Zelfstandig leren werken met data

1. Slimme systemen

WAT IS HET?

Het werk in de metaal en metalektro wordt in hoog tempo gedigitaliseerd. Bij metaal loopt dit door het gehele proces van ontwerp, productie en logistiek. Bij Metalektro gaat dit nog een stap verder. Naast ontwerp, productie en logistiek worden de gefabriceerde mechanische- en elektrische systemen ook tijdens het gebruik en onderhoud digitaal gemonitord. Digitale besturingssystemen voor bijvoorbeeld CNC, 3D printing, lasersnijden en graveren worden normaler. Daarbij wordt vaker op afstand bestuurd, waarbij gebruiks- en onderhoudsinformatie centraal binnen komen, verwerkt kunnen worden en er actie op kan worden ondernomen.

“Machine-onderhoud en slijtage, wanneer heeft een machine onderhoud nodig? Dat kan door middel van sensoren en data voorspeld worden”
– Leendert Remmelink, FME.

Tijdens het fabricageproces van mechanische- en elektrische systemen wordt in de ontwerpfase steeds vaker met digital twins gewerkt waarbij er een digitale aansluiting is op de machines in de fabricagehal. Digital twins zijn digitale ‘dubbelgangers’ van een machine of productielijn (die wordt gevoed door oude én realtime data). Hiermee kunnen bedrijven eenvoudig tests en optimalisaties uitvoeren. Ook maken deze virtuele representaties van fysieke producten en processen het mogelijk om nauwkeurig te voorspellen waar en wanneer het ergens fout dreigt te gaan. Nu sensoren en software steeds goedkoper en gebruiksvriendelijker worden en de rekenkracht toeneemt, komt de digital twin, die binnen grote bedrijven al vaker wordt ingezet, ook binnen bereik van het MKB.

Digital twins worden ook gebruikt als een volledig digitale versie van een gebouw, met alle info over materiaalcomponenten, constructies, leidingen en gebruikstoepassingen. Deze toepassing komt vaak voor onder de naam BIM (Bouw Informatie Model).  Alle relevante informatie van een gebouw wordt erin verwerkt. Hieraan gelinkt is de ontwikkeling van Internet of Things (IoT) in gebouwen. Met hulp van grote hoeveelheden data (Big Data) en Artificial Intelligence (AI) kunnen allerlei gebruiksfuncties en systemen in een gebouw aangesloten worden op een IoT-platform. Het IoT-platform zorgt vervolgens voor een intelligente bediening en sturing van elektronische systemen in gebouwen. Specifiek voor gebouwen wordt zo’n IoT-platform een Domotica systeem genoemd, een vorm van gebouwautomatisering. Digitale gebouwfuncties worden afgestemd op gebruik en gebruiksprioriteit. Gebruiksprioriteit gaat over welke gebruiksfuncties voor gaan, de rangorde. Bijvoorbeeld een lift die voorrang geeft aan mensen die wachten op de begane grond. Maar ook bij calamiteiten zoals bij brand nooddeuren die automatisch openen, terwijl ze normaal dicht blijven. Met hulp van sensoren en camera’s kan onder andere diefstalbeveiliging, temperatuurbewaking en intelligente bediending gerealiseerd worden. Ook intelligente gebouwtoegang met bijvoorbeeld een intelligente deurbel wordt normaler.

“Domotica is een compleet nieuwe wereld. Alles gaat digitaal, met sensoren en camera’s voor diefstalbeveiliging, voor temperatuurmonitoring en zelfs voor de bediening van een intelligente koelkast. Laat studenten vooral zelf ontdekken wat ze hierin interessant vinden! Docenten kunnen dit mogelijk maken, zij mogen studenten begeleiden in hun nieuwsgierigheid”
– Piet Mosterd, AWL.

“De sleutel verdwijnt en wordt vervangen door de vingerprint toegang via de Iphone. Voordeel is dat je direct digitaal kunt bepalen wie je huis in mag met de digitale sleutel. Met vingerprint toegang kun je tijdens je vakantie de buurvrouw toegang geven tot je huis, na de vakantie kan je die toegang weer digitaal uitzetten. Ik kan vaker op afstand techniek bij klanten regelen wanneer ze dat willen. Bijvoorbeeld bij de voetbalclub in Druten, wie mag een sleutel voor welke deur hebben? Het slot bepaald wie binnen mag en met een digitale sleutel kan ik direct de toegang voor leden wijzigen. Bijvoorbeeld voor een nieuwe voorzitter of voor een voorzitter die moet aftreden”
– R. Thoonen, Thoonen.

Tijdens het gebruik van systemen, zorgt een intelligent digitaal gebruikssysteem voor automatische aansturing, waarbij artificiële intelligentie (AI) ervoor zorgt dat het systeem zelf herkent welk product het moet maken, wanneer en hoe. Daarbij wordt van sensoring technieken gebruik gemaakt. De sensoren zorgen voor een multifunctioneel gebruik. Ze helpen tijdens het gebruik van systemen maar ook voor service en onderhoud.

“Data worden steeds belangrijker als bron voor het creëren van waarde. Sensoren worden steeds kleiner en goedkoper, er kan dus ook steeds meer data worden verzameld, begrip van de context waarin de data worden gegenereerd en ontsloten wordt ook steeds belangrijker”
– Frans Feldberg, Vrije Universiteit Amsterdam.

WAT VERANDERT ER?

Door de verdere digitalisering van het productieproces, komt er steeds meer data vrij die vraagt om monitoring en actie. Elke procesonderdeel levert onder meer met hulp van sensoren belangrijke data aan over voortgang, efficiënte en effectieve inzet van productiemiddelen en onderhoudsbehoefte. De groeiende hoeveelheid data over het productieproces, levert Big Data op die vervolgens met hulp van AI steeds slimmer ingezet kan worden om het productieproces nog verder te optimaliseren. In de fabriek neemt het belang van denkwerk ten opzichte van handwerk nog verder toe. 

Het gebruik van digital twins zal verder toenemen. Digital twin zorgt voor veel meer flexibiltiet in de productie. Er kunnen meer alternatieven uitgeprobeerd en getest worden zonder daar direct hele productieprocessen voor te hoeven aanpassen. Wanneer een nieuw digitaal ontwerp succesvol oogt, kan er dankzij de digitale koppeling van digital twin aan het productieproces snel met productie en opschaling gestart worden. Digital twin technologie zorgt voor minder procesuitval, voor procesverbetering en voor kortere levertijden.

Tijdens het ontwerp zal er meer Big Data en Artificial Intellingence worden ingezet om daarmee de mogelijkheden voor predictive maintenance te vergroten. Met predictive maintenance kan het toekomstig systeem- of installatiegebruiksgedrag en de onderhoudsbehoefte voorspeld worden. Dit gebeurt door het inzetten van een data mining technologie, waarin historische en actuele data gebruikt worden om tot modellen van toekomstig gebruik te komen. Op basis van predictive maintenance kunnen nieuwe installaties en systemen ontworpen worden die minder en beter voorspelbaar onderhoud nodig hebben.

“Bijvoorbeeld draaibanken, vroeger werden die handmatig ingesteld. Daarna werd het computergestuurd en dat zal nog wel verder gaan door Artificial Intelligence. Dat wil zeggen dat de machine het product herkent en dan automatisch de juiste instellingen bepaalt. Niet dat de mens dan overbodig wordt, maar die zal dan op een heel andere manier naar het proces gaan kijken. De slimheid van: wat doet die machine precies, maar niet meer ‘hoe wordt een blokje gemaakt”
– Leendert Remmelink, FME.

Sensoren zullen steeds kleiner en goedkoper worden waardoor het gebruik ervan toeneemt. Dit gebeurt in de fabriek om productieprocessen te verbeteren. Daarnaast zullen er steeds meer apparaten en producten met sensoren worden uitgerust die een veelheid aan functies kunnen uitoefenen. Het multifunctioneel kunnen inzetten van sensoren zorgt voor cross sectorale toepassingen. Data die vrijkomt uit sensoren kan steeds makkelijker op afstand uitgelezen worden. Door het op afstand aflezen wordt data uit zijn context gehaald, om het vervolgens met hulp van Big Data en AI van meerwaarde te voorzien. Het op een andere locatie uitlezen heeft voordelen. Die locatie transformeert tot een control room, waar met meer rust, overzicht en expertise de data verwerkt kan worden. Ondernemingen die hierin voorop lopen, zijn in staat iets extra’s te doen, er kan extra dienstverlening mee aangeboden worden. Wie de data mag lezen, die mag het onderhoud en de vervanging gaan doen. Data die uit een context komt, kan door iedereen gelezen en commercieel verwerkt worden, dit zorgt voor marktontschotting. Denk aan de groei van de platformeconomie waarbij slimme dataverwerkers bijvoorbeeld de coördinatie van onderhoudswerk kunnen overnemen. De markt verandert en er ontstaan openingen voor nieuwe toetreders die klanten anders weten te benaderen.

 “Dus data kan uit een context gehaald worden omdat deze digitaal is en in beginsel dus de hele wereld over kan reizen. Iedereen met een internetverbinding kan wat met die data gaan doen. Dit kan ook betekenen dat bestaande klantrelaties veranderen. Stel jij bent een leverancier die metalen componenten levert aan de auto-industrie en je denkt al jaren mee met je klanten. Dan kan het zo maar zijn dat een andere partij, die met behulp van sensoren data verzamelt en een virtueel model maakt, een ‘digital twin’, over de componenten die jij levert. Op die manier kan deze partij veel beter voorspellen wanneer een deel kapot gaat, dan dat jij dat kan. Deze partij weet dit dan sneller dan jij als fabrikant omdat jij die data niet hebt en kan zo jouw rol als ‘meedenker’ overnemen. Ik zou zeggen: ‘zet een sensor in de componenten zodat je weet wat ermee gebeurt en jij niet alleen je rol als ‘meedenker’ behoudt, maar tevens nieuwe datagedreven producten en diensten aan kunt bieden’ ”
– Frans Feldberg, Vrije Universiteit Amsterdam.

Bij het onderhoud van mechanische en elektrische systemen zie je een opkomst van customer care centra (CCC). Hier komt alle gebruiksdata over de verschillende systemen centraal binnen. Elk individueel systeem is voorzien van sensoren, waarmee het systeem communiceert met het CCC en aangeeft of onderhoud nodig is en wanneer storingen ontstaan. Grote onderhoudsbedrijven proberen de storing voor te zijn, aan predictive maintenance te doen. Bij grote en complexe klantlocaties zoals Schiphol wordt er zelfs continu, 24/7 met onderhoudsteams ter plaatse gewerkt, zodat men nog sneller op de storingsplek kan zijn. De CCC’s worden controlekamers, meldkamers waar het gebruik van dashboardsystemen normaal is. Dit betekent voor werknemers dat ze moeten kunnen reageren op wat ze zien op de dashboards, weten wat de afspraken zijn met de klant over bijvoorbeeld responstijden, en weten wat er in het onderhoudscontract staat. Werknemers worden procesoperators.

