Verduurzamen door de kracht van digitalisering
ISPT verbindt industrie en kennisinstellingen voor duurzame digitale transitie
Dankzij digitalisering kunnen fabrieken de grote hoeveelheden gegenereerde data benutten voor onderhoud en kwaliteitscontrole. Minder bekend is dat dezelfde data ook kunnen bijdragen aan het verkleinen van de milieuvoetafdruk. Artificial Intelligence (AI) biedt hierbij kansen om circulariteit te bevorderen, energie te besparen en adaptiever te produceren. Dit vraagt om een nieuwe aanpak, gebaseerd op co-creatie met operators en het benutten van bestaande proceskennis. ISPT speelt hierin een verbindende rol door stakeholders samen te brengen en digitalisering in te zetten als brug tussen technologie en verduurzaming in de procestechnologie.
Data als sleutel tot verduurzaming
Bedrijven focussen logischerwijs op hun corebusiness: produceren, omzet genereren en winst maken. Procesoptimalisatie, kwaliteitscontrole en onderhoud worden hierbij steeds vaker ondersteund door datagedreven technieken. Via sensoren verzamelde data leveren, na digitale analyse, bruikbare informatie op voor deze doelen. Minder bekend is dat dezelfde data ook inzetbaar zijn voor verduurzaming van processen — een thema dat nu nog niet overal prioriteit heeft, maar door stijgende energieprijzen en strengere regelgeving snel aan belang wint.
Jeroen Jansen is werkzaam bij de afdeling Analytische Chemie en Chemometrie aan de Radboud University. Hij leidt diverse projecten over industriële digitalisering in samenwerking met ISPT en legt uit: “Vooral technologieën als Artificial Intelligence kunnen helpen om bestaande data voor nieuwe doeleinden te benutten. Denk aan het meten van materiaalstromen en het optimaliseren van reststromen of circulariteit. Tegelijkertijd kun je met dezelfde technologie je processen optimaliseren en hiermee sneller of goedkoper werken. Het mes snijdt dus aan twee kanten, wat ons het vertrouwen geeft dat de markt overtuigd kan raken van de mogelijkheden.”
AI vraagt om co-creatie
De vertaling naar de praktijk waarin bedrijven inderdaad bestaande dataverzamelingen gebruiken voor nieuwe doeleinden, is echter niet eenvoudig.
Jeroen Jansen: “De Nederlandse kennisinstellingen lopen ver voorop in Europa en de wereld in de ontwikkeling van deze nieuwe algoritmen, maar er is nog een zee aan mogelijkheden om deze AI in de Nederlandse procesindustrie te gebruiken. Hiervoor is echter een radicaal vernieuwende aanpak nodig, die niet zonder co-creatie kan.”
“Industrie 4.0 vraagt net zo goed om sociale innovatie als om technologie”
Samenwerken dus. Met een diversiteit aan stakeholders waaronder kennisinstellingen en industriële partners, maar ook tussen diverse disciplines binnen deze organisaties onderling.
Jansen: “Het meest belangrijk is misschien nog wel om te realiseren dat het gebruik van (bestaande) data voor verduurzaming niet uitsluitend het domein is van de techniek. Integendeel: de harde bètawetenschap van de kunstmatige intelligentie zul je moeten combineren met mensen, afdelingen en waardeketens op een hoger sociaal interactieniveau. Bedrijven díe er al mee aan de slag zijn gegaan, bevestigen dat Industrie 4.0 is gepresenteerd als een sterk technologisch-georiënteerde innovatie, maar dat de realiteit van de werkvloer en de organisatie binnen een bedrijf minimaal zo belangrijk zijn voor succes. Dit besef was voor ISPT – als facilitator en bruggenbouwer – voldoende reden om het vraagstuk op te pakken.”
Van algoritme naar toepassing
De theorie wordt inmiddels in praktijk gebracht via projecten als Measurement 4 Management, Carefree Models en Fingerprint 2 Footprint. Centraal staat de samenwerking tussen diverse stakeholders om duurzaamheid via data te realiseren. Daarbij is een aantal drempels te nemen.
Ten eerste moet de technische kant in orde zijn. Dat betekent dat er op de juiste plaatsen sensoren zijn geïmplementeerd die de juiste data genereren. Bij veel bedrijven in de procesindustrie is dat nog niet het grootste probleem. Waar toch sensoren ontbreken, zijn deze relatief makkelijk aan te brengen. Problematischer is het vraagstuk om alle datastromen te integreren in een totaalplaatje. Veelal zijn de geplaatste sensoren namelijk de uitkomst van meerdere, kleinere projecten die elk een specifiek probleem oplossen of achterhalen. Het is dan de kunst om deze versnipperde data zó samen te brengen dat ze als input kunnen dienen voor AI-modellen met een duidelijk doel, zoals energiebesparing of afvalreductie.
“De kracht van AI zit in samenwerking, niet in algoritmes alleen”
Enerzijds is dit ook een technische aangelegenheid maar anderzijds is het breder omdat hiervoor de kennis nodig is van diverse partijen. Voor het bouwen van bruikbare modellen is namelijk ook kennis nodig van procestechnologen én de ervaring van mensen op de werkvloer. Die groepen moeten met elkaar in dialoog om gelaagd procesinzicht te ontsluiten en hiaten in kennis zichtbaar te maken.
