De opmars van Robotica en Smart Industry
Ondernemers sociëteit voedingsindustrie
B2B Communications
Wallbrink Crossmedia
Kijk ook eens op

De opmars van Robotica en Smart Industry

  • 22 November 2018
  • Door: Judith Witte

De foodsector heeft, vergeleken met andere sectoren, nog steeds een relatief lage robotdichtheid. Maar er vindt een inhaalslag plaats. Bigdata-technologieën als data-analyse, data-mining en kunstmatige intelligentie zetten de agrifoodketen - van grond tot mond - fundamenteel op z’n kop.

De toekomst voor robotproducenten ziet er veelbelovend uit. De verkoop van robots is het afgelopen jaar met 30 procent gestegen, het jaarlijkse verkoopvolume van industriële robots nam in de afgelopen 5 jaar (2013-2017) toe met maar liefst 114 procent. De cijfers werden in oktober bekendgemaakt door de International Federation of Robotics (IFR). De organisatie spreekt van ‘een succesvolle ontwikkeling van de wereldwijde robotmarkt’. Industriële robots zijn een cruciaal onderdeel geworden van de vooruitgang in de maakindustrie, stelt het IFR. En ze evolueren continu, dankzij een veelheid aan innovatieve technieken als vision technology, artificiële intelligentie en eenvoudigere bediening. Overal om ons heen zijn inmiddels robots aan het werk: thuis en op de werkvloer; in winkels, ziekenhuizen, stallen en fabrieken. En steeds vaker ook in de agri-foodsector.

De uitdaging

Dat signaleert tevens ABN AMRO in het rapport ‘Robotisering in de sector Food’ dat ook in oktober verscheen. Volgens de bank wordt de spurt van robots in foodsector vooral veroorzaakt door de opkomst van big data en kunstmatige intelligentie. Maar hoewel de technologie er klaar voor is, blijft de inzet van robots in de foodsector toch lastig. “Een robot handelt het makkelijkst in een gecontroleerde omgeving. Maar verse producten, zoals paprika’s of tomaten, verschillen in grootte, vorm en gewicht. De verwerkingslijnen moeten dus flexibel zijn. Juist dat is een grote uitdaging voor robots”, aldus Nadia Menkveld, Sector Econoom Food en Agrarisch van ABN AMRO. “Door de snelle ontwikkelingen op het gebied van AI, big data en mechanica vindt nu een ommekeer plaats. Alle signalen wijzen erop dat de voedingsmiddelenindustrie klaar is om robotisering te omarmen.” Maar zover ís het nog niet. Althans niet volgens Schouw Automatisering.

Zijn voedselverwerkende bedrijven klaar voor de toekomst? Dat was de hoofdvraag in het (eveneens in oktober uitgebrachte) ‘Trendrapport IT Food Forecast’. Dit onafhankelijk onderzoek werd uitgevoerd door bureau RVS in opdracht van Schouw Informatisering. Het antwoord is duidelijk: ‘Nee, dat zijn ze niet’. De onderzoekers signaleren wel een groeiende behoefte van de voedingsindustrie aan meer efficiency, en de mogelijkheid om in hoog tempo te innoveren. Om dat te kunnen, is echter inzicht nodig, en grip op de keten en op interne processen. Daar zit een knelpunt. ‘Het doorbreken van bestaande structuren en bijkomende investeringen staan snelle veranderingen in de weg’, lezen we in het rapport. ‘Veel organisaties lopen simpelweg tegen de digitale grenzen van hun platformen en ICT-architectuur aan.’

Het vergaren van data om daarmee het gewenste inzicht te verkrijgen, lukt de meeste organisaties nog wel. Maar het soepel varen op betrouwbare managementrapportages is een grote uitdaging; niet zozeer voor wat betreft de kwaliteit van die rapportages, maar vooral in de wijze waarop ze tot stand komen. ‘Een verouderde werkwijze zorgt voor efficiencyverlies en vergroot de foutmarge. Er blijft nog veel gegenereerde data onbenut’, zo luidt de conclusie. ‘Het toenemende belang van traceerbaarheid, duurzaamheid en voedselveiligheid, in combinatie met de noodzaak van innovaties die een steeds kortere time-to-market kennen, vraagt om modernisering.’ Dat de sector hierin achterblijft, heeft volgens Schouw Automatisering vooral te maken met relatief lage IT-investeringen.

Data vergaren én oogsten

Maar als er wél geïnvesteerd wordt en die structuren daardoor niet verouderd zijn; dan kunnen de voordelen van robots in het productieproces groot zijn. Met de data die ze verzamelen kunnen bedrijven hun processen nóg efficiënter inrichten, producten sneller getraceerd worden en ketens worden verkort. Robots kunnen ook een belangrijke bijdrage leveren aan het tegengaan van voedselverspilling. Nadia Menkveld (ABN AMRO): “Elk product is door het systeem gegaan. Als de kwaliteit tegenvalt, wordt gemakkelijk de gehele partij getraceerd, de leverancier kan gericht op de hoogte worden gebracht.”

Krapte op de arbeidsmarkt

Robotisering kan ook het groeiende tekort aan arbeidskrachten in de foodsector opvangen. “Door de krappe arbeidsmarkt hebben steeds meer bedrijven moeite met het werven van personeel en dat kan hun groei in de weg staan”, licht Nadia Menkveld toe. “Bovendien zijn de werkomstandigheden in de foodsector niet altijd even prettig, zoals groente of vlees snijden in een koude omgeving. Het verder automatiseren van processen met de inzet van robots vergt in eerste instantie een flinke investering. Het leidt ook tot een ander soort banen; werk dat om nieuwe vaardigheden van medewerkers vraagt.”