 VOORBEELD

Teqnow, is een technologie-initiatief voor mkb-ondernemers in de metaal. Het wil de laatste ontwikkelingen in slimme systemen breed toegankelijk maken voor MKB-metaal. Technologische ontwikkelingen gaan hard. Zo snel dat het voor MKB-metaalondernemers lastig kan zijn om alles goed te begrijpen, bij te houden en te beoordelen welke kansen het biedt. Teqnow biedt dienstverlening om bedrijven snel in staat te stellen nieuwe ontwikkelingen toe te passen in hun eigen onderneming. De belangrijkste onderwerpen zijn robotisering, digitalisering van zowel de interne bedrijfsvoering als ketendigitalisering. Bij deze digitale verbondenheid horen virtuele technieken (VR en AR), Internet der dingen (IoT) en (big) data. Daarnaast richt Teqnow zich in de volle breedte op kennis over materialen en het produceren met deze materialen. Deelnemers hebben toegang tot het netwerk waarin zowel kennisaanbieders als collega-bedrijven zijn opgenomen. Verder hebben deelnemers toegang tot een vraagbaak met een actieve doorverwijzing naar relevante partijen. Teqnow wil in de nabije toekomst ook de matching tussen bedrijven en kennisaanbieders bevorderen en begeleiden.

Ravo maakt al jaren veegwagens om de openbare ruimte schoon te houden. De veegwagens maken een transformatie door naar intelligente veegwagens. Niet alleen maken ze schoon maar ze kunnen ook de straten in de gaten houden met hulp van sensoren. Ze kunnen realtime informatie verzamelen over de hoeveelheid afval, mogelijke verkeersdrukte en andere zaken. Ook zaken als de luchtkwaliteit, de biodiversiteit en de wegdekkwaliteit kunnen in de gaten worden gehouden. De veegwagens zien van alles en delen de informatie met een controlecentrum waar de openbare ruimte gemonitord wordt.

ADVIEZEN VOOR het beroepsonderwijs

Voor studenten geldt dat voortgaande kennis van digitale hulpmiddelen nodig is, zowel aan de hardware als aan de software kant. Naast handwerk wordt het hoofdwerk steeds belangrijker. De student mag meer brede kennis hebben van digitale besturingssystemen. bijvoorbeeld CNC, 3D printing, lasersnijden en graveren. Het kunnen oefenen in het onderwijs met een besturingssysteem als Rapid Prototyping wordt steeds goedkoper en toegankelijker. Studenten hebben de machines soms gewoon thuis staan.

Verder is het belangrijk om in een vroeg stadium om te leren gaan met grote hoeveelheden data. Waar haal je de data vandaan? Welke data is relevant? Hoe interpreteer je de data? Maar ook hoe ga je om met de privacy gevoeligheid van data en met mogelijke cybercrime. Leer studenten om vanuit verschillende perspectieven naar data te kijken, zodat ze mogelijk nieuwe toepassingen voor procesverbetering en productverbetering kunnen ontdekken. Laat studenten waar mogelijk aansluiting vinden op bestaande innovatie-labs in de regio, zodat ze leren experimenteren en meewerken aan vraagstukken en nieuwe toepassingen van data. Maak studenten ook bewust van het feit dat ze niet alles kunnen weten en leren door de snelle technologische veranderingen. Maak ze verantwoordelijk voor hun eigen ontwikkeling en biedt leven lang ontwikkelen actief aan.

“Vroeger kon je met de kennis die je ooit leerde, je pensioen wel halen, nu is dat al binnen vijf jaar: dan heeft de techniek je ingehaald. Levenslang leergierig zijn; dat is onze uitspraak. En dat zal steeds meer digitalisering zijn. Gereedschapsmaker was een beroep, dat wordt nu machine operator. Dat klinkt als iemand die aan knoppen draait, maar het wordt veeleer iemand die de processen gaat doorgronden. De machine onthoudt wel hoe iets gemaakt moet worden”
– Leendert Remmelink, FME.

