Jan vertelt hoe Data Science en Industrial Automation samenkomen

Jan Maasland is opgeleid tot chemisch technoloog aan de TU/e in Eindhoven. De kennis die hij tijdens zijn studie vergaarde, komt hem nog dagelijks van pas bij zijn werk voor Dimensys en zijn gastlessen aan de Avans Hogeschool. 

“Als chemisch technoloog begrijp je sneller hoe processen in elkaar zitten. Ook als je voor het eerst bij een bedrijf komt, kun je jezelf al heel goed voorstellen hoe hun processen verlopen. Het is heel leuk om met nieuwe klanten of bij de start van nieuwe projecten door de fabriek te lopen en te bekijken hoe het productieproces eruitziet. De ene keer gaat het over de productie van staal, de andere keer over het maken van Pringles. Dankzij mijn achtergrond kan ik de data die binnen zo’n proces gegenereerd wordt goed interpreteren. Ik snap precies wat er gebeurt.”

Industrial automation

Dat begrip komt enorm van pas. Jan is een expert op het gebied van industrial automation. Hij weet alles over het optimaliseren van de productievloer. Met Manufacturing Execution Systems (MES) wordt productiedata vertaald naar inzichten om de beschikbaarheid van machines, de prestatietijd en de kwaliteit van de producten te verbeteren. In de regel zijn de Machine Execution Systems die de productievloer aansturen totaal verschillend van de software waarmee bedrijfsprocessen afgewikkeld worden. 

In een ideale wereld zijn het ERP-systeem en het MES-systeem van een productiebedrijf naadloos geïntegreerd. Daardoor zou het heel eenvoudig moeten zijn om bijvoorbeeld een order van een klant direct naar een opdracht aan een machine te vertalen. Die ideale wereld bestaat nog lang niet, stelt Jan. “Je hoort al jaren dat de ERP-laag rechtstreeks met de productievloer zou kunnen koppelen. Wij zien eigenlijk steeds dat dat niet kan. Om beide werelden te verbinden, gebruiken wij bijvoorbeeld GE software die de output van SAP in kan lezen en makkelijk te koppelen is met de machines op de productievloer. Alle gegevens die de machines produceren, kun je vervolgens ook weer terug laten vloeien in ERP. Die informatie kun je bijvoorbeeld gebruiken om je onderhoud te plannen, kwaliteit te verbeteren, stilstand te verminderen en te bepalen wat er daadwerkelijk geproduceerd is.”

Sterk teamgevoel

Het team van Jan telt twintig mensen. In tegenstelling tot veel andere medewerkers van Dimensys, zijn de collega’s van Jan bijna altijd op kantoor. “Veel collega’s van Dimensys zitten in hun eentje bij een klant. Wij werken meestal remote; we hoeven niet bij de klant aanwezig te zijn om ons werk te doen. Omdat we altijd bij elkaar zijn, is het teamgevoel heel sterk. Dat is absoluut een van de leuke aspecten van dit werk.”

Een ander onderscheidende karakteristiek van het werk bij Dimensys is de flexibiliteit. “Klanten weten wat ze nodig hebben. Maar in de loop van het project ontdekken ze wat er allemaal mogelijk is en komen ze erachter wat ze nog meer nodig hebben. Om daar ruimte aan te geven, implementeren we in fases. Kleine stapjes, heel flexibel.”

Jan vindt het leuk om zijn kennis te delen, met collega’s, met klanten, maar ook met jonge mensen die het vak nog moeten leren. “Ik vind het belangrijk dat er een goede aansluiting is tussen het onderwijs en het werkveld. Om daar een bijdrage aan te leveren, verzorg ik gastlessen aan de Avans Hogeschool, en ben ik betrokken bij afstudeerprojecten en stages.” Hoewel het hem veel tijd kost, vindt hij het geweldig om te doen. “Het is heel leuk om te zien waar mijn studenten allemaal mee bezig zijn. Vaak verrassen ze me met oplossingsrichtingen die ik zelf nog niet gezien had. Ik leer hier zelf ook van.” 

Data science

Jan betrekt zijn studenten ook bij een relatief nieuw gebied dat Dimensys aan het verkennen is: data science. De data uit de door Dimensys geïmplementeerde en beheerde systemen, kan immers heel nuttig zijn bij het oplossen van problemen. Jan: “Een producent van accu’s bijvoorbeeld, had veel last van stilstand. Wij zijn nu op basis van stilstanddata aan het onderzoeken waar de problemen ontstaan die deze stilstand veroorzaken.” Ook het incidentele kwaliteitsvraagstuk van een zinkproducent loste Jan samen met enkele studenten op door de data onder zijn statistische loep te leggen. ‘’Uit die informatie kunnen we de mate van intern kwaliteitsverlies van rollen zink herleiden. Zo stellen we de klant in staat zijn grip op de productiekwaliteit te verhogen.’’

Jan wil nog beter in zijn vak worden. “Ik volg nu cursussen op het gebied van data science om de methodologie nog beter onder de knie te krijgen. Mede dankzij de opkomst van IoT komt er steeds meer data beschikbaar. Het is goed om te kijken welke zinvolle dingen we hiermee met behulp van toegepaste wiskunde kunnen doen.” 

In 2017 deelde Dimensys samen met opdrachtgever ArcellorMittal Tailored Blanks op RTL 7 een toekomstbeeld op 'Smart Industries'. Wil je zien hoe machinedata worden ingezet om het productieproces te optimaliseren en wat de toekomstplannen zijn met machine learning? Neem een kijkje achter de schermen en bekijk het fragment. 

Werken bij Dimensys Technical Consultants? Bekijk dan hier de actuele vacatures >