Een data afhankelijk voedselsysteem

1. Data-technologie

Het is voor foodmerken van belang om zich te transformeren tot digitaal bedrijf om hun klanten nog beter van dienst te zijn. Data-technologie vergroot de voorspelbaarheid en draagt bij aan efficiënte inzet van productielijnen zodat het rendement verbetert. Onder Nederlandse consumenten zou ruim de helft meer willen weten over de productie en herkomst van zijn voeding. Met behulp van data technologie is de traceerbaarheid van producten voor de gehele keten naar 100 procent te krijgen. Het type werk verschuift. De complexiteit van productieprocessen neemt toe en dat noodzaakt tot het opwaarderen van bestaande banen.

 DIGITALE BESTELTECHNOLOGIE

Jongere generaties groeien op met de digitale besteltechnologie die fooddelivery drijft. Ook oudere generaties raken er steeds meer mee vertrouwd. Het is voor foodmerken van belang om zich te transformeren tot technologiebedrijf om hun klanten on- en offline nog beter te volgen en van dienst te zijn met behulp van (nieuwe) data.
De grote spelers van de toekomst zijn bedrijven die o.a.:
  • Nu al een sterke marktpositie betreden (denk aan klassieke foodbedrijven) en die online toevoegen aan hun concept (omnichannelstrategie)
  • Met slimme digitale oplossingen (en veel geld van investeerders) zich snel een marktpositie weten te veroveren (zoals Picnic).

(Foodservice instituut).

 DATA-TECHNOLOGIE IN VOEDINGSINDUSTRIE

Door analyse van data is soms minder onderhoud van machines en installaties nodig. Systemen die gegevens over de status van productielijnen en de planning combineren, gaan medewerkers in de ‘control room’ van advies voorzien over de optimale aansturing van de verschillende productielijnen. Door artificial intelligence leren deze systemen van eerdere situaties en worden adviezen beter. Ook voeren procesoperators eerste lijnonderhoud vaker zelf uit. Dit is mogelijk met behulp van sensoren, automatische monitoring, diagnoses via internet en een servicemonteur van de leverancier op afstand (Operator Asset Ownership). Betere metingen en dataverzameling in het veld (bij de boer/teler) maken de aanvoer vanuit toeleveranciers (o.a. over hoeveelheid en kwaliteit) veel beter te voorspellen. Op basis daarvan kunnen voedingsproducenten al eerder geschikte afnemers zoeken en een betere match tussen vraag en aanbod tot stand brengen (UWV5 en ING economisch bureau 2).

 PREDICTIVE MAINTENANCE EN TOEZICHT OP AFSTAND

Bij predictive maintenance of voorspellend onderhoud voeren bedrijven onderhoud niet te vroeg (preventief) of te laat (correctief) uit, maar op het juiste moment. Aan de hand van data wordt voorspeld wat het meest geschikte moment voor onderhoud is. Een belangrijke reden om predictive maintenance of voorspellend onderhoud in te voeren, is de uptime verbeteren. Eenvoudig is het echter niet om tot dit vrij abstracte niveau van onderhoud te komen. Doel bij predictive maintenance is dan ook om op het juiste moment de componenten te gaan vervangen net voordat het einde van de levensduur is bereikt. Zo wordt de beschikbaarheid verhoogd en de onderhoudskosten verlaagd. De benodigde data is slijtage data of levensduur data van de componenten die falen. Zo kan nauwkeurig bepaald worden wat de exacte levensduur is en het bijbehorende uitvalpercentage. Als de kosten bekend zijn van zowel de reparaties (gepland en ongepland) als van de “downtime” dan kan tevens de optimale termijn bepaald worden voor het vervangen van de componenten (Femto).

Naast predictive maintenance is ook toezicht op afstand mogelijk, waarbij de taken van een monteur dan wel van de operator veranderen. Arry Verhage (SOL) vertelt daarover: “Meekijken op afstand is interessant. Apparatuur wordt steeds complexer. Technische experts gaan via een camera op afstand meekijken en via AR of VR de monteur of operator instructies geven. Hierdoor veranderen de taken en wordt het verschil tussen deze functies kleiner.”

 TRACEERBAARHEID IN DE LEVENSMIDDELENINDUSTRIE

Onder Nederlandse consumenten wil ruim de helft meer weten over de productie van zijn voeding en dan met name over vlees. Na schandalen in de vleesindustrie, zoals in 2014 met paardenvlees dat als rundvlees werd verkocht, is de behoefte aan informatie en traceerbaarheid groter geworden. De consument wil weten wat ze eet, wat de herkomst is, welke voedingswaarden ze binnenkrijgen en of het product veilig is. Met behulp van data technologie is de traceerbaarheid van producten voor de gehele keten naar 100 procent te krijgen. Machinebouwer voor de slachtindustrie Marel wil data delen tussen vleesverwerkers en supermarkten, zodat de consument kan zien waar het vlees vandaan komt. Dit kan middels de software in de machines van Marel, een grote speler in de slachttechniek. Dat leidt tot onderscheidende producten, voegt waarde toe en vergroot de bereidheid bij de consument om meer te betalen, zoals bijvoorbeeld het geval is bij antibioticavrij vlees. Via keurmerken en QR codes is het makkelijker om informatie over de samenstelling, herkomst en productie van voeding met consumenten te delen. 