Met alle data die vrijkomt, is er meer behoefte aan datascientists en datascience opleidingen. Door het relatief nieuwe karakter van dit soort opleidingen, zit het niveau nog vaak op wo en hbo. Toch wordt er ook op mbo-niveau vier en niveau vijf (mbo-plus) in deze behoefte voorzien. Bijvoorbeeld met de opleiding middenkader Smart Building. Voor de bediening van Customer Care Centra zijn in de toekomst veel nieuwe werknemers nodig ook op de lagere mbo-niveaus. Dit vraagt om aanpassingen in het lesprogramma.

“In het datacontrole centrum gaat het om reageren op de dingen die je daar ziet. Dat is daar gewoon erg belangrijk. Wat zijn de afspraken met de klant? Dat soort informatie moet ook allemaal beschikbaar zijn. Wat voor onderhoudscontract hebben we? Hebben we bijvoorbeeld twee uur opvolging of kunnen we gewoon op ons gemak de volgende dag ernaar toe gaan of na het weekend? En hoe complex is die storing? Hoeveel gevaar loopt de rest van de installatie, raakt die oververhit of is er lekkage aan de gang? Dus ik bedoel al die dingen komen daar gewoon binnen en afhankelijk van dat soort signalen en berichtgeving moet daar een actie op worden gezet. Dus dat kunnen over het algemeen mbo-ers prima doen”
Hans Roodbergen, Heijmans.

Het werkproces in de metaalconstructie wordt steeds meer geautomatiseerd en gerobotiseerd. CAM banken en andere machines, zoals laserplasmasnijders stellen zichzelf in. Een deel van de onderdelen wordt kant en klaar aangeleverd, met een instructietekening die aangeeft waar onderdelen gelast/geplaatst moet worden. De constructiewerker hoeft de delen alleen nog te lassen. Dit werk krijgt steeds meer het karakter van eenvoudig mbo-niveau werk. Het complexere werk zit in het zelf kunnen programmeren en een programma kunnen herstellen als er iets niet klopt. En op het hoogste mbo-niveau wordt verwacht dat werknemers een cel kunnen aansturen van bijvoorbeeld tien CAM banken, waarbij ze keuzes kunnen bepalen van de te gebruiken machines, kostenramingen kunnen maken, de bedrijfsleiding kunnen adviseren over aan te schaffen machines, matrijzen of stempels. Ze fungeren dan als functioneel leidinggevende. De beschreven ontwikkeling voor het constructiewerk is in grote lijnen ook van toepassing op de verspanende functies. Het breder aanbieden van een module robotica kan doorstroming tussen niveaus bevorderen (Rijnland Advies, 2019).

Ontwikkelingen in de mechatronica spelen zich vooral af rond het “internet of things”. Machines geven informatie over hun status en over het productieproces. De medewerker moet een datanetwerk opbouwen in de productie, data binnenhalen, data analyseren, data beschikbaar stellen (“deep learning”). Hij kan html-programmeren. Dit wordt steeds meer een specialisatie binnen de mechatronica. De meeste medewerkers kunnen een PLC programmeren en zullen in te toekomst toegroeien naar de hierboven beschreven werkzaamheden (Rijnland Advies, 2019).

DossiersAls gevolg van slimme systemen zijn de volgende vaardigheden en kennis benodigd
Precisietechniek, Mechatronica, Machinebouw Onderhoud en Metaal bewerken• Bekend raken in monitoring en in het werken op met dashboards die realtime grote hoeveelheden data delen.
• Op afstand sturing kunnen geven aan processen.
• Kennis van een integrale systeembenadering en intelligente systeembesturing.
Middenkader Engineering • Bekend raken in monitoring en in het werken met dashboards die realtime grote hoeveelheden data delen. Op basis van data sturing kunnen geven aan processen.
• Kennis van digitale innovatie. Leren kijken vanuit een ander perspectief. Wat kun je allemaal met de beschikbare data doen? Welke multifunctionele inzet van sensoren is mogelijk in een bestaande context?
• Kennis van een integrale systeembenadering en intelligente systeembesturing.

INHOUDSOPGAVE MACROTRENDS METAAL EN METALEKTRO