Wat houdt 'Slimme data' in?
: volledig geautomatiseerde processen die zelf intelligente beslissingen nemen op basis van data die ze zelf verzamelen. Industry 4.0 omvat digitalisering van processen, robotisering van menselijke arbeid en online data-uitwisseling tussen machines en organisaties. Zo kunnen de verschillende machines in een productieproces via internet of things elkaar optimalisaties voorstellen en data worden opgeslagen en gedeeld via cloudcomputing. Naast de grote bedrijven gaan nu ook de kleinere organisaties steeds meer mee in big data en actieve data-uitwisseling, voornamelijk omdat steeds meer eindproducten ‘smart’ moeten zijn en zij concurrerend moeten blijven. In een ING-publicatie staat de route naar de datagedreven fabriek uitgewerkt (Dantuma, 2024).
Data-ecosysteem
Procesoptimalisatie door inzet van data wordt steeds belangrijker. Steeds meer organisaties passen procestechnische principes toe om productieprocessen efficiënter te maken. Naast procesoptimalisatie wordt de keten ook digitaler en meer datagedreven. Om dit te bewerkstelligen is openheid een randvoorwaarde om data te delen. Zonder datadeling is er geen digitale samenwerking in de keten mogelijk. Leveranciers, partners en klanten moeten samen voorzien in een data-ecosysteem.
Bij Smart Bakery verzamelen we allerlei data. Doordat we op die manier meer signalen – bijvoorbeeld storingen, defecten of afwijkingen in het bakproces – vroegtijdig opvangen, groeien we steeds meer toe naar een preventieve manier van service verlenen in plaats van een reactieve: predictive maintenance. Wanneer moet een onderdeel vervangen of gereviseerd worden? Het is data die in de toekomst gaat zorgen voor nóg minder uitval en onderhoud, meer kwaliteit en een hogere productiecapaciteit. –
Sandra Luesink, Kaak Food Processing Systems B.V.
Overall equipment effectiveness
Internet of things stelt fabrikanten in staat om de overall equipment effectiveness (OEE) van hun productielijnen in realtime te bewaken en te analyseren. OEE biedt inzicht in de beschikbaarheid, prestaties en kwaliteit van apparatuur, waardoor fabrikanten knelpunten kunnen identificeren en productieprocessen kunnen optimaliseren. Dit vertaalt zich ook naar meer sensoren in machines/producten. Deze machines worden slimmer doordat ze vaak onderdeel zijn van een groter slim systeem en data verzamelen ten behoeve van het grotere systeem. Data die worden verzameld zijn bijvoorbeeld controle of de machine nog werkt en signalen voor onderhoud. Voorspellend onderhoud wordt op deze manier mogelijk gemaakt. Dashboards geven inzicht in realtimedata.
Kunstmatige intelligentie
Kunstmatige intelligentie wordt steeds meer toegepast in de context van voorspellend onderhoud (IndustrieVandaag, 2024). Dit voorkomt onnodige stilstand van machines doordat op basis van allerlei data wordt bepaald wanneer bijvoorbeeld een servicebeurt moet worden ingepland of wanneer alvast reserveonderdelen verstuurd moeten worden.
DataMatrix-codes
Bedrijven passen steeds vaker DataMatrix-codes op producten toe. Die geven informatie over het product en zijn makkelijk te scannen. Ook worden er al stappen gezet in het verzamelen van data over het gebruik van het product, maar dit staat nog in de kinderschoenen.
6G
Het Future Network Services-consortium (FNS) start de ontwikkeling van het 6G-netwerk in Nederland (IndustrieVandaag, 2024b). Experts beschouwen 6G als een transformatie in de mobiele communicatietechnologie. Afgezien van het feit dat het honderd keer sneller is dan zijn voorganger, 5G, heeft 6G ook een lage latency en een veel hogere capaciteit voor het koppelen van draadloze apparaten. Hierdoor kan er realtime monitoring van machines en processen plaatsvinden, zelfs over grote afstanden. Dit is met name van belang voor sectoren zoals de procesindustrie, waar elke milliseconde in gegevensoverdracht essentieel kan zijn. Bovendien zal de verhoogde capaciteit van 6G om talloze apparaten te verbinden een cruciale rol spelen in de uitbreiding van het industrial internet of things (IIoT) (IndustrieVandaag, z.d.). Dit zal naar verwachting productielijnen intelligenter en efficiënter maken, gezien het vermogen om een groter aantal apparaten gelijktijdig te verbinden, zonder enige hapering in de communicatie.
Wat is de impact van 'Slimme data' op dossierniveau?
Voor de dossiers binnen het marktsegment Metaal & Metalektro betekent slimme data voor de beginnende beroepsbeoefenaar dat de rol van data steeds belangrijker wordt in het uitoefenen van de functie. Zo is er een groeiende vraag naar meet- en regeltechniek door een toename in het gebruik van vision en sensoren. Het installeren, verbinden en onderhouden van sensoren om deze data te kunnen verzamelen, vraagt ook om specifieke kennis en zit verweven in de meeste dossiers.
