Bij veel industriële bedrijven ligt een schat aan gegevens die in de praktijk nauwelijks wordt benut. De meeste fabrieken verzamelen al jarenlang data via machines, sensoren, ERP-systemen en kwaliteitsmetingen, maar de vertaalslag naar nuttige inzichten blijft vaak uit.
‘Veel klanten zijn bezig met het verzamelen van data uit de fabriek en verschillende systemen om productefficiëntie te bereiken’, vertelt Mark van Lanen, Sales Director bij ICT Group. ‘Het is mooi om veel data te hebben, maar kunnen mensen deze goed analyseren? Is er duidelijke governance? Is er een duidelijke structuur? Die vraagstukken horen we vaak terug.’
Carmen Berends, Digital Transformation Business Consultant, noemt twee hoofdoorzaken. ‘Enerzijds kan data wel aanwezig zijn, maar als die in een silo in een machine staat, kost het veel tijd om erbij te komen. Anderzijds vraagt het werken met grote datasets andere vaardigheden dan veel productengineers gewend zijn. Je kunt niet meer rommelen in een Excel-sheet.’
Het fundament: de juiste data-architectuur
Intussen wordt menig sector overspoeld met potentiële AI-mogelijkheden — wat weer voor een volgende vraag zorgt: wat moet je er eigenlijk mee? Leendert Mijnders, Manager Business Consultancy Industry, ziet een duidelijke verschuiving in de markt. ‘De afgelopen jaren gingen veel data-vraagstukken op in pilots, vaak in de vorm van dashboards. Met de opkomst van AI zie je nu een fundamentele vraag: welke data-architectuur hebben we nodig om AI daadwerkelijk te laten landen in onze organisatie?’
Zo dient AI eigenlijk als een katalysator voor iets anders: eerst de data-architectuur op orde, waarna de volgende fase kan plaatsvinden: échte fundamenten. ‘Er is nu lang geëxperimenteerd met specifieke toepassingen, maar de fase van pilots is voorbij’, stelt Mijnders. ‘Nu moeten de successen geborgd worden, en dat vraagt om een solide architectuur.’
Unified Namespace
Een van de grootste uitdagingen bij digitalisering is het ontsluiten van gegevens uit oudere systemen. Een mogelijke oplossing hiervoor is het gebruik van een Unified Namespace (UNS). Dit is een centrale structuur waarin je bijhoudt waar data zich bevindt binnen de organisatie. In plaats van elk systeem afzonderlijk te koppelen, fungeert de UNS als een soort telefoonboek dat verwijst naar de juiste databronnen.
Data zorgvuldig organiseren binnen deze namespace is volgens Berends veel werk en vereist een gestructureerde aanpak. Hieruit ontstaat een hiërarchische structuur die de bedrijfsorganisatie weerspiegelt. ‘Door gegevens in hun context te plaatsen, wordt het eenvoudiger om koppelingen te leggen met toepassingen zoals dashboards, analyses of AI-modellen,’ legt zij uit.
Balans tussen lokale verwerking en cloud
Voor de technische infrastructuur is er niet één ideale oplossing, zien de experts van ICT Group. ‘Voor mij is het vooral belangrijk dat je de kwaliteit van data garandeert’, benadrukt Berends. ‘Of je de gegevens nu op je eigen bedrijfslocatie verwerkt of in de cloud, het belangrijkste is dat de kwaliteit gewaarborgd blijft.’
Wanneer de data-architectuur op orde is, kan de aandacht verschuiven naar concrete AI-toepassingen. ‘Je ziet dat een eerste use case wel werkt’, vertelt Mijnders. ‘Maar zodra je dat wilt borgen en breder winst wilt halen, wordt het een duur, ingewikkeld project omdat het fundament niet past. Dat veroorzaakt hoofdpijn voor IT-afdelingen.’
Slimmer selecteren en zoeken met AI
Toch zijn er al verschillende succesvolle toepassingen in de industrie. ‘Met onze Applied Solutions-unit zijn we al langer bezig met AI en beeldherkenningssystemen’, vertelt Mijnders. ‘Bij Averis Seeds kijken slimme camera’s naar kwaliteitsaspecten van aardappelen. Die visuele inspecties zijn met een AI-model volledig geautomatiseerd. Hooguit 1 op de 10.000 zaailingen leidt tot een succesvolle marktintroductie. Door beeldherkenning in te zetten in plaats van menselijke visuele beoordeling, is de selectie objectiever en nauwkeuriger geworden.’
