Waar te beginnen met data en AI in de maakindustrie?

Als bedrijf in de maakindrustrie heb je een berg aan data liggen. Van alle kanten voel je de druk om daar 'iets' mee te doen. Want data zijn goud waard, hoor je overal. Maar hóe doe je er nu eigenlijk iets waardevols mee? En waar begin je?

Begin bij de kop (niet bij de staart)

Veel maakbedrijven zoeken momenteel uit wat bestaande data voor hen kunnen betekenen. Vaak denken zij hierbij éérst aan de technologie. Dat is echter een verkeerd uitgangspunt. De echte hamvraag is: op welk punt in de organisatie kunnen data waarde toevoegen? Als je start met het scherp in kaart brengen van de meest relevante thema's, weet je welk onderwerp je het eerst moet oppakken. Het probleem is dat zo'n vorm van zelfreflectie binnen veel maakbedrijven nog niet aanwezig is. De organisaties in kwestie praten wel over een einddoel, maar zij beseffen niet dat ze nog maar aan het begin staan en talloze stappen moeten nemen voordat de eindstreep in zicht is. Ze hebben het bijvoorbeeld al over een voorspellend model, terwijl de daarvoor benodigde data nog één grote chaos vormen. Het ordenen van die data zou dan eigenlijk de eerste stap moeten zijn.

Van A naar B: een slepend traject? Niet per se!

Kortom, het is verstandig om eerst te bekijken waar je als organisatie staat qua volwassenheid. Dát is je startpunt. Heb je nog aardig wat stappen te gaan, focus je dan niet alleen op je einddoel. Zorg dat je héél duidelijk weet wat je huidige positie is en hoe je van A naar B gaat. Het uitstippelen van de juiste route richting een datagedreven organisatie maakt sommige organisaties moedeloos. Is dit niet een zeer slepend, kostbaar traject? Dat hóeft het niet te zijn. Je kunt bijvoorbeeld werken met proefjes, die je snel en kleinschalig uitvoert. En als twee van de tien proefjes slagen, borduur je daarop voort. Zo vind je op een experimentele manier uit wat de beste route is voor je organisatie.

Een voorbeeld

Hoe gaat dit hele proces nu in zijn werk? We illustreren het aan de hand van een praktijkvoorbeeld. Laten we er eens van uitgaan dat weersinvloeden relevant zijn voor je productieproces, dat je op een kostenefficiënte manier wilt laten verlopen. In dat geval is het ontzettend handig om een voorspellend model te genereren met de weersvoorspelling als databron. Daaraan koppel je vervolgens de personele bezetting die nodig is op basis van het weer. Zo behaal je jouw bedrijfsdoel: je drukt de operationele kosten!

Eerst het doel, dan de middelen

In beide praktijkvoorbeelden zie je dat het cruciaal is om te weten wat je doel is. Op basis daarvan kun je bepalen welke stappen je moet nemen. Bedenk daarom eerst welke waarde je zou missen als je een bepaald thema niet aanpakt. Bepaal ook waar je prioriteiten liggen. Daarna is het pas tijd om te bekijken hoe je je doel in technisch opzicht gaat realiseren! Ter inspiratie sluiten we af met een aantal doelen die in de maakindustrie relevant kunnen zijn: • Productiekosten verlagen • Doorlooptijd van de productie verkorten • Downtime elimineren uit het productieproces • Risico's verminderen • Medewerkers veiliger laten werken Hulp nodig bij het inzetten van data en AI om je doel te bereiken? Schrijf je in voor onze Data & AI workshop!