Industry 4.0 brengt uitdagingen met zich mee als het gaat om kennisontwikkeling. Het kunnen werken met data, analyseren en omgaan met de nieuwe ontwikkelingen op het gebied van besturingssystemen en informatietechnologie vraagt om nieuwe competenties. Machines worden steeds complexer en zo ook de software. Slimme fabrieken vragen om andere kennis en je blijven ontwikkelen. Bijvoorbeeld de toename van software en sensoren en de koppeling van beide vraagt om het nauwkeurig monitoren en onderhouden ervan. Een taak die tot functie verwordt. Om mee te kunnen bewegen met al deze ontwikkelingen is kennis nodig van nieuwe technologieën en de aankoppeling daarvan.
Interessant is ook de rol van 6G in de ontwikkeling van digital twins. Deze virtuele kopieën van fysieke objecten of systemen kunnen profiteren van de combinatie van realtime gegevensverzameling en de hoge verwerkingssnelheden die het 6G-netwerk biedt. Hierdoor kunnen onderhoud en optimalisatie van systemen verder geautomatiseerd worden. Bijkomend kan 6G bijdragen aan een duurzamere industrie door geavanceerde technologieën voor energiebeheer te ondersteunen.
Kunstmatige intelligentie vindt steeds meer toepassingen in de metalektro, bijvoorbeeld in predictive maintenance, digital twins en language modelling. Het tempo van deze ontwikkelingen is per bedrijf nog steeds wel zeer verschillend en dit bepaalt ook de vraag naar skills in de komende vijf tot tien jaar (Bartsch et al., 2020).
-
Wat verandert er?
Slimme datasystemen, vaak aangeduid als onderdeel van Industry 4.0 of het industrial internet of things (IIoT), introduceren geavanceerde technologieën om productieprocessen te optimaliseren, efficiëntie te verhogen en besluitvorming te verbeteren. Deze systemen maken de automatisering van productieprocessen mogelijk en sensoren maken hier een belangrijk deel van uit. Zo maken sensoren in zowel machines in het maakproces als het eindproduct het mogelijk om op een slimme manier de conditie van machines te bewaken en te meten (SAP, z.d.). Zoals bij de Trend Digitale systemen worden slimme datasystemen vooral toegepast in grotere organisaties die seriewerk produceren of met geavanceerdere machines werken.
Wat is de invloed op de werkzaamheden?
Deze datasystemen stellen de beginnende beroepsbeoefenaar in staat om het productieproces realtime te monitoren en te controleren. Problemen kunnen snel worden aangepakt en dit verbetert de kwaliteit van de productie. Sensoren in machines geven signalen wanneer storingen zich voordoen. Dit maakt het voor de beginnende beroepsbeoefenaar mogelijk om tijdig in te grijpen en dit vraagt om een andere manier van omgang met meetinstrumenten, -methoden en controletechnieken. Ook kunstmatige intelligentie wordt steeds meer toegepast. Zo heeft LexX Technologies een digitale assistent ontwikkeld die technici interactief advies geeft over reparaties en machine-instellingen (LexX Technologies, z.d.).
Slimme datasystemen bieden beginnende beroepsbeoefenaars in de productietechniek nieuwe mogelijkheden om hun werkzaamheden te verbeteren, te optimaliseren en te innoveren. Het is wel belangrijk dat de beginnende beroepsbeoefenaar (intern) wordt getraind om deze technologieën effectief te gebruiken en te begrijpen.
-
Wat verandert er?
IIoT staat voor het industrial internet of things, en zoals de naam al doet vermoeden, verwijst het naar het gebruik van internet of things-technologie (verbonden machines, apparaten en sensoren) in industriële toepassingen. Wanneer de data die IIoT-apparaten genereren, worden uitgevoerd door een moderne ERP met mogelijkheden voor kunstmatige intelligentie en machinelearning, kunnen ze worden geanalyseerd en gebruikt om onder andere de efficiëntie, productiviteit en zichtbaarheid te verbeteren. Het gebruik en de visualisatie van data wordt dus steeds belangrijker om data te begrijpen en interpreteren (IndustrieVandaag, 2023d).
Wat is de invloed op de werkzaamheden?
De beginnende beroepsbeoefenaar krijgt met deze systemen te maken als het gaat om het fysiek installeren en aansluiten van producten en het voorbereiden van de software. Ook het werken met data en uitlezen van data in systemen is een belangrijke vaardigheid. Tegenwoordig zijn er steeds meer intuïtieve interfaces die zorgen voor duidelijke visualisatie.
Werken met data is belangrijk, omdat het kan helpen bij het voorspellen van mogelijke storingen en het plannen van preventief onderhoud. Zoals bij de Trend Digitale systemen is benoemd, kunnen ook digital twins, in combinatie met data-analyse, ondersteunen bij het monitoren van fysieke systemen. Dit vermindert ongeplande stilstand en optimaliseert de betrouwbaarheid van mechatronische systemen.
-
Wat verandert er?
Procesoptimalisatie wordt steeds belangrijker om kortere doorlooptijden mogelijk te maken. Procesdata bieden inzicht in de sterke en zwakke punten van de organisatie en het productieproces. Met deze data kunnen organisaties gericht processen optimaliseren en dat is een voorwaarde voor het optimaal benutten van bestaande productiecapaciteit en de integratie van nieuwe productietechnologieën.
