Artificial Intelligence in de maakindustrie

Waarom AI nu urgent is voor de maakindustrie

De Nederlandse maakindustrie staat onder druk: krapte op de arbeidsmarkt, stijgende kosten, kortere levertijden en klanten die steeds specifieker werk vragen. Tegelijkertijd vergrijst het personeelsbestand en verdwijnt ervaringskennis uit bedrijven. AI is geen wondermiddel voor deze uitdagingen, maar wel een krachtig hulpmiddel: het maakt processen efficiënter, vermindert de afhankelijkheid van schaars personeel en helpt de kennis en het beoordelingsvermogen van ervaren vakmensen te vertalen naar systemen die voor iedereen beschikbaar zijn.

De drempel is bovendien lager dan ooit. Waar AI-projecten enkele jaren geleden nog datawetenschappers en maatwerkontwikkeling vereisten, zijn veel toepassingen inmiddels beschikbaar als kant-en-klare modules in ERP-, MES- en kwaliteitssystemen of als betaalbare cloudoplossingen. De vraag is niet langer óf AI relevant wordt voor de maakindustrie, maar hoe snel bedrijven de aansluiting vinden.

Belangrijk daarbij: digitalisering begint in de praktijk zelden bij de technologie, maar bij een concrete vraag. Hoe kan ik de doorlooptijd van mijn productieproces halveren? Hoe kan ik energie besparen? Hoe kan ik de productiviteit verhogen? Bij dat soort vragen is verdere digitalisering en de toepassing van AI vaak onderdeel van de oplossing.

Weten waar je staat: de zes stadia van digitale ontwikkeling

'We moeten meer met digitalisering en AI doen', klinkt het in menig bestuurskamer. Maar waar begin je? Om richting te bepalen wordt regelmatig de Smart Industry / Industrie 4.0 Maturity Index gebruikt als denkkader. Dat model beschrijft zes stadia van digitale transformatie, waarbij het in de kern gaat om het koppelen van digitale processen aan fysieke industriële processen.

Veel bedrijven bevinden zich nog in de eerste twee stadia: er is automatisering en afzonderlijke machines zijn digitaal verbonden, maar volledige integratie tussen informatie- en operationele systemen ontbreekt. De vervolgstappen zijn herkenbaar als een logische opbouw:

• Zien wat er gebeurt - inzicht creëren in de fabriek op basis van verzamelde data, bijvoorbeeld uit sensoren op machines.
• Begrijpen waarom het gebeurt - data-analyse die verbanden en oorzaken zichtbaar maakt.
• Voorspellen wat er gaat gebeuren - geavanceerde data-analyse die vooruitkijkt, bijvoorbeeld naar storingen of vraagpieken.
• Zelf bijsturen - systemen die autonoom beslissingen nemen in het proces, of medewerkers vergaand digitaal ondersteunen bij het nemen van beslissingen.

In die opeenvolgende stadia is het gebruik van AI van toenemend belang. Een volledig autonoom werkend productieproces is voor de meeste bedrijven nog een vergezicht, en ook niet voor elk bedrijf een doel op zich. Het gaat erom dat je bepaalt waar jouw bedrijf nu staat en wat de volgende stap is die past bij jouw doelen en ambities.

De basis: starten met AI en een goed datafundament

Elke succesvolle AI-toepassing rust op hetzelfde fundament: een organisatie die weet wat ze met AI wil bereiken en data die op orde is. AI-modellen zijn zo goed als de data waarop ze werken. Incomplete registraties, inconsistente codering en verouderde stamdata beperken de waarde van elke toepassing, hoe geavanceerd ook.

Starten met AI is daarom in de eerste plaats een transformatievraagstuk: welke bedrijfsdoelen wil je met AI ondersteunen, welke data heb je daarvoor nodig en hoe zorg je dat die data betrouwbaar en toegankelijk is? En minstens zo belangrijk: zijn je medewerkers er klaar voor? De Europese AI Act verplicht organisaties die AI gebruiken bovendien om te zorgen voor voldoende AI-geletterdheid bij hun medewerkers. Gratis programma's zoals AI-Certified (aicertified.nl), een initiatief dat onder meer door FME en Smart Industry wordt ondersteund, maken het laagdrempelig om medewerkers hierin mee te nemen. Bedrijven die deze basis serieus nemen, plukken daar bij elke volgende AI-stap de vruchten van.

