Procesproblemen oplossen met Data Science. Hoe werkt dat?

Ook in fabrieken speelt vaak de gedachte om meer te doen met Data Science technieken. Als er AI (Artificial Intelligence) en zelfrijdende auto’s bestaan, waarom dan geen zelfsturende fabriek? Wat is daar voor nodig, of hoe pak je dat aan?

Een zelfrijdende auto kan dat alleen maar doen, als álle relevante informatie via b.v. sensoren beschikbaar is voor analyse. Bovendien dient het besturingsalgoritme getraind te zijn om goede van foute beslissingen te leren onderscheiden. Maar hoe zit dat in uw fabriek?

“een zelfrijdende auto betekent nog geen zelfsturende fabriek”

Zeker: in een typische fabriek gaat enorm veel data rond. Van ERP systemen met b.v. datum, batchnummers en testresultaten, tot vaak honderden of duizenden sensoren die iedere paar seconden data loggen. Dat zijn vele miljoenen datapunten per jaar. Maar daarmee is in de regel nog lang niet alle relevante informatie verzameld. Wat te denken van de kwaliteitsdetails van iedere batch grondstof, en de homogeniteit daarvan over de batch? Van de details van menselijk handelen die niet gelogd kunnen worden? Van de mate waarin de ruwe gelogde data geschikt gemaakt wordt voor analyse? Van de verstorende invloed van misplaatste of uitvallende procescomponenten? We zitten niet te wachten op een zelf-crashend systeem, zoals gebeurde bij de 737 Max. Kortom, het bestaan van een zelfrijdende auto betekent nog geen zelfsturende fabriek.

Daarbij komt dan nog dat de afstand tussen mensen die thuis zijn in data science, en engineers die thuis zijn in fabrieksprocessen, op zijn zachts gezegd behoorlijk groot is. Hoe dan voorwaarts?

Succes met Data Science staat of valt met de mate waarin die begrijpelijk blijft binnen de fabriek

Het zijn de mensen in de fabriek, die de fabriek draaiende houden. Niet een clubje externen met mooie software. Wie worden de mensen in de fabriek die hun fysieke kennis van het proces, willen verbreden met inzichten vanuit het digitale proces? Hoe kunnen ze dat doen op een manier die begrijpelijk blijft, en wat is daarbij hun doel?

De zelfsturende fabriek is dus geen voor de hand liggend doel, al zouden kleine delen ervan dat mogelijk wel kunnen worden. Wel voor de hand liggend is om enkele engineers te laten groeien in de omgang met de grote hoeveelheden data, waarin b.v. ERP systemen en sensoren voorzien. Ze breiden hun inzichten in het fysieke proces uit, met nieuwe inzichten vanuit het digitale proces. Daarmee kunnen ze het proces verbeteren voorbij de huidige mogelijkheden, én groeien in het veld van Data Science. Zo kan de kloof tussen fabriek en Data Science steeds kleiner worden, worden de mogelijkheden van Data Science steeds inzichtelijker, en wordt de communicatie met externe Data Science specialisten steeds eenvoudiger.

Benieuwd hoe Data Science in uw bedrijf succesvol kan worden? Neem dan contact op.
Contact