Binnen de maakindustrie krijgen beginnende beroepsbeoefenaars steeds meer te maken met complexere machines die voorzien zijn van sensoren. Deze sensoren zijn verbonden met het internet of things (IoT) en verzamelen data wanneer de sensoren in gebruik worden genomen. Door sensoren en monitoringssystemen kunnen engineers problemen identificeren voordat ze optreden. Bijvoorbeeld, er wordt steeds meer met sensoren gewerkt om een robuust systeem te bouwen dat autonoom kan produceren. Ook maken engineers steeds meer gebruik van realtime data analytics om direct inzicht te krijgen in operationele processen. Dit stelt hen in staat om snel te reageren of in te grijpen.
Door grote hoeveelheden sensoren in productiemachines en -omgevingen, worden enorme hoeveelheden data verzameld. Met kunstmatige intelligentie kunnen deze data geanalyseerd worden om vervolgens autonoom processen aan te sturen en te optimaliseren. In bepaalde geautomatiseerde lasersnijmachines bijvoorbeeld, worden de data van visionsystemen gebruikt om gesneden plaatdelen uit het schrootskelet te halen. Kunstmatige intelligentie verzamelt continu data uit het proces en gebruikt deze gegevens om plaatuitslagen van verschillende geometrieën sneller en proceszekerder te sorteren. Met kunstmatige intelligentie worden systemen volledig zelflerend; klemt een plaatdeel bijvoorbeeld, dan kan het systeem de volgende keer bij een identieke geometrie direct de juiste handeling uitvoeren. Op die manier ontstaat er een grote database, waarmee het proces continu automatisch kan worden verbeterd.
Wat is de invloed op de werkzaamheden?
Slimme data verschaffen engineers de benodigde informatie voor datagestuurde besluitvorming. Dit kan variëren van het kiezen van materialen op basis van duurzaamheidsgegevens tot het optimaliseren van ontwerpen voor kostenefficiëntie.
Door de toenemende complexiteit van machines en toevoeging van technologie zoals sensoren, is het voor de beginnende beroepsbeoefenaar van belang om sensoren en slimme apparaten in ontwerpen te integreren. Het gebruik van kunstmatige intelligentie en machinelearning stelt beginnende beroepsbeoefenaars in staat complexe analyses uit te voeren, patronen te identificeren en voorspellingen te doen. Dit kunnen zij gebruiken in ontwerpprocessen en voor de optimalisatie van systemen.
-
Wat verandert er?
Er zijn talloze nieuwe technologieën beschikbaar die organisaties in de maakindustrie in staat stellen processen verder te optimaliseren en dit komt ten goede aan de kwaliteit en lead times. Denk aan kunstmatige intelligentie, internet of things-toepassingen en integratiemogelijkheden om ketensamenwerking te stroomlijnen. Organisaties rusten steeds meer machines, robots, etc. uit met sensoren, hoogwaardige camera’s en visionsystemen. Zo kunnen zij data verzamelen en vervolgens slimme, geautomatiseerde beslissingen nemen. Voorwaarde is wel dat de kern-IT van het bedrijf kan meebewegen met deze ambities. En daar wringt vaak de schoen.
Kunstmatige intelligentie wordt steeds meer toegepast en uitontwikkeld. Kunstmatige intelligentie kan bijvoorbeeld de beginnende beroepsbeoefenaar assisteren. Het bedrijf Vanti zet zich in voor efficiëntere productieprocessen en minder afval in de industrie. In een chat-interface maakt het bedrijf data over onder andere de productie en mogelijke defecten gemakkelijk toegankelijk voor medewerkers, zodat problemen kunnen worden opgelost nog voordat er foutieve producten zijn geproduceerd en machines stil zijn komen te liggen (Vanti, 2024).
Wat is de invloed op de werkzaamheden?
Dankzij slimme sensoren en IoT-apparaten kunnen beginnende beroepsbeoefenaars realtime gegevens ontvangen over verschillende aspecten van het project, zoals temperatuur, vochtigheid, energieverbruik en machineprestaties. Dit stelt hen in staat om onmiddellijk in te grijpen bij afwijkingen of problemen. De analyse van slimme data biedt beginnende beroepsbeoefenaars waardevolle inzichten die kunnen worden gebruikt voor datagestuurde besluitvorming. Dit kan resulteren in betere strategieën en verbeterde operationele efficiëntie.
-
Wat verandert er?
De ontwikkeling van eXplainable AI (XAI) is relevant voor specifieke toepassingen waarbij je wilt weten hoe kunstmatige intelligentie tot het antwoord komt. Zeker in het geval van autonome systemen helpt dit de consequenties van handelen te bepalen. Dat geldt ook zeker voor militaire toepassingen waar onbemande en autonome systemen een toenemend belangrijkere rol spelen.
Wat is de invloed op de werkzaamheden?
De beginnende beroepsbeoefenaar zal meer te maken krijgen met het interpreteren van data uit systemen volgens de geldende richtlijnen in luchtvaart.
