Industrieel producent metaalbewerking

Uitdaging

De producent levert precisiecomponenten aan automotive- en aerospace-OEM’s met strikte just-in-sequence-eisen. Twaalf productielijnen — variërend van CNC-frezen tot oppervlaktebehandeling — opereerden op uiteenlopende leeftijden, waarbij oudere installaties een onevenredig groot deel van de ongeplande stilstand veroorzaakten. Reactief onderhoud en kalendergebaseerde inspectierondes leverden een gemiddelde OEE van 71% op, met uitschieters omlaag tijdens piekbelasting.

Eerdere monitoringinitiatieven beperkten zich tot losstaande dashboards per machine, zonder cross-domein-correlatie. Onderhoudsmonteurs werkten met dikke handboeken en stamtekstbestanden voor diagnose, wat tijdens onverwachte storingen tot lange MTTR-tijden leidde. De directie stelde als voorwaarde dat elke AI-implementatie volledig binnen de gecertificeerde ISO 27001-perimeter zou opereren, met traceerbare beslissingen voor zowel interne audit als verzekeraar.

Aanpak

Het project ontwierp een drielagige architectuur: een tijdreeksdatabase voor sensorinvoer, een ML-laag voor anomaliedetectie, en een LLM-ondersteunde diagnoseassistent voor de monteur op de werkvloer. Trillingssensoren, temperatuurmetingen, motorstroomprofielen en akoestische data werden gestandaardiseerd ingelezen in TimescaleDB met retentiebeleid op basis van bedrijfskritikaliteit.

Op Azure ML draaien per machinetype gespecialiseerde modellen — een combinatie van LSTM-autoencoders voor anomaliedetectie en gradient-boosting-modellen voor restlevensduurschattingen. Bij detectie van een afwijking activeert het platform een diagnose-flow waarin Mistral Large, ingezet via een private endpoint, de monteur ondersteunt met contextuele suggesties op basis van machinegeschiedenis, recente onderhoudsacties en de OEM-handboeken.

De LLM werkt strikt als adviseur: alle eindbeslissingen liggen bij de hoofdmonteur, en elke aanbeveling wordt vastgelegd met onderliggende sensorcontext. De integratie met het MES verloopt via gestructureerde events, zodat onderhouds-werkorders automatisch worden aangemaakt zonder de operationele systemen te omzeilen. ISO 27001-controles werden uitgebreid voor de OT/IT-koppeling, conform de IEