‘Elk inzicht dat ik krijg met data, roept een nieuwe vraag op’

“Bij de kleinste temperatuursveranderingen gaat het mis,” zegt Jan Willem Ridderinkhof. “Dan zetten onze producten net te veel uit.” Het klinkt als een detail, maar dit ene datapunt veranderde de manier waarop hij naar productie kijkt. Jan Willem is technisch directeur bij PM en werkte mee aan de Data Insights Track(opent in nieuw tabblad) van het lectoraat Supply Chain Finance: een programma voor mkb-bedrijven die slimmer willen omgaan met data. Hij gaf een workshop, deed daarna zelf mee en ontdekte hoe praktijk en inzicht elkaar versterken. “Met data krijg je beter zicht op wat je doet. Maar elk inzicht roept weer een nieuwe vraag op en precies dat houdt je scherp.”

Wat leerden de deelnemers van jouw workshop?

“Data verzamelen klinkt logisch, maar data krijgen pas waarde als de fabriek er iets mee doet. Tijdens mijn workshop liet ik een voorbeeld zien van wat we bij PM hebben gedaan. Wij maken nauwkeurige systemen die ervoor zorgen dat machines heel precies kunnen bewegen. Om dit te verbeteren hebben we temperatuur-, trillings- en stroomsensoren aan een van onze machines gehangen. We konden hiermee afwijkende waardes vinden. Temperatuur heeft bijvoorbeeld invloed op hoeveel een product uit kan zetten, dat is belangrijk als het gaat om micrometer werk.

“En dan wil je niet alleen een grafiek op een scherm, maar een alarm dat direct bij de juiste mensen binnenkomt als de waardes afwijken. En als die persoon afwezig is, moet het bericht automatisch naar iemand anders gaan. Je bouwt dus een keten: meten, analyseren, alarmeren, handelen.

“In tweede instantie willen we de data koppelen aan de uiteindelijke kwaliteit. Pas dan levert data echt iets op. Een trillingssensor klinkt misschien specifiek voor PM, maar de principes zijn overal hetzelfde. De data verschilt per bedrijf, maar de aanpak niet. In onze wereld gaat het om microscopische verschillen, maar een producent van deurmatten kan met dezelfde sensoren werken. De verwerking blijft identiek: ruwe signalen omzetten naar inzicht in kwaliteit. Uiteindelijk wil je dat een machine zichzelf kan bijstellen. Dat is nog een grote stap, maar elk alarm en elke koppeling brengt je dichterbij.”

Waarom besloot je na je workshop ook als deelnemer mee te doen?

“De onderwerpen die besproken werden, waren heel relevant voor bedrijven. En de groep was heel divers, van elektronica tot vloermatten, van fietsen tot automotive. Door die verschillende perspectieven leer je andere manieren van kijken naar je eigen processen. De gesprekken waren inspirerend en zetten je eigen aannames op scherp.

“Eén voorbeeld dat me is bijgebleven komt van een bedrijf dat werkt met vrij beschikbare data. Zij combineren verkoopcijfers van auto’s met bevolkingsgegevens om te bepalen waar een nieuw filiaal kansrijk is. Soms druist dat in tegen je gevoel, maar het werkt wel. Ik vind het fascinerend hoeveel je kunt leren van data die gewoon openbaar is.”

Wat is een misvatting die je vaak hoort over data?

“Iedereen wil tegenwoordig iets met AI. En AI kan veel, vooral als je met veel variabelen werkt. Maar als je rommel automatiseert, krijg je geautomatiseerde rommel. Je moet eerst orde scheppen: weten wat je wilt verbeteren, de juiste data verzamelen en die kunnen koppelen aan je product of proces. Pas daarna heeft AI zin.”

Waar liggen volgens jou de grootste kansen voor maakbedrijven?

“Twee heel concrete. De eerste is efficiëntie: met dezelfde mensen meer output leveren, omdat je beter weet wat er in je proces gebeurt. Vakmensen zijn schaars, maar machines niet.

“De tweede is kwaliteit. In Nederland blijven we relevant door kwaliteit en precisie te leveren. Dat vraagt dat je gevoelige factoren goed in de hand hebt. Anders verliest de industrie het van lagelonenlanden. Data helpt om die kwaliteit structureel te bewaken.”

Wat hielp jou het meest tijdens de Track?

“De interactie tussen deelnemers. Je krijgt letterlijk een kijkje in de keuken bij andere bedrijven, en dat inspireert. En nog steeds! Tijdens de terugkomdag deelden we wat we sinds de start hadden gedaan. Dan zie je hoeveel kruisbestuiving er ontstaat. Iemand had mijn voorbeeld van temperatuurbewaking toegepast op zijn eigen lijn. Dat soort dagen zorgen dat je verder komt.

“We hebben mailadressen uitgewisseld en bellen elkaar. Je wordt niet in vier bijeenkomsten expert, maar de naam zegt het al: Data Insights Track. Die moet je toepassen en blijven uitproberen.”

Wat raad je mkb’ers aan die willen beginnen met data?

“Veel bedrijven blijven hangen in nadenken over het perfecte plan. Maar dat bestaat niet. Denk vooraf goed na, maar kies één proces, één dataset, één meetpunt. Hang een sensor op en spreek af wie de signalen opvolgt. Door te beginnen met verzamelen en analyseren merk je vanzelf of je de juiste data hebt en wat je nog mist. Begin klein, leer snel, schaal daarna.”

Over PM

PM ontwikkelt en produceert high-precision lineaire geleidingen, slides en maatwerkpositioneersystemen voor onder meer de halfgeleider-, medische en analytische industrie. Het bedrijf werkt al decennia aan extreem nauwkeurige bewegingstechniek.

 Over de Data Insights Track

De Data Insights Track is een initiatief van het lectoraat Supply Chain Finance van Windesheim, in samenwerking met Kennispoort Regio Zwolle(opent in nieuw tabblad) en de digitale werkplaats MoveDigi(opent in nieuw tabblad) van het lectoraat Digital Business & Society. Het programma helpt mkb-bedrijven om data praktisch in te zetten binnen hun processen. Je kan je hier aanmelden voor de nieuwe editie(opent in nieuw tabblad), de eerste workshop is 7 mei.