Jeroen Jansen: “De AI-modelbouwer is eigenlijk degene die aan het ‘roeren’ is in het werk van een ander. Daarbij spelen ook persoonlijke voorkeuren en werkvloerervaring mee. Om die reden werken we ook samen met de afdeling pedagogie van Wageningen Universiteit, die veel kennis heeft over de impact van digitalisering op medewerkers. Daarbij mag een AI-model nooit ten koste gaan van productkwaliteit of procestempo. Ook dat is een cruciale randvoorwaarde.”
Handhelds bij Huntsman
Het project Fingerprint 2 Footprint wordt onder meer uitgevoerd bij Huntsman, producent van diverse grondstoffen voor de polyurethaanindustrie. Kwaliteitscontrole is er cruciaal. Van oudsher worden daartoe tijdens het productieproces samples genomen die vervolgens in een laboratorium worden geanalyseerd. Hoewel zeer nauwkeurig, is deze methode tijdrovend. Bij eventuele afwijkingen is er dan vaak al veel materiaal buiten specificatie geproduceerd.
Om sneller te kunnen reageren, test Radboud Universiteit nu handheld spectrometers die direct op de productievloer metingen uitvoeren. De eerste resultaten waren positief en vormden het startpunt voor het project Fingerprint 2 Footprint, samen met andere partijen uit de chemie. De zogeheten ‘fingerprint’ betreft in-situ kleurmetingen met een handheld nabij-infrarood spectrometer. Deze metingen worden met behulp van AI vertaald naar diepgaande voorspellingen over materiaaleigenschappen. Deze chemische fingerprint dient niet alleen ter ondersteuning van kwaliteitscontrole, maar kan ook inzicht geven in ecologische impact. Zo draagt de techniek bij aan het verkleinen van de footprint én aan procesoptimalisatie.
Ivo Jacobs is vanuit Huntsman projectleider en weet: “Met handhelds zijn meetgegevens veel eenvoudiger en vooral veel sneller beschikbaar. Het is nu vooral zaak om in de komende tijd na te gaan of de metingen voldoende betrouwbaar zijn in vergelijking met de waarden die een laboratorium genereert. Wil je de data ook gebruiken voor duurzaamheidsdoelstellingen, dan is noodzakelijk een nieuwe informatiewaardeketen te ontwikkelen die onder andere het meetprotocol integreert in de AI-modellen die je meting op waarde analyseren. Daarbij is het noodzakelijk om de operators te betrekken. Alleen samen ben je in staat om de verbanden tussen procesvingerafdrukken en de ecologische en economische voetafdruk zo compleet mogelijk in kaart te brengen. De juiste balans vinden tussen de implementatiekosten van in-situ vingerafdruktechnologie en de werkelijke waarde ervan in procesvoering en -verbetering én het verlagen van de milieu-impact zal van doorslaggevend belang zijn om succes te hebben.”
Transdisciplinaire samenwerking als motor
Binnen het digitaliseringsportfolio van ISPT wordt een tweesporenstrategie gevolgd: kennisinstellingen ontwikkelen generieke digitale en analytische strategieën, die vervolgens worden gevalideerd via specifieke industriële casestudies. Radboud Universiteit-Analytische Chemie (RU-AC) ontwikkelt nieuwe digitale en analytische technologieën, Radboud Universiteit-Milieuwetenschappen (RU-ES) voorspelt mogelijke duurzaamheidswinst van de ontwikkelde modellen en Wageningen University & Research (WUR) onderzoekt welke factoren het gebruik van AI en vingerafdruktechnologieën door operators beïnvloeden. In het universitair onderzoek is een dergelijk intensieve transdisciplinaire samenwerking zeldzaam, maar dus onmisbaar om gegenereerde procesdata succesvol in te zetten voor een diversiteit aan doeleinden.
Als voorbeeld omvat de samenwerking met Huntsman de volgende onderdelen:
- Het identificeren van de optimale vingerafdruktechnologie voor specifieke meetcontexten.
- Het ontwikkelen van vereenvoudigde in-situ meetprotocollen voor operators.
- Het integreren van vingerafdrukgegevens in bestaande procesinfrastructuren.
- Het samenwerken met procesoperators om mogelijkheden te ontdekken voor snellere, nauwkeurigere vingerafdrukgebaseerde acties, wat de procesconsistentie, economie en duurzaamheid ten goede komt.
Jeroen Jansen: “Deze projecten leveren een robuuste digitale infrastructuur, die de kloof tussen chemische vingerafdruk en prestatie-footprint overbrugt. We willen dus aan het einde van het project onder meer een kwantitatieve methode hebben gevonden voor het beoordelen van procesanalysetechnologie met vingerafdrukken vanuit een waardepropositiekader. Maar ook systematische meetmethoden die zijn afgestemd op gebruik door operators met in-situ vingerafdruktechnologieën. Daarnaast verwachten we tegen die tijd een kwantitatieve aanpak te hebben om vingerafdrukgegevens naadloos te integreren in bestaande procesgegevens en kwaliteitscontrole-infrastructuren, waardoor aanvullende waarde wordt gecreëerd. En uiteraard willen we aan het einde vooral in staat zijn om de vingerafdrukken te gebruiken om de KPI’s van dit bedrijf te verbeteren en zo nieuwe inzichten te verkrijgen in technologiegedreven duurzaamheid. Dit alles zonder de economische prestaties in gevaar te brengen. Ieder bedrijf dat hier mogelijkheden ziet is welkom om zich bij ISPT aan te sluiten en deze te onderzoeken en te benutten.”
