Toepassing van IoT en AI kan in een productieomgeving efficiencyverbeteringen opleveren van 20 tot 40 procent. Een integrale benadering van Industry 4.0 doet hier wonderen.
Ter illustratie van deze claims, bekijken we de praktijk van NEC, leverancier van communicatie- en IT-infrastructuren. Vanwege de jarenlange toepassing van lean six sigma in de productieprocessen, viel er op het gebied van ‘first time right’ en ‘zero waste’ daarom nauwelijks nog winst te behalen. Met Industry 4.0 – het zo breed mogelijk toepassen van industrial IoT en AI – kunnen toch nog significante verbeteringen worden behaald.
AI
Manager Kiwamu Takata liet op de IFS World Conference zien dat het Japanse bedrijf op dit vlak mijlenver voor ligt op Europese en Amerikaanse productiebedrijven: “Er is vandaag de dag veel technologie die je kunt inzetten om je productieprocessen en supply chain te optimaliseren. Van Fingerprint of Things-technologie tot gezichtsherkenning en spraakgestuurde software. Wij vinden dat je niet bij de technologie moet beginnen, maar bij je strategie en de onderliggende processen. Ons strategische doel is om productiviteitsverbeteringen te bereiken door sneller betere beslissingen te nemen en de menselijke component daarin zoveel mogelijk weg te automatiseren.”
End-to-end
Dit kun je project voor project aanpakken, maar een integrale benadering is beter. Takata: “We hebben onze end-to-end processen – van planning, inkoop, productie en onderhoud van machines tot sales en logistiek – in samenhang bekeken. Dit omdat een verbetering in de ene silo invloed heeft op de andere.”
Industry 4.0
Veel kernprocessen in fabrieken worden ondersteund door het ERP-systeem van IFS en de vervolgstap naar Industry 4.0 zette het bedrijf met het IFS Enterprise Operational Intelligence (EOI)-platform. Dit platform maakt het mogelijk om een zogenaamde digital twin te maken van de gehele fabriek: strategie, processen, menselijke resources, machines, datastromen enzovoort.
Wanneer ergens in de strategie, processen of resources iets wijzigt, dan zorgt het model ervoor dat deze wijziging automatisch op alle andere relevante plaatsen wordt doorgevoerd. Op deze manier kan een bedrijf de strategie linken aan verbeterplannen en andersom behaalde verbeteringen direct relateren aan de strategie.
Predictive maintenance
Zo begon het bedrijf jaren geleden al met predictive maintenance, door de bezettingsgraad van apparatuur te visualiseren en te analyseren. Sensoren houden van alle machines de operationele status, draaiuren, slijtage en storingen nauwgezet bij. Deze data worden geanalyseerd met AI om te voorspellen wanneer apparatuur onderhoud nodig heeft.
AI brengt correlaties naar de oppervlakte tussen vele honderden factoren die voorspellend kunnen zijn. Predictive maintenance heeft op veel meer processen impact dan op het plannen van onderhoud en het daarop aanpassen van de fabrieksplanning. Takata noemt als voorbeeld de contracten met de leveranciers van machines.
Lees het hele verhaal online of in ICT/Magazine van juni/juli.
