VCM_022022_LR

7 VISIE V A L U E C H A I N M A N A G E M E N T - F E B R U A R I 2 0 2 2 ergens vast zal komen te zitten en dat je in één moeite alternatieve routes of zelfs alternatieve transportmodi voorgeschoteld krijgt. Google Maps kan zelfs uitdokteren waar een nieuwe weg wenselijk is om bottlenecks in de toekomst te vermijden. Dat alles wordt mogelijk gemaakt dankzij een replica van de infrastructuur in combinatie met live verkeersinformatie, inclusief de reacties van bestuurders. We moeten in feite streven naar een Google Maps voor onze productieomgeving, die ons predictieve informatie en dynamische suggesties voor alternatieve ‘routes’ biedt.” Digitale tweelingen versus digitale schaduwen Soms horen we ook wel spreken van ‘digitale schaduwen’. Frank Piller benadrukt dat digitale tweelingen en schaduwen weliswaar onlosmakelijk met elkaar verbonden zijn, maar niet helemaal dezelfde lading dekken. “Een digitale tweeling is de virtuele dubbelganger van een product, een machine, een proces of een complete faciliteit, die alle relevante data en simulatiemodellen bevat. Digitale schaduwen daarentegen, zijn taakspecif ieke ‘subsets’ en voorzien de data die vereist is voor specif ieke analyses en operationele beslissingen. Er bestaan digitale schaduwen voor brede analyses, zoals de optimalisering van de waardeketen, maar ook digitale schaduwen voor ‘mid-range’ analyses zoals de optimalisering van machineprocessen of voor diepgaande analyses zoals de optimalisering van snijmachines”, legt hij uit. Hoewel digitale tweelingen en schaduwen op zich al erg krachtig zijn, geloven ze aan de RWTH Aachen University vooral in de combinatie van digitale tweelingen met domeinspecifieke kennis. Figuur 1 geeft weer hoe zo’n benadering binnen Industrie 4.0 er uit kan zien. Prof. F. Piller: “We mogen niet vergeten dat er in productieomgevingen een schat aan menselijke kennis aanwezig is. Mensen zijn ook erg goed in het leggen van oorzakelijke verbanden en in het leren via ‘trial & error’. Dat kan informeel door intuïtief te experimenteren of formeel, bijvoorbeeld via Six Sigma-trajecten. Sommige medewerkers hoeven nog maar een stap in de fabriek te zetten en ze ruiken bij wijze van spreken al of alles goed zit. Die menselijke eigenschap mag je niet onderschatten. Alleen is die kennis niet schaalbaar en lastig te centraliseren. Wij geloven dat de kans op optimale beslissingen het grootst is met een slimme combinatie van die kennis en een digitale tweeling. Zo laat machine learning bij digitale tweelingen toe patronen te herkennen binnen de meest complexe systemen en kunnen op basis daarvan verbeteringsvoorstellen worden sis voor betere beslissingen nnen Industrie 4.0 FIGUUR 1 Leercyclus op basis van oorzakelijke verbanden in combinatie met live machine data en realtime modellen op basis van de digitale schaduw

RkJQdWJsaXNoZXIy MjkyNTU=