennen en bedrijven helpen met de stroomlijning van hun bedrijfsprocessen. Dat geldt zeker voor de manufacturing industrie.”
Use case 1: van kwaliteitscontrole tot nieuw gedrag
Voor een grote manufacturer heeft TwentyNext een systeem voor kwaliteitscontrole ingericht.
Martijn van Grieken: “Camera’s en sensoren kijken daar constant naar naar het productieproces. Kenmerken van de productieomgeving - denk aan temperatuur, luchtvochtigheid - maar ook van de (half)fabrikaten zelf, worden dan gekoppeld aan de eisen voor het eindproduct. Als er iets verandert in die omstandigheden, is dat direct herleidbaar naar de kwaliteit van het eindproduct, dankzij de verzamelde data. Je kunt ingrijpen op de plekken waar dat nodig is, dus dat is al mooi. Maar de structurele winst ligt een laag dieper: je kunt het (intelligente) repetitieve werk gaan automatiseren, zodat de gesignaleerde fouten niet nogmaals plaatsvinden. Uiteindelijk zorgt dit ervoor dat gedrag op de werkvloer verandert en resulteert in een (kosten-)efficiënter productieproces.
Repetitief werk
Patronen herkennen is één ding, maar minstens zo belangrijk is de vervolgstap, zegt Van Grieken. “Als je die kennis slim inzet, kun je uiteindelijk gedrag van mensen veranderen waardoor een bedrijf beter kan presteren. Dat moet je natuurlijk wel transparant en op een positieve manier doen, anders werkt het averechts. Doe het op zo’n manier dat de individuele werknemers er ook echt mee geholpen zijn. Dat kan bijvoorbeeld door repetitief werk te automatiseren. Dat is voor iedereen een verbetering: die werknemer is af van vervelend werk, er worden minder fouten gemaakt en het bedrijf kan de productie kwalitatief en kwantitatief opvoeren.”
"Hoe kun je met slimmer in plaats van harder werken de resultaten verhogen? Door die vraag te beantwoorden kun je uiteindelijk arbeidstekorten oplossen, duurzamer met energie omgaan en tegenwicht bieden tegen de stijgende prijzen."
Use case 2: Gepersonaliseerd ontwerp en oneindige opschaling
CAD/CAM design - Computer-Aided Design en Computer-Aided Manufacturing is normaal gesproken een tijdrovend klusje voor hoog opgeleide medewerkers. Maar ook een taak die bepalend is voor de voortgang van het werk op de vloer. Doordat veel manufacturers met steeds meer variabelen werken, wordt de taak almaar complexer.
Martijn van Grieken: “Maar ook hier geldt dat het vaak om (intelligent) repetitief werk gaat en dat kunnen we vanuit TwentyNext inmiddels heel goed vangen in algoritmes, wiskundige formules. Zo blijkt dat een algoritme veel beter dan de engineer kan ontwerpen, omdat het in staat is om iedere seconde duizenden controles en varianten te onderzoeken. Dit leidt tot goedkopere, lichtere, sterkere en minder milieubelastende ontwerpen. Deze ontwerpen kunnen ook snel en gepersonaliseerd gemaakt worden. Je kunt ons algoritme vergelijken met een virtuele CAD/CAM engineer die binnen 30 seconden een gepersonaliseerd ontwerp maakt, waar een engineer van vlees en bloed minimaal 2 uur mee bezig is. En je kunt zoveel algoritmes inzetten als je wil. We zijn hier erg trots op want het betekent dat een belangrijke bottleneck voor bedrijven verdwijnt en omgezet kan worden in een oneindige opschaling.
Slimmer werken
Voor de volgende stappen in de manufacturing industry geldt volgens Van Grieken telkens dezelfde basisvraag: “Hoe kun je met slimmer in plaats van harder werken de resultaten verhogen? Door die vraag te beantwoorden kun je uiteindelijk arbeidstekorten oplossen, duurzamer met energie omgaan en tegenwicht bieden tegen de stijgende prijzen. AI in manufacturing heeft op die manier alles te maken met de oplossing van onze grote maatschappelijke uitdagingen.”
Dat is ook de missie van Laurens de Koning, vice-president sales bij 4Industry. Vanaf de start van het bedrijf, nu vier jaar geleden, heeft hij zich gericht op de digitalisering van de operationele processen van de maakindustrie. “Al die bedrijven zijn bezig met ‘continuous improvement’, maar veelal is dat nog een paper-based proces. Als je dat kunt digitaliseren, ontstaan er meteen heel veel voordelen. Meest belangrijk daarbij: je komt sneller bij een echte oplossing, die ook nog eens makkelijker met alle belanghebbenden te delen is.”
In de Industry 4.0 is kunstmatige intelligentie onmisbaar. “Maar de menselijke factor blijft voorop staan”, zegt De Koning. “Alleen met ‘connected workers’ kom je tot echte resultaten. De werknemer op de vloer moet aangehaakt zijn bij de data die door de sensoren in de fabriek worden vergaard. Deze persoon moet immers de data omzetten in acties.”
Druk op de arbeidsmarkt
Precies daar komt 4Industry in het spel. “Ons platform zorgt ervoor dat acties die voortkomen uit de AI worden opgepakt en uitgevoerd.” Om dat voor elkaar te krijgen zorgen De Koning en zijn collega’s ervoor dat alle voorheen op papier gedeelde communicatie voortaan digitaal plaatsvindt en in een platform wordt verzameld. “Wij digitaliseren papier, delen kennis en verbeteren processen.” Dat helpt niet alleen het bedrijf in kwestie efficiënter te worden, maar bijvoorbeeld ook de zusterbedrijven elders op de wereld. Voor de grote manufacturing industry is dat een niet te onderschatten voordeel. “Een fout of verbetering die in de ene fabriek is gesignaleerd, kan makkelijk gedeeld worden met een andere.”
Use case 3: 140 fabrieken, 140 verschillende processen
4Industry werkt voor een mondiale speler in de voedingsindustrie, met wereldwijd 140 productiefabrieken.
Laurens de Koning: “Ze doen in feite in al die 140 fabrieken precies hetzelfde, met vier identieke ingrediënten. Maar toch hadden al die fabrieken hun eigen processen en dus was er weinig van elkaar te leren; via standardisering zouden er wel voordelen te behalen zijn. We hebben dat kunnen veranderen door om te beginnen alle kennis te digitaliseren. Vervolgens konden de processen vergeleken worden, en waar mogelijk op elkaar aangepast. Dat vergt een omslag bij de medewerkers, maar het resultaat is dat er veel eerder oplossingen geboden kunnen worden bij repeterende problemen en deze dus aanzienlijk sneller worden opgelost. Als bijvoorbeeld de fabriek in Zimbabwe down is, dan kunnen we dankzij machine learning wereldwijd kijken naar fabrieken die eerder met dit euvel kampten en kan de lokale manager gebruik maken van die ervaring elders. Vanuit menselijk perspectief dus, maar met machine learning en digitale workflow die dit mogelijk maakt.”
“AI in manufacturing heeft alles te maken met de oplossing van onze grote maatschappelijke uitdagingen.”
Die digitalisering is extra van belang vanwege de druk op de arbeidsmarkt en de hoge gemiddelde leeftijd van productiemedewerkers. “Dit brengt de continuïteit van bedrijven in gevaar. Als je niet digitaliseert, hoe deel je dan kennis? Oudere medewerkers gaan met pensioen, maar hun opvolgers hebben niks met een papieren werkelijkheid. Die generatie is gewend aan het app-leven. Ze bestellen hun eten, drinken of een vriendin vanaf de bank. En dan komen ze in de fabriek en moeten ze met papier werken? Grote kans dat zo iemand na een paar maanden zijn biezen weer pakt, met dubbel verlies voor het bedrijf: er gaat een talent verloren en de investering in die persoon is helemaal voor niks geweest.”
De digitalisering kan niet wachten en dat vergt vanzelfsprekend een cultuuromslag bij de mensen die er niet aan gewend waren. “Het gebruik van ons platform is op zich simpel, het is gewoon software die gebouwd is op een van de beste Low code enterprise platformen die er bestaan. Bovendien kun je heel goed uitleggen wat de voordelen zijn. Maar je moet desondanks niet onderschatten wat zo’n verandering bij mensen teweeg brengt. Je moet ze er dus vanaf het begin bij betrekken.”
Dit artikel is onderdeel van de AI Innovation Series, georganiseerd door het AI Innovation Center. De serie richt zich op de toepassing van AI in de manufacturing industry. Meer informatie hier.