De beperkingen van etiketten, zoals de beperkte ruimte en de nadruk op tekst, zijn daarmee deels op te lossen. Er is veel ruimte voor verbetering, want hoewel 85 procent van de consumenten etiketten leest, vindt bijna een derde de informatie onvoldoende (ING Economisch Bureau2 en Vleesmagazine.nl).

 “Voedsel is nog nooit zo veilig geweest, maar het wantrouwen vanuit de consument is ook best groot. Voedsel uit de fabriek is echt veiliger dan ambachtelijk eten van de markt. Maar toch wordt dat meer vertrouwd. De volgende stap daarin is transparantie. Je moet heel nauwkeurig werken, waar komt deze badge vandaan, wat gebeurt er? Iedere handeling moet geregistreerd worden. De consument kan straks een code scannen op bijvoorbeeld kaas en kan het hele productieproces bekijken.”
– Arry Verhage, Sol

 TECHNOLOGIE VERANDERT DE WERKGELEGENHEID

Technologie is bepalend voor toekomst van de werkgelegenheid. In de Nederlandse voedings- en genotmiddelenindustrie werken circa 150.000 mensen. Mede vanwege het hoge aandeel productiebanen staat een relatief groot deel van de werkgelegenheid bloot aan automatisering. Nieuwe technologie heeft daardoor niet alleen invloed op de toekomstige hoeveelheid werk in de sector, het heeft ook impact op de aard van het werk (ING Economisch Bureau2). Door de inzet van zelflerende robotsystemen maken de productiemedewerkers die voorheen het ‘handwerk’ deden plaats voor operators die de machines monitoren. Soms blijft handwerk nodig. Zo is het in de vleesverwerkende industrie nog erg lastig om al het werk volledig te automatiseren (en duur ten opzichte van de kosten van arbeid) (UWV5).

“Als je kijkt naar het werken in de levensmiddelenindustrie deed je als operator veel op basis van proeven, ruiken, horen. Nu worden die functies steeds meer naar een beeldscherm verschoven. De handelingen worden geautomatiseerd. Je gaat deeg niet meer voelen, maar je gaat meten of het de goede samenstelling heeft. Wat je nu ziet is dat het steeds meer gaat naar een continu productieproces; het product gaat erin en volgt allerlei processtappen. De laboranten en analisten hoeven ook steeds minder zelf te doen. Met iedere automatiseringsslag verdwijnt er werk. Toch zijn er niet minder mensen in de industrie gaan werken. De functie-eisen zijn gestegen en de omzet en productie is omhoog gegaan.”
– Arry Verhage, SOL

 BEHOEFTE AAN TECHNISCH/TECHNOLOGISCH EN HOGER GESCHOOLD PERSONEEL NEEMT TOE

Het type werk verschuift. Door foodtech neemt de complexiteit van productieprocessen toe en dat noodzaakt tot het opwaarderen van bestaande banen. In de productie wordt MBO+ meer en meer de standaard. Terwijl inpak- en magazijnwerk automatiseert, stijgt de vraag naar productontwikkelaars, engineers en data-analisten. De behoefte aan hoger opgeleid en specialistisch personeel leidt tot meer concurrentie tussen de voedingsindustrie en andere sectoren (ING Economisch Bureau2).

De levensmiddelenindustrie heeft meer technisch- en technologisch geschoold personeel nodig met een mbo- of hbo-diploma. Tot 2022 gaat het om 1.600 medewerkers per jaar. Nu beschikken te weinig afgestudeerden over de juiste papieren. Negentig procent van alle mbo-functies wordt nog ingevuld door zij-instroom via de daarbij noodzakelijke bijscholing (FNLI1).

Arry Verhage vertelt: “Het werk van laboranten gaat meer naar niveau 3 en 4. De laborant op niveau 2 verdwijnt, dat werk wordt overgenomen door automatisering en sensoren. De laborant die overblijft wordt meer een data-analist. Er is geen specifiek onderscheid meer tussen een laborant en een analist en voor een deel komt het werk terecht bij de kwaliteitsmedewerker. Monteurs krijgen met complexere technieken te maken. Er wordt meer van hen verwacht. Eerst namen we een aantal kwaliteitmonsters per dag, nu gaan we naar een constant proces van 24-uurs monitoring. De operator krijgt veel meer informatie en kan het proces nu beter en sneller bijsturen.”

INHOUDSOPGAVE SECTORALE TRENDS VOEDING