Een andere concrete toepassing is slimme zoektechnologie. Bij Royal IHC ontwikkelde ICT Group een AI-gebaseerde zoekoplossing die meer dan een miljoen documenten in minder dan twee seconden kan doorzoeken. ‘Technici hoefden niet meer urenlang kruiscontroles uit te voeren tussen systemen, wat de zoektijd met maar liefst 60 procent heeft teruggebracht.’
AI-assistenten voor operators
Zijn er dan enkele concrete AI-toepassingen, die binnen twee of drie jaar niet meer weg te denken zijn? ‘Een AI-assistent voor operators zal binnen een jaar of twee gemeengoed worden’, ziet Mijnders. ‘Net zoals je in Office een Copilot hebt, zal er een industriële toepassing komen. Dat staat op de roadmap van alle grote industriële leveranciers, van Schneider tot AVEVA en Siemens.’
Volledig autonome besturing blijft echter een uitdaging. ‘Het is de vraag of we daar binnen afzienbare tijd grote stappen in maken. Als je kijkt naar de afschrijvingstermijnen van bestaande fabrieken, zie je dit niet snel grootschalig toegepast worden. Bij nieuwe fabrieken kan het wel vliegen.’
‘Data maakt er één taal van’
De transitie naar datagedreven besluitvorming markeert misschien wel de belangrijkste culturele verschuiving. ‘Traditioneel baseren bedrijven beslissingen op ervaring, een gut feeling approach’, ziet Berends. ‘Maar als je globaliseert en meer fabrieken krijgt, werkt dat niet meer. De gut feeling van de Italiaanse fabriek kan door praktische ervaringen anders zijn dan die in Nederland. Data maakt er een gemeenschappelijke taal van.’
Dit leidt tot een fundamentele vraag binnen bedrijven: volgen we wat de data zegt óf wat de ervaring dicteert? ‘Met datagedreven besluitvorming ben je minder afhankelijk van operators die al jaren het proces kennen’, ziet Mijnders. ‘Die worden steeds schaarser, wat organisaties kwetsbaar maakt. Data liegt niet, als je het goed hebt ingericht.’
Eerste stappen zetten
Voor bedrijven die willen beginnen met het beter benutten van hun data, is het essentieel om eerst de business case helder te krijgen. ‘Een volledig autonoom aangestuurde fabriek heeft een prijskaartje’, waarschuwt Mijnders. ‘De vraag is: welk product produceer je, en heb je een marge om die investering terug te verdienen? Een simpele handmatige machine kan op korte termijn rendabeler zijn.’
‘Als ik één advies mag geven: zorg voor een toekomstbestendige data-architectuur voordat je in AI-toepassingen investeert’, stelt Mijnders. ‘Alleen met het juiste fundament kun je pilots omzetten in duurzame, schaalbare oplossingen die daadwerkelijk bedrijfswaarde leveren.’
Van Lanen adviseert ten slotte een MVP-aanpak (Minimum Viable Product). ‘Begin met zo weinig mogelijk te investeren om je proces optimaal neer te zetten. Je hoeft niet alles in één keer te doen, maar zorg wel dat de machines die je koopt, voorbereid zijn op de toekomst. Kies bijvoorbeeld voor interfaces die je later kunt gebruiken voor automatisering.’
Smart Industry Summit op 25 juni
Voor wie de praktische toepassingen van Industrie 5.0 wil verkennen, biedt de Smart Industry Summit van ICT Group op 25 juni een uitgelezen kans. Het evenement, dat twee jaar geleden al in teken stond van Industrie 5.0, presenteert praktijkverhalen, demonstraties én toepassingen die direct relevant zijn voor moderne productieomgevingen.
‘Bezoekers ontdekken de nieuwste toepassingen op het gebied van mens-machine samenwerking en wisselen ervaringen uit met vakgenoten die voor vergelijkbare uitdagingen staan. De Summit vormt daarmee een logisch verlengstuk van een industriële toekomst waarin technologie en menselijke expertise elkaar optimaal versterken.’
Dit artikel wordt u aangeboden door
ICT Group
ICT Group biedt innovatieve industriële technologieoplossingen in Europa. Met 2.200 specialisten leveren we consultancy, softwareontwikkeling, projectwerk en IT-onderhoud. Door technologie, mensen en ideeën te verbinden, helpen we klanten in diverse sectoren dagelijks bij het realiseren van slimme, toekomstgerichte oplossingen.
Meer info
