Blog: Chatten met je fabriek

Forum met als invalshoek FLEXIBELE BEDRIJFSSOFTWARE (ter ondersteuning van agile en lean).
Plaats hier uw vragen & antwoorden over ERP, Service Oriented Architecture, MES etc.

Moderator: Jaap_Procesverbeteren.nl

Plaats reactie
Jaap_Procesverbeteren.nl
Forum ervaring: 4/5
Forum ervaring: 4/5
Berichten: 75
Lid geworden op: ma sep 28, 2009 8:17 pm

Blog: Chatten met je fabriek

Bericht door Jaap_Procesverbeteren.nl »

Blog: Chatten met je fabriek

‘Goedemorgen, is er nieuws?’, vraag ik. ‘Zeker’, zegt de fabriek. ‘Er is een verstoring, maar ik heb een voorstel om die te verhelpen. Daarnaast heb ik vannacht nagedacht over verbeteropties. Dit alles wil ik graag met je bespreken.’

Klinkt raar zoiets. Zelfs de bemanning in Star Trek heeft niet zo’n innige relatie met de boordcomputer van hun ruimteschip. Toch is dit toekomstbeeld dichterbij dan menigeen denkt, ook al is het een beetje scary.

Als je een (afgeschermde) Artificial Intelligence (AI) oplossing vergelijkbaar met chatGPT koppelt aan een fabrieksnetwerk met sensoren, ben je theoretisch al een heel eind. Het meest vernieuwende aan chatGPT is het taalmodel, zodat je het systeem makkelijk kunt bevragen. Dat is natuurlijk niet genoeg. ChatGPT verzint niets nieuws, maar selecteert en combineert bestaande informatie. Het is daarmee een soort Google 2.0. Data uit een fabriek vertalen naar waardevolle uitkomsten lijkt me een stuk moeilijker. Daarnaast zijn er nog veiligheidsrisico’s, kan AI onzin uitkramen, en is er de noodzaak tot adequate afscherming van bedrijfskritische data.

We zijn er dus nog niet, maar toch bewegen we onmiskenbaar richting een meedenkende fabriek. Het kan heel goed zijn dat AI in de industrie straks net zo’n noodzakelijke voorwaarde wordt als bijvoorbeeld elektriciteit. En de opmars kan veel sneller gaan. Oudere fabrieken missen weliswaar vaak de noodzakelijke hoeveelheid sensoren, maar in sterk gedigitaliseerde bedrijven is de infrastructuur al aanwezig.

Afbeelding
Machine Learning bij Bekaert Deslee in 2020

Op kleine schaal denkt een fabriek nu soms al mee. Bij Scania checkt software of gereedschap wordt ingezet zoals gedacht. Zo niet dan trekt ‘de fabriek’ aan het Andon-koord, en legt de productie stil, voordat er kwaliteitsproblemen ontstaan. Wetenschappers werken aan kunstmatige collega’s die operators ondersteunen, en die bijvoorbeeld assemblagestappen kunnen vóórdoen. En aan zo’n artificiële collega kun je gewoon een vraag stellen!

Machine Learning, een model getraind met een bekende dataset dat vervolgens de uitkomst van nieuwe situaties voorspelt, is al bijna gewoon. Op het internet zag ik ook voorbeelden van artificiële helpdesks die medewerkers bijstaan bij het helpen van klanten. Je zou ook al je documentatie kunnen voeden aan een AI-systeem, waarna medewerkers daarin gemakkelijk kunnen zoeken.

Voortbordurend hierop worden de mogelijkheden straks eindeloos. AI kan dan worden ingezet voor het ondersteunen van modelering, optimalisatie, simulatie, ontwerp en besturing. De eerste stappen kunnen daarbij klein zijn: het AI-systeem speurt bijvoorbeeld naar inconsequenties in de bouwtekeningen (flow charts) van een chemische fabriek (Arthur Schweidmann*, to be published).

AI vervangt de mens niet, het is vooral een hulpmiddel. Vaak zijn de suggesties zinvol, maar een enkele keer slaat een zelflerend AI-systeem op hol, of gaat het hallucineren. De kans daarop wordt groter als je het systeem met verkeerde data voedt: garbage in, is garbage out. En AI is net zo biased (bevooroordeeld) als de data die je erin stopt, denk aan de discriminerende algoritmes van de belastingdienst (hoewel geen AI).

Sowieso moet er altijd een mens meesturen en meedenken. En als dat in de toekomst niet meer nodig zou zijn, dan is het ethisch onwenselijk om AI zoveel macht te geven.

Nu al ontstaat er soms weerstand tegen AI op de werkvloer. Dat is funest, want net zoals alle andere Smart Industry oplossingen is het enkel succesvol als mensen en software de handen inéén slaan. AI is ook niet altijd nodig. Ook met Process Mining kun je bijvoorbeeld op basis van historische data een soort value stream map maken, en zo bottlenecks als verbeteropties aan het licht brengen. Onder de motorkap schuilt dan echter eenvoudige lineaire algebra.

Voorlopig kun je AI denk ik het beste zien als een nieuwe tool om meer inzicht te krijgen, om sneller verbeteropties (ook op het gebied van duurzaamheid) te vinden, om root causes van problemen op te sporen, om patronen te herkennen, en om tijdens de productie de vinger aan de pols te houden. Denk bij dat laatste met name aan predictief onderhoud.

De meeste procesverbeteraars zullen deze opties omarmen, denk ik. Er kan echter ook weerstand optreden, als sommige Black Belts willen vasthouden aan traditionele manieren van root cause analyse. Die weerstand is helemaal niet nodig: AI is een aanvulling, niets meer en niets minder.

Het Lean-principe van streven naar zoveel mogelijk flow en klantwaarde blijft overeind. Lean is vooral een manier om productiestappen op elkaar af te stemmen. Je kunt pas zonder dat gedachtegoed, als producten bij wijze van spreken uit een Star Trek replicator komen.

Wel zullen routings over de werkvloer dankzij Smart Industry (waarvan AI één van de vele bouwstenen is) steeds flexibeler worden, waardoor het makkelijker wordt om maatwerk te leveren tegen massagoedprijzen.

Als je werkvloer niet al Lean is (of is gevormd naar een andere logistiek principe zoals QRM of TOC), zou ik voorlopig zeker niet aan AI of algoritmes beginnen.

Wat geldt voor mensen, geldt namelijk ook voor computers: alleen data uit een gestructureerde en gestandaardiseerde omgeving zijn bruikbaar voor procesverbetering. Bovendien is een smart tool zoals AI nooit een doel op zich, maar moet aansluiten bij de missie van een bedrijf en de verbetercultuur daarin.

Dr Ir Jaap van Ede,
hoofdredacteur procesverbeteren.nl


Dank voor aanvullingen op deze blog aan *Artur Schweidtmann (TU Delft), Yamine Bouzembrak (Univ. Wageningen) en Jan Vieveen
Plaats reactie