Waarom AI een fabriek niet kan optimaliseren die het niet begrijpt

Een machine stopt midden in de productie. De ERP weet welke klantorders en leverdatums er spelen, het MES weet welke bewerking is gestopt, onderhoud kent de reparatiestatus, en de machinelaag kent de storingscode en het exacte tijdstip. Dan stelt iemand de voor de hand liggende vraag: wat moeten we nu doen?

AI kan het alarm samenvatten, patronen vinden in historische stilstand en uitleggen wat waarschijnlijk is gebeurd. Maar tenzij het ook begrijpt welk product liep, welke orders van die bewerking afhangen, welke machines goedgekeurde alternatieven zijn, welke gereedschappen beschikbaar zijn, welke operators gekwalificeerd zijn en welke kwaliteits- of procesregels gelden, kan het de respons niet veilig optimaliseren.
Dat is in de eerste plaats geen AI-probleem. Het is een factorycontext-probleem.

DATA IS NIET HETZELFDE ALS CONTEXT
Fabrieken produceren al enorme hoeveelheden data. ERP, MES, onderhoud, kwaliteit, historians, PLC's, IoT-platforms en spreadsheets bevatten allemaal nuttige feiten.
Het probleem is dat die feiten vaak los van elkaar blijven staan. Een stopcode op zichzelf vertelt niet of de gebeurtenis tijdens productie, omstelling, onderhoud of een batch met een strikt verwerkingsvenster plaatsvond. Een machine kan stilstaan en toch onbruikbaar zijn omdat de vereiste opspanning niet beschikbaar is of de gekwalificeerde operator niet op shift staat.
Context koppelt de gebeurtenis aan de operationele situatie eromheen.

Dat omvat:

• Identiteit van asset en resource
• Actieve bewerking en werkorder
• Product en revisie
• Route en alternatieve routes
• Materiaal- en batchstatus
• Gereedschap en opspanningen
• Vaardigheden en shiftbezetting
• Kwaliteitsbeperkingen
• Onderhoudsstatus
• Capaciteit en afhankelijkheden stroomafwaarts
• Klantafspraken

WAAROM DASHBOARDS NIET VOLDOEN
Power BI en operationele dashboards zijn uitstekend om te tonen wat er is veranderd. Ze kunnen stilstand, groeiende wachtrijen, te late orders, afval of beschikbare capaciteit zichtbaar maken.

Maar een probleem tonen is iets anders dan beslissen wat de productie hierna moet doen.
Een dashboard kan laten zien dat een andere machine beschikbaar is. Het weet niet automatisch of die machine is goedgekeurd voor de huidige productrevisie, of de opspanning al is gereserveerd, of kwaliteit de overdracht moet goedkeuren, of het verplaatsen van de job een nieuwe bottleneck stroomafwaarts veroorzaakt.

Zodra rapporten tientallen speciale berekeningen gaan bevatten en planners het resultaat nog steeds naar Excel exporteren om alternatieven te testen, ligt het ontbrekende stuk meestal niet in nog een visualisatie. Het is een expliciet model van de fabrieksregels achter de beslissing.

VOORSPELLEN IS NIET OPTIMALISEREN
Voorspelling kan aangeven dat een machine waarschijnlijk uitvalt of dat een order een hoge kans heeft te laat te zijn.
Dat is nuttig, maar het vertelt niet wat je moet doen.
Optimalisatie heeft een andere taak. Ze beoordeelt mogelijke acties aan de hand van de regels en beperkingen van de fabriek.

Na een machinestoring kan een optimizer bijvoorbeeld testen of het getroffen werk op de oorspronkelijke resource kan blijven, naar een goedgekeurde alternatieve machine kan verhuizen, de volgorde kan wijzigen of overwerk kan inzetten.
Een haalbaar plan moet met de werkelijke omstandigheden rekening houden.
Veiligheidsgrenzen, procesgoedkeuringen, materiaalcompatibiliteit, certificering van operators, gereedschap, kwaliteitsbeperkingen, onderhoudsvensters en volgorderegels verdwijnen niet zomaar omdat een andere machine vrij lijkt.

AI, OPTIMALISATIE EN REGELS HEBBEN VERSCHILLENDE TAKEN
Generatieve AI kan planners helpen de situatie te begrijpen, verbonden informatie te doorzoeken, alternatieven te vergelijken, afwegingen uit te leggen en een bruikbare overdracht op te stellen.
Voorspellende modellen kunnen risico inschatten.
Optimalisatie-engines kunnen zoeken naar haalbare planningen.
Deterministische regels kunnen verifiëren dat een voorgestelde actie bekende productievoorwaarden respecteert.
Deze componenten kunnen samenwerken, maar mogen niet met elkaar worden verward.
Een taalmodel kan een overtuigende uitleg produceren. Dat bewijst nog niet dat een productieplan uitvoerbaar is.

PRODUCT, PROCES, RESOURCE
Een bruikbaar fabrieksmodel begint met Product, Proces en Resource.
Product beschrijft wat wordt geproduceerd, inclusief revisie, materiaal, batchregels en klantspecifieke eisen.

Proces beschrijft de bewerkingen, volgorde, instelcondities, inspecties, alternatieve paden en regels die nodig zijn om het te maken.

Resource beschrijft wat het werk kan uitvoeren. Een resource kan een machine, gereedschap, opspanning, oven, teststation, transportmiddel of persoon zijn.
Het belangrijke is de relatie ertussen.

De vraag is niet:
“Welke machine is vrij?”

De nuttige vraag is:
“Welke beschikbare resource kan de volgende vereiste bewerking voor precies dit product en deze order uitvoeren, onder het goedgekeurde proces, gereedschap, materiaal, kwaliteit, bezetting en timing?”

KENNISGRAFEN ZONDER DE HYPE
Een kennisgraaf biedt één manier om die verbonden fabrieksrelaties weer te geven.
In plaats van machines, bewerkingen, orders, gereedschap en materialen als losse records op te slaan, representeert de graaf ook de relaties ertussen.

Een machine kan een bewerking uitvoeren. De bewerking hoort bij een route. De route hoort bij een productrevisie. Een werkorder vereist die route. Voor de bewerking kan een opspanning nodig zijn. Die opspanning kan op dit moment aan een andere job zijn toegewezen.

Zo wordt een vraag als “waarom kan deze order niet naar Machine 7?” veel makkelijker te verklaren.
Het antwoord mag niet simpelweg “niet haalbaar” zijn.

Het moet uitleggen dat Machine 7 de bewerking ondersteunt, maar de vereiste opspanning niet beschikbaar is, de productrevisie nog geen goedkeuring heeft, of een kwaliteitsvoorwaarde stroomafwaarts de route blokkeert.

EEN DIGITALE TWIN HEEFT EEN TAAK NODIG
Een live dashboard is niet automatisch een digitale twin.
Een bruikbare twin representeert een afgebakend deel van de fysieke operatie en koppelt structuur, status, regels en brondata rond een specifiek doel.

Een asset-twin kan onderhoudsbeslissingen ondersteunen.
Een lijn-twin kan helpen om doorstroming en bottlenecks te begrijpen.
Een twin van het productiesysteem kan equipmentstatus koppelen aan orders, routes, materialen, mensen, kwaliteitsregels en leverafspraken.

De belangrijke vraag is niet “hebben we een digitale twin?”
Maar “welke gebruiker, beslissing en tijdsvenster ondersteunt deze twin?”

ASSET-IDENTITEIT IS FUNDAMENTEEL
Eén fysieke machine kan meerdere identiteiten hebben.
Onderhoud gebruikt misschien een assetnummer. MES gebruikt een productieresource. ERP gebruikt een werkcentrum. De IoT-laag ziet een controller of tagpad.

Die identificaties hoeven niet te verdwijnen, maar hun relaties moeten beheerd worden.
Als een AI-systeem raadt dat twee vergelijkbare machinenamen dezelfde fysieke asset representeren, kan elke latere beslissing fout zijn, ook al is de onderliggende data technisch schoon.

Asset-mappings hebben daarom eigenaarschap, geldigheidsdata, bronverwijzingen en wijzigingsbeheer nodig.

CONSTRAINTS ZIJN ONDERDEEL VAN DE DATA
Een route kan technisch mogelijk zijn en toch onacceptabel voor productie.

Harde constraints kunnen zijn:
• Veiligheidsgrenzen
• Goedgekeurde recepten
• Materiaalcompatibiliteit
• Machinecapaciteit
• Certificering van operators
• Kwaliteitsvrijgave
• Beschikbaarheid van gereedschap
• Onderhoudsbeperkingen

Andere constraints vertegenwoordigen afwegingen in plaats van absolute grenzen. Een extra omstelling kan acceptabel zijn om een urgente levering te beschermen. Overwerk mag voor de ene klantafspraak worden toegestaan maar niet voor een andere.

Het systeem moet die afwegingen zichtbaar maken in plaats van ze te verbergen in een ondoorzichtige aanbeveling.

SCHONE DATA IS NOODZAKELIJK — MAAR NIET GENOEG
Nauwkeurige tijdstempels, volledige gebeurtenissen, gestandaardiseerde identificaties en betrouwbare interfaces zijn essentieel.

Maar een perfect schone tabel verklaart nog steeds niet wat “beschikbaar”, “compleet” of “capaciteit” betekent.
Een machine kan mechanisch beschikbaar zijn maar onbeschikbaar voor de huidige bewerking. P