Lees hier meer over in het artikel: Starten met AI: het datafundament als basis voor elke toepassing

Bewezen toepassingen: predictive maintenance en machine vision

Twee AI-toepassingen hebben zich in de maakindustrie inmiddels ruimschoots bewezen. Predictive maintenance gebruikt sensordata en storingshistorie om te voorspellen wanneer een machine onderhoud nodig heeft, vóórdat er stilstand ontstaat. In plaats van onderhoud op vaste tijdsintervallen voorspel je op basis van data wanneer bijvoorbeeld een lager of pomp kapot zal gaan. Quality control met machine vision zet camera's en AI-beeldherkenning in om producten sneller, consistenter en objectiever te inspecteren dan met het blote oog mogelijk is.

Beide toepassingen zijn technologisch volwassen, breed beschikbaar en bewezen rendabel, ook op mkb-schaal. Voor veel maakbedrijven vormen ze de meest logische eerste kennismaking met AI in de productie. Zo bouwde AWL, ontwikkelaar van robotlasinstallaties, een demonstrator waarmee AI-ondersteunde vision-technologie lasnaden automatisch beoordeelt op vorm, afmetingen, locatie en defecten.

Lees hier meer over in het artikel: Predictive maintenance en machine vision: bewezen AI-toepassingen in de productie

Slimmer plannen en verkopen: AI in productie, logistiek en klantprocessen

Een tweede volwassen toepassingsgebied is optimalisatie: AI die helpt bij productieplanning, capaciteitsbenutting, voorraadbeheer en logistiek. Algoritmes rekenen in seconden duizenden planningsscenario's door en sturen realtime bij wanneer orders wijzigen, machines uitvallen of materialen vertraagd zijn. Dat levert kortere doorlooptijden, hogere leverbetrouwbaarheid en minder voorraadkosten op.

Ook in commerciële processen wint AI snel terrein. Generative AI ondersteunt sales- en customerserviceteams bij het opstellen van offertes, het beantwoorden van klantvragen en het ontsluiten van productkennis, zodat medewerkers meer tijd overhouden voor het echte klantcontact. Wat veel bedrijven niet weten, is dat in sommige bedrijfsprocessen al heel makkelijk stappen zijn te zetten, omdat AI steeds vaker standaard is geïntegreerd in bestaande applicaties en platforms.

Lees hier meer over in het artikel: AI voor slimmere productie, planning, logistiek en klantprocessen

Sterk in ontwikkeling: generative AI, agents, robotica en digital twins

De snelst bewegende ontwikkelingen spelen zich af rond generative AI en autonomie. Large language models en AI-agents groeien van chatbots naar systemen die zelfstandig taken uitvoeren en processtappen aan elkaar schakelen, richting steeds autonomere processen. In de fysieke wereld gebeurt hetzelfde: robotica en AI smelten samen in cognitieve robots die leren van hun omgeving, met humanoïde robots als meest zichtbare exponent.

Digital twins krijgen door AI een nieuwe dimensie: digitale replica's van machines, lijnen of complete fabrieken waarmee scenario's getest en processen geoptimaliseerd kunnen worden zonder de fysieke productie te raken. Je kunt er bijvoorbeeld een machine virtueel mee in bedrijf nemen, zonder dat de werkelijke machine al beschikbaar is. En in engineering verandert AI de manier waarop producten worden ontworpen en software wordt geschreven, van generative design tot AI-ondersteund programmeren.

Deze ontwikkelingen zijn voor de meeste mkb-maakbedrijven nog geen investeringsprioriteit, maar wel belangrijk om te volgen. Wie het datafundament nu op orde brengt, kan deze golf straks meepakken in plaats van erachteraan lopen.

