Smart Industry op niveau

Angelo Hulshout heeft een ambitieus plan om fabrieken efficiënter te maken met behulp van Smart Industry-technologieën als het internet of things, cloud en machine learning. In Mechatronica&Machinebouw rapporteert hij over de voortgang van zijn inspanningen.

Angelo Hulshout
5 november 2021

Als we praten over Smart Industry, gaat het al snel over data verzamelen, digital twins en intelligente machines. Daarbij komt ook de regellus wel ergens langs – niet heel verrassend in een wereld waarin regeltechniek stiekem toch wel belangrijk is.

Die regellus is best interessant, want hij speelt een rol op verschillende niveaus. Je zou er zelfs een set concentrische cirkels of een spiraal in kunnen zien. De kleinste cirkel is dan de regellus van een individuele machine, degene die er omheen liggen gaan steeds een stap verder van die machine vandaan: een productielijn, een fabriek, een volledige onderneming en ten slotte engineering en management. Elk van deze niveaus implementeert een eigen regellus.

Tegenstrijdigheden

Op machineniveau sturen we al jaren op doorvoersnelheid, nauwkeurigheid, temperatuur en vergelijkbare kenmerken. Op basis van (sensor)metingen regelen we de machine bij om dit te optimaliseren. Bij het proces eromheen, bijvoorbeeld onderhoud en omstellen, doen we hetzelfde: we meten hoe lang iets duurt en hoe goed het werkt en sturen daarop bij.

Een stapje verder doen we op productielijnen, waarin een aantal machines samenwerken, iets vergelijkbaars. Voor een deel sturen we daar op dezelfde parameters, maar er komen er een aantal bij omdat het samenspel van machines extra complexiteit met zich meebrengt. Sturen gaat hier bijvoorbeeld op de gezamenlijke doorvoersnelheid.

Iedereen begrijpt dat een productielijn niet sneller kan zijn dan de traagste machine of productiestap. Dat kunnen we optimaliseren op allerlei manieren – niet continu produceren op snellere machines, voorraden van werk in uitvoering aanleggen tussen productiestappen of slim combineren van verschillende productieorders. Wat het beste werkt, wordt ook hier weer in een regellus gestopt, met eigen metrieken.

Dat deze regellus op sommige punten tegenstrijdige resultaten geeft ten opzichte van die op machineniveau zal geen verrassing zijn. ‘Tijdelijk niet produceren op een snellere machine’ gaat ten koste van ‘maximaal produceren’ op diezelfde machine. Die twee regellussen zijn dus aan elkaar gekoppeld en vormen de basis van de spiraal. Deze tegenstrijdigheid werd al bijna veertig jaar geleden benoemd door Eli Goldratt, in zijn werk rond de Theory of Constraints, maar lijkt nog steeds geen gemeengoed te zijn in de industrie.

In veel fabrieken, althans de wat grotere, staan meerdere productielijnen naast elkaar, en soms overlappen ze zelfs gedeeltelijk. Daaromheen vinden we magazijnen en logistieke processen voor het aanvoeren van materialen en het afvoeren van gereed product. Ook hier zien we weer regellussen. Een fabriek kan immers niet draaien als er niet voldoende grondstoffen aanwezig zijn, en tegelijkertijd kan ze niet meer produceren dan er kan worden opgeslagen en afgevoerd.

Afhankelijk van het product is dat opslaan ook nog eens meer of minder complex. In een metaalverwerkend bedrijf waar ik onlangs was, kunnen de producten (behuizingen voor generatoren) buiten worden neergezet omdat ze gespoten zijn; in een fabriek voor huisdiervoeding wordt het product juist geconditioneerd binnen opgeslagen. Logistiek en productielijnen gaan hier in elkaar grijpen, waardoor de regellus weer een beetje groter wordt en weer tegenstrijdigheden zal moeten oplossen.

Wie dit voor een hele onderneming met meerdere fabrieken, magazijnen en distributiecentra moet invullen, krijgt er de inkoop- en verkoopprocessen (en de geldstromen waarop wordt gestuurd) nog bij. Tegelijkertijd wordt het sturen op dit niveau makkelijker of moeilijker naarmate de twee kleinere lussen goed zijn geautomatiseerd.

Optimale prestaties

Dat automatiseren is het niveau waarop mijn werk, en dat van veel lezers vermoed ik, terugkomt. De buitenste cirkel, of het buitenste niveau van de spiraal, is namelijk management en engineering. Het management van een productiebedrijf moet het proces neerzetten waarin de hele onderneming optimaal draait. In een Smart Industry-wereld betekent dat dat het management de kaders neerzet voor optimale prestaties op alle niveaus.

Engineering (inclusief automatisering) is daarbij nodig om de regellussen te voorzien van de juiste data, datapaden en controlepunten. Hoe groter en geavanceerder een fabriek, hoe minder we kunnen vertrouwen op handmatige acties om alles in de hand te houden. Management geeft aan waarop gestuurd moet worden, engineering gaat de uitdaging aan te identificeren wat gemeten moet worden, hoe het gemeten kan worden en hoe de data vervolgens bij elkaar komt.

Management en engineering zijn zelf ook onderdeel van een regellus: een engineeringorganisatie leert van elke fabriek die ze bouwt en een managementteam leert van elk jaar dat het een onderneming stuurt. Een managementteam dat niet verbetert van jaar tot jaar zal ook niet lang in functie zijn.

Al deze regellussen zijn voor mij integraal onderdeel van Smart Industry en een uitgangspunt voor wat ik ruim een jaar geleden met Shinchoku ben opgestart. Alles wat we doen met dashboards, machine learning en verbeteringen op alle niveaus vindt zijn basis in deze spiraal.

Dit artikel is een samenvatting van een drieluik dat Angelo Hulshout schrijft voor het High Tech Software Cluster van Brainport. Het derde deel verschijnt daar later deze maand.