menu
Close
Veel voedselproducenten overwegen om industriële automatisering toe te passen. Dat komt door de snelgroeiende vraag naar voedingsmiddelen en de grote arbeidstekorten in de food industry. Door deze uitdagingen zijn veel voedselproducenten genoodzaakt om technologieën toe te passen. Robotica en automatisering zijn essentieel voor het verduurzamen en het efficiënter maken van productieprocessen. Veel ondernemers ervaren twijfels als het gaat om industriële automatisering: is de terugverdientijd rendabel genoeg? Behoud de productie de huidige kwaliteit? En hoeveel impact heeft het op het bedrijf en het personeel?
De huidige problemen in deze branche vragen om innovatie en efficiëntie. Door technologie slim in te zetten kunnen we de uitdagingen samen aan. Een grote transitie die momenteel plaatsvindt is het automatiseren en robotiseren van productieprocessen. Artificial intelligence (AI), data, robotica en industriële automatisering werken hierin nauw samen.
Er wordt veel van voedselproducenten gevraagd, zoals grotere volumes van producten produceren tegen een lagere prijs. Voedselproducenten streven naar continuïteit in de productieprocessen. Om rust en continuïteit te creëren is productieautomatisering een must. Continuïteit verlaagt risico’s en draagt bij aan:
Door de continuïteit op peil te houdenzorg je voor kostenbesparing en vergoot je de output. Om aan de huidige marktvraag te kunnen voldoen moet de productiviteit omhoog.
Machine learning – een methode van AI – maakt gebruik van zelflerende systemen. Hierdoor is het mogelijk om het denkvermogen van een procesoperator voor een specifieke taak na te bootsen. Het kan ingezet worden om processen efficiënter in te richten, bijvoorbeeld door een menselijk kwaliteitsoordeel te automatiseren. Iedereen heeft weleens een slechte dag en kan soms een fout maken. Bij machine learning is de kans op fouten maken veel minder groot, het beoordelen en uitvoeren van een taak is constanter. Veel kennis van ervaren operators gaat binnenkort verloren, omdat veel van hen met pensioen gaan. Machine learning verbeterd zichzelf en wordt steeds slimmer door de data die het systeem gebruikt. Daarnaast kan je ook planningen optimaliseren of machines bijsturen op basis van de output.
Machine learning maakt het mogelijk om data op hoog niveau te analyseren en de daaruit geleerde kennis toe te passen. Met de grote hoeveelheden data kan de technologie verbanden leggen, voorspellingen doen en zichzelf verbeteren. Machine learning kan het beste omschreven worden als een tool. Een tool die organisaties ondersteunt in het nemen van betere en snellere beslissingen.
Bij het toepassen van AI zijn de volgende zaken heel erg belangrijk:
Automatiseren kan door middel van robotica, maar productieautomatisering is per definitie niet alleen met robots of robotarmen. Bepaalde handelingen kunnen ook geautomatiseerd worden met een machine. Robotisering in de voedingsindustrie zien we steeds vaker en wordt toegankelijker. Dit komt door machine learning en de ontwikkeling van grippers. Voedingsmiddelen zijn geen eenvoudige producten voor een robot om op te pakken. Voeding is kwetsbaar en heeft verschillende vormen, daarbij moet rekening worden gehouden met de hygiënerichtlijnen.
De meeste voedselproducenten overwegen om over te gaan op automatisering vanwege de grote schaarste aan arbeidskrachten. Personeel is moeilijk te vinden; de werkomgeving is vaak niet aantrekkelijk en het werk is eentonig. Personeel vertrekt meestal na een korte periode. Het vinden en het inwerken van nieuw personeel kost veel tijd en geld. Een proces automatiseren maakt het werk minder arbeidsintensief. Bijkomend voordeel; personeelskosten worden lager. Dit bevordert de betrouwbaarheid en kwaliteit van processen.