Lees hier meer over in het artikel: De volgende golf: generative AI, AI-agents, robotica en digital twins

Praktische voordelen voor mkb-maakbedrijven

AI levert niet alleen voordelen op voor grote OEM's met eigen data-afdelingen. Juist mkb-bedrijven kunnen snel resultaat boeken, omdat ze wendbaarder zijn en beslislijnen kort zijn. Concrete voordelen:

• Minder ongeplande stilstand - voorspellend onderhoud voorkomt verrassingen en verlengt de levensduur van machines.
• Hogere en constantere kwaliteit - AI-inspectie haalt afwijkingen eruit die mensen missen, consistent en vermoeidheidsvrij.
• Betere benutting van mensen en machines - slimme planning haalt meer uit dezelfde capaciteit.
• Minder afhankelijkheid van schaars personeel - AI neemt routinewerk over en maakt ervaringskennis breed beschikbaar.
• Snellere offertes en betere klantservice - generative AI versnelt commerciële en administratieve processen.
• Nieuwe verdienmodellen - inzicht in je installed base maakt proactieve service en aanvullende dienstverlening mogelijk.
• Een lerende organisatie - data die eerst alleen werd geregistreerd, wordt een bron van continue verbetering.

AI-succes vraagt een multidisciplinaire aanpak

Een terugkerende les uit de praktijk is dat AI-projecten zelden slagen als ze bij één afdeling worden belegd. Het advies vanuit het FME-platform 'AI for Industry' is dan ook om een business-uitdaging, bijvoorbeeld de implementatie van predictive maintenance, multidisciplinair aan te pakken: breng mensen met verschillende soorten kennis bij elkaar en laat ze samen aan het vraagstuk werken. Denk aan bedrijfskundige kennis, machine- en onderhoudskennis, systeemtechnische kennis en data-analytics- of AI-kennis.

Daarnaast is het meekrijgen van je medewerkers een kritische succesfactor. Digitalisering vraagt vaak ook dat je je processen kritisch tegen het licht houdt, en dat lukt alleen als de mensen die het werk dagelijks doen, betrokken zijn.

Hoe begin je met AI?

Veel bedrijven denken dat AI alleen haalbaar is met grote budgetten en specialistische kennis. In werkelijkheid begint het vaak klein: met één proces, één concreet knelpunt en één meetbare pilot. Een praktische aanpak bestaat uit vijf stappen:

• Stap 1 - Bepaal het doel: welk bedrijfsprobleem wil je oplossen? Start vanuit pijn, niet vanuit technologie.
• Stap 2 - Inventariseer je data: welke data verzamel je al en hoe betrouwbaar is die?
• Stap 3 - Maak je medewerkers AI-geletterd, bijvoorbeeld via het gratis programma AI-Certified, zodat het hele team begrijpt wat AI is en hoe je het verantwoord inzet.
• Stap 4 - Kies één toepassing met bewezen waarde, zoals storingsanalyse of visuele kwaliteitscontrole en start een pilot met beperkte scope, vaste periode en meetbare succescriteria.
• Stap 5 - Evalueer, borg de resultaten en bouw stapsgewijs verder uit.

Lees hier meer over in het artikel: Hoe begin je met AI? Een praktische aanpak voor mkb-maakbedrijven

De doorontwikkeling van AI in de maakindustrie

De komende jaren groeien de genoemde toepassingsgebieden naar elkaar toe. Voorspellend onderhoud, slimme planning en kwaliteitscontrole worden onderdelen van steeds autonomere productieprocessen, aangestuurd door AI-agents en gevoed door digital twins. De bedrijven die daarvan profiteren, zijn niet per se de bedrijven met de grootste budgetten, maar de bedrijven die nu beginnen: met een helder doel, een goed datafundament en de bereidheid om te leren.

Wil je weten waar jouw organisatie staat en wat de volgende logische stap is? Doe de Smart Industry Assessment, bekijk praktijkvoorbeelden van maakbedrijven die je voorgingen of vraag een vrijblijvend adviesgesprek aan via smartindustry.nl.

Meer weten?

Lees dan de volgende verdiepende artikelen:

• Starten met AI: het datafundament als basis voor elke toepassing
• Predictive maintenance en machine vision: bewezen AI-toepassingen in de productie
• AI voor slimmere productie, planning, logistiek en klantprocessen
• De volgende golf: generative AI, AI-agents, robotica en digital twins
• Hoe begin je met AI? Een praktische aanpak voor mkb-maakbedrijven