Maakindustrie
AI toegepast op de echte operatie in de fabriek
Inkoop en productie gepland in een Excel die historie, het gevoel van sales en “wat we vorig jaar deden” door elkaar haalt. Resultaat: te veel voorraad of tekorten bij cruciale artikelen.
Machines gaan kapot, lijnen vallen stil, monteurs worden opgeroepen. Ongeplande stilstand blijft het belangrijkste agendapunt van het maandelijkse overleg.
Afgekeurde batches die aan het eind van de lijn worden opgemerkt of, erger nog, via een klacht van een klant. De procesdata bevat de oorzaken, maar niemand leest die realtime uit.
Week- of maandafsluitingen waarvoor handmatig gegevens uit verschillende systemen moeten worden samengevoegd. Tegen de tijd dat het management ze ziet, valt er niet meer op te handelen.
01
Modellen die je verkoophistorie combineren met seizoenspatronen, de kalender en externe signalen (grondstofprijzen, weer, feestdagen). Inkoop hoeft niet meer te gokken.
Wat er verandert
Doorgaans 20-35% minder overtollige voorraad. 40-60% minder tekorten bij cruciale artikelen. Inkoopbeslissingen weken eerder dan met het handmatige model.
02
Modellen die het normale gedrag van de lijn leren — temperaturen, drukken, cyclustijden, trillingen — en realtime waarschuwen als het patroon afwijkt. Ruim voordat de operator het merkt of de batch verloren is.
Wat er verandert
Defecten worden tijdens het proces opgemerkt, niet achteraf. Meetbaar minder uitval en klachten. Oorzaken onderbouwd met data, niet met “hypotheses van de ploegleider”.
03
Op basis van de storingshistorie en telemetrie van kritieke machines schatten modellen het waarschijnlijke moment van uitval in. Onderhoud wordt vóór de stilstand gepland — niet erna.
Wat er verandert
20-40% minder ongeplande stilstand bij de machines waarop het wordt toegepast. De totale onderhoudskosten dalen doordat noodgevallen worden voorkomen.
04
Voor fabrieken met veel artikelen en capaciteitsbeperkingen: wekelijkse voorstellen voor de productiemix op basis van marge, deadlines, grondstoffen en bezetting. De mens beslist; het model geeft een onderbouwd vertrekpunt.
Wat er verandert
Betere marges dankzij betere mixbeslissingen. Minder onnodige omstellingen. Deadlines gehaald zonder overproductie.
05
Eén overzicht voor OEE, kwaliteit, kosten en plan versus realisatie, gevoed vanuit bestaande systemen (MES, ERP, sensoren). Het management ziet de operatie wanneer het ertoe doet, niet aan het eind van de maand.
Wat er verandert
Beslissingen die een week duurden, worden dezelfde dag genomen. Overleggen draaien op actuele data — geen maandagpresentaties meer met de cijfers van vorige donderdag.
3-4 weken
Audit van operationele systemen, beschikbaarheid van data en kritieke processen. We bepalen de 2-3 use cases met de beste ROI over 12 maanden voor jouw fabriek.
8-14 weken
End-to-end implementatie van één use case (forecasting, anomalieën, voorspellend onderhoud) binnen een afgebakend domein — één lijn, een cruciaal artikel of een machinefamilie.
6-9 maanden
Voor industriële groepen die meerdere cases willen samenbrengen op een gedeelde data- en modellaag die continu wordt bijgewerkt.
Nee. Je hebt wel wat data nodig. Onze eerste audit laat zien of je data een use case kan dragen. Vaak bestaan de eerste maanden uit het op orde brengen van de datastromen — en dat vertellen we je voordat we beginnen, niet achteraf.
Dat verschilt. Forecasting met jaarlijkse seizoenspatronen vraagt 2-3 schone jaren. Anomaliedetectie kan beginnen met een paar weken normale operatie. Voorspellend onderhoud vraagt storingshistorie plus telemetrie. Dat leggen we vast in de AI-readiness-fase.
De meeste bieden rapportages met een AI-label. Vraag jezelf af: neem je dankzij die functie andere beslissingen over inkoop, productie of onderhoud? Zo niet, dan wordt hun AI niet toegepast — meestal een kwestie van adoptie of configuratie. Dat lichten we door voordat je iets nieuws koopt.
Readiness: € 6.000-12.000. Pilot voor één proces: € 30.000-70.000. Platform met meerdere cases: € 90.000-180.000+ over meerdere maanden. De regel: elke geïnvesteerde euro heeft een businesscase nodig met ROI binnen 18 maanden.
Harde randvoorwaarde. We bouwen architecturen die de scheiding tussen OT en IT respecteren, zo nodig on-premise, en raken operationele netwerken alleen gecontroleerd en contractueel vastgelegd met leestoegang aan. Data verlaat de fabriek alleen als daar een sterke reden voor is.