Industriële automatisering wordt vaak toegepast bij eenvoudige handelingen, situaties en/of producten. In de meeste situaties wordt er geen denkvermogen toegepast; het automatiseringssysteem is niet in staat om te redeneren. Machine learning brengt hier verandering in, de technologie kan denkvermogen toepassen. Het is in staat om te kijken, te beoordelen en te doen. Hierdoor kunnen complexere handelingen geautomatiseerd worden, zoals het nauwkeurig opstapelen van producten in een doos.
Food Robots worden vaak ingezet om sorteerprocessen met een hoge nauwkeurigheid te automatiseren. Door middel van machine vision kan de robot producten herkennen en onderscheiden. Machine vision kan producten met verschillende groottes of slechte kwaliteit (bijvoorbeeld rotte appels) onderscheiden. Het systeem genereert data waarmee je verbeteringen kan doorvoeren. Met de verzamelende data kan de robot situaties herkennen en eventuele problemen voorkomen. Het systeem werkt steeds efficiënter en kan bijvoorbeeld ingezet worden om onderhoudsbeurten op tijd in te plannen.
In samenwerking met Verbruggen Paddenstoelen hebben we voor de sortering van oesterzwammen een deep learning algoritme ontwikkeld.
Verbruggen Paddenstoelen is een biologische oesterzwamkwekerij met ruim 40 jaar ervaring. Verbruggen wil graag het productieproces nóg duurzamer en efficiënter te maken. Om doelgericht aan het werk te gaan wil het bedrijf zich focussen op het automatiseren van het sorteerproces.
Voor het automatiseren van het sorteerproces ontwikkelden we een deep learning algoritme. Deep learning is een vorm van machine learning. De belangrijkste parameter bij het sorteerproces is het formaat van de oesterzwamhoed. Hiervoor heb je software nodig die in staat is om het onderscheid tussen de hoed en de steel te kunnen maken. De traditionele vision methode bleek al snel ongeschikt te zijn, omdat hier alleen naar contrasten wordt gekeken. Met deep learning ontwikkel je een systeem dat de objecten wél juist herkent. Hierdoor is het minder gevoelig voor veranderingen in de omgeving, zoals licht en vuil.
Industriële automatisering kan veel veranderingen teweegbrengen binnen een organisatie, voornamelijk op de werkvloer zelf. Robots kunnen minder uitdagende werkzaamheden overnemen of taken die arbeidsintensief zijn. Deze veranderingen kunnen invloed hebben op de huidige functies van werknemers. Er wordt snel gedacht dat het werk van een werknemer volledig wordt vervangen, dit is zelden het geval. Automatisering biedt ook weer nieuwe taken en functies. Door digitalisering kunnen taken complexer worden, dit vraagt om nieuwe kennis en vaardigheden. Toepassen van technologie kan het zware en eentonig werk van mensen overnemen. Hiermee verhoog je de productiviteit en verklein je het personeelstekort.
Om automatisering succesvol toe te passen is support, vanuit de gehele organisatie, een must. Voldoende draagvlak maakt innoveren makkelijker. Er is begrip vanuit de werknemers en denken graag mee met mogelijke oplossingen. De mensen op de werkvloer bezitten vaak waardevolle informatie als het gaat om procesoptimalisatie.
Voordat we een innovatietraject aftrappen organiseren we een innovatiesessie met mensen van verschillende lagen uit de organisatie en onze QING’s. Door verschillende inzichten te verzamelen krijg je een goed plan en creëer je draagvlak. Met draagvlak creëer je een vliegende start van jouw innovatieproces.
Benieuwd hoe je het beste industriële automatisering en machine learning toepassingen kan integreren in jouw bedrijf? Neem dan vrijblijvend contact met ons op.
Read more:
Bron: https://www.ing.nl/media/pdf_ING-Foodtech-Robotarm-biedt-
voedingsindustrie-de-helpende-hand-februari-2019_tcm162-165693.pdf
Sluit je aan bij ons krachtige netwerk. Ontvang uitnodigingen voor masterclasses, webinars en toonaangevende sprekers. Schrijf je hieronder in.
