Nieuwe standaarden voor industrie: ‘Verder bouwen met wat al wordt gebruikt’

De digitalisatie van de maakindustrie is in volle gang. Steeds meer fabrikanten en toeleveranciers willen een flexibele en efficiënte productie, waar onderdelen en producten aangepast kunnen worden aan specifieke wensen en in kleine series de fabriek uitkomen. Maar hoe doe je dit in een complexe machine-omgeving? En wat heb je hiervoor nodig?

“Er zijn wel best practices en standaarden te vinden die vertellen hoe dit werkt”, vertelt Matthijs Punter. Hij is namens TNO betrokken bij het project Digitale Fabriek op Brainport Industries Campus (onderdeel van het innovatieprogramma Fabriek van de Toekomst). Hier werken maakbedrijven, hun technologiepartners en kennisinstellingen aan een blauwdruk voor de digitale fabriek.

Abstracte modellen vertalen naar de praktijk

Punter: “Maar veel van deze modellen en standaarden zijn nog erg conceptueel.” In BIC digitale fabriek willen de deelnemende partijen die abstracte modellen vertalen naar de praktijk. Dat gebeurt op bedrijfsniveau, waar bedrijven samenwerken aan use cases voor specifieke bedrijven. Op dit moment zijn dat negen verschillende vraagstukken rond allerlei onderwerpen. “Dat gaat bijvoorbeeld over het goed benutten van machinedata, planningen in de fabriek of traceerbaarheid van onderdelen. Binnen deze use cases wordt samengewerkt met kennisinstellingen aan de ontwikkeling, het testen en valideren van innovaties. Op deze manier willen we digitalisering versnellen.”

In één van die use cases werkt KMWE samen met technologiepartners als DMG Mori, dat een aantal machines voor KMWE op de campus heeft geleverd en ERP-leverancier Fujitsu Glovia aan een betere fabrieksplanning. Dit doen ze door slimmer gebruik te maken van data. Ook gaan studenten en promovendi van de TU/e aan de slag met het ontwikkelen van betere planningsalgoritmes. “Voor KMWE levert dit een efficiënter productieproces op met slimmere algoritmes en een overzichtelijk dashboard voor de fabrieksplanning”, legt Punter uit.

Kennis niet alleen voor individuele bedrijven

Maar het is niet de bedoeling dat alleen individuele bedrijven profiteren. Alle kennis uit de verschillende use cases wordt gebundeld en gebruikt om een blauwdruk te maken van hoe de digitale fabriek eruit moet zien. Veel ontwikkeling vindt plaats rond de volgende onderwerpen waar meer bedrijven iets mee kunnen.

• Samenwerken en delen van data. Niet alleen tussen verschillende soorten machines en systemen, maar ook over delen door de muren van de fabriek heen.

• Onderhoud en kwaliteit. “Maakbedrijven willen naar zero defects. Met behulp van data kunnen ze hun productieproces beter indelen en beter voorspellen wanneer onderhoud nodig is”, legt Punter uit.

• Modulair produceren. Hoe maakbedrijven hun productie-omgeving snel kunnen aanpassen aan wensen van hun klanten en de efficiency kunnen verhogen, maar ook welke technologie ze gebruiken om hun medewerkers op de vloer te ondersteunen.

Kijken naar het grote plaatje

Projectleider Laurens Meijering vult aan: “Naast de individuele use cases, kijken we ook naar het overkoepelende plaatje. Welke data heb je nodig? Waar komen deze data vandaan? Hoe zorg je ervoor dat je deze gegevens veilig kunt delen? En hoe maak je verbeterslagen met hulp van deze data? Vanuit de verschillende vraagstukken ontwikkelen we standaarden waar een grote groep bedrijven in de maakindustrie iets aan heeft. Een planningsalgoritme voor KMWE kan op die manier veel breder ingezet worden.”

Volgens Meijering is het belangrijk om niet ‘van bovenaf’ nieuwe standaarden in te voeren. “We moeten niet de illusie hebben dat we bedrijven kunnen verplichten ergens mee te werken. Liever bouwen we verder op wat er al wordt gebruikt. Dat doen we door te werken aan toekomstproof oplossingen voor concrete problemen uit het bedrijfsleven. We willen deze kennis delen en toewerken naar open standaarden waar iedereen van kan profiteren.”

Uiteindelijk is het de bedoeling dat maakbedrijven door juist gebruik van al hun data in staat zijn om hun productieproces efficiënter in te richten en daarmee de doorlooptijd te verkorten. Meijering: “Het is belangrijk om eerst te bepalen welke data hierbij van belang zijn. Of het nu gaat om data van machines, sensoren of misschien wel uit de rest van de toeleveringsketen. Kunnen verschillende systemen en machines van diverse leveranciers met elkaar communiceren? Vervolgens wil je die berg gegevens inzichtelijk maken. Wat kan ik hier nu mee? En wat heb ik nodig om de digitalisatie te versnellen? Pas daarna kun je met AI aan de slag om voorspellingen te maken voor een zo efficiënt mogelijk productieproces.”