Verwachtingen

Ondanks de verschillen zijn alle drie de rapporten het over één ding eens: de verwachting is dat er meer ketenintegratie zal ontstaan en er steeds meer data-uitwisseling tot stand komt; deels om te beantwoorden aan de eisen van transparantie en traceerbaarheid, deels om voedselverspilling tegen te gaan. Rechtstreekse, online verkoop aan de eindconsument zal verder toenemen. Ook innovatieve oplossingen beschikbaar vanuit de Intelligent Cloud en blockchain-technologie, zullen aan belang toenemen. In combinatie met ontwikkelingen als het IoT (Internet of Things), blockchain, 3D-printen en nanotechnologie, leidt dit tot nieuwe businessmodellen en kansen voor ondernemers.

Cybersecurity

Geweldig dus, al die data! En natuurlijk: uitwisseling van kennis en informatie is essentieel. Maar ondertussen leggen hacks in binnen- en buitenland hele bedrijven, banken en instellingen plat, met steeds groter wordende gevolgen. Voorheen was IT (Information Technology) een gescheiden wereld van OT (Operation Technology). Die twee werelden komen steeds dichter bij elkaar. Rianne Boek van NEN en Marcel Jutte van Hudson Cybertec werken daarom binnen NEN samen om cybersecurity een prominentere plaats te geven in de industrie. “Normalisering is absoluut noodzakelijk”, zegt Rianne. “Maar hoe je die toepast, ermee aan de slag blíjft in de snelle veranderingen binnen de OT en IT en ook de wetgeving, is niet eenvoudig bij te benen. Zeker niet als cybersecurity niet je vak is.” Voor bedrijven en instellingen die hierop vastlopen, is er het Industrieel Platform Cyber Security (IPCS). Rianne over de noodzaak van het platform: “We leven steeds meer in een wereld met het internet of things (IoT) en het daaraan gerelateerde industrial internet of things (IIoT). Lampen, speakers, temperatuursensoren, de deurbel; ze zijn allemaal aangesloten op het web, op afstand uitleesbaar en/of bestuurbaar, en met een eigen IP-adres. Ze wisselen onderling informatie uit, en met de mens. Alles is meetbaar en kan afzonderlijk of samen bestuurd worden. Het is de toekomst van de industrie; zeker. Maar wat betekent dit voor de beveiliging? Ook hierover wisselt het platform informatie met elkaar uit.”

Standaarden nodig

Flexibel produceren tegen de kostprijs van massaproductie: dat robotica een belangrijke rol kan spelen bij het realiseren van dit doel is wel duidelijk. Maar ook andere technologieën, zoals operator support en slimme procesbesturing zijn nodig. Deze ontwikkelingen brengen nieuwe uitdagingen met zich mee: welke standaarden zijn nu nodig om al deze technologieën goed met elkaar te laten samenwerken? Hoe kunnen we robots veilig inpassen in het productieproces? En welke internationale standaardisatie-ontwikkelingen sluiten hier het beste bij aan? Veel ondernemers komen erachter dat interfaces tussen robots vaak leverancier-specifiek zijn. Hierdoor kan niet iedere robot met iedere robotarm verbonden worden. Dat is lastig en allesbehalve flexibel. Daarom zijn er standaarden en richtlijnen nodig op het gebied van robotmodulariteit, vindt het NEN. Ook qua veiligheid zijn er nog uitdagingen: hoe zet je bijvoorbeeld robots in die met mensen samenwerken, de ‘cobots’? Moet er een afscherming omheen, of zijn er ook andere methoden om zo’n robot veilig in te zetten? Ook hiervoor zijn standaarden nodig. Het platform ‘Smart Industry standaardisatie’ organiseerde daarvoor op 13 november een kennissessie (de verschijningsdag van dit vakblad). “Binnen Smart Industry komen standaarden uit de ICT en de maakindustrie bij elkaar om een betere samenwerking mogelijk te maken. Het is van groot belang dat bedrijven weten waar ze terecht kunnen voor Smart Industry standaardisatie, en dat Nederland tijdig aanhaakt bij de juiste internationale initiatieven”, aldus Rianne Boek.

Toekomstige machineveiligheid

Aan een concrete invulling van standaarden en richtlijnen wordt al gewerkt. Zo bracht TNO in oktober een voorstel uit voor essentiële veiligheids- en gezondheidseisen op het gebied van machineveiligheid (zie kader). Daarmee moet de Machinerichtlijn toekomstbestendig worden. Deze richtlijn geldt met name voor machines die uitgerust zijn met machine learning; want machines (de scheidslijn tussen een machine en robot is steeds moeilijker te trekken) kunnen steeds meer. TNO voerde een deskstudie uit en interviewde experts op het gebied van robotica en machine learning. De resultaten van deze studie staan in het rapport ‘Essentiële V&G-eisen voor industriële machines uitgerust met machine learning’.  

Trendrapport impact IT in voedselverwerkende industrie

Enkele voorstellen voor essentiële eisen van TNO zijn:
Machines met machine learning technologie moeten in staat zijn om:

-adequaat en passend te kunnen reageren op de mens, aangeven welke acties de machine gaat ondernemen en op basis van welke informatie.
Deze machines mogen geen beslissingen of overwegingen maken:
-in relatie tot schade aan mens en omgeving,
-die leiden tot acties van de machines buiten hun gedefinieerde taak en bewegingsruimte.
Acties van deze machines moeten vooraf en achteraf te herleiden zijn op basis van:
-transparantie in toegepaste datasets, testomgevingen en afwegingskaders,
-of toetsingscriteria voor beslissingen van algoritmen.
Het beslisproces van een machine met machine learning technologie moet gelogd worden én bewaard blijven.

Bron: © Willyam Bradberry/Shutterstock.com, © Elenabsl/Shutterstock.com. © Vectorfusionart/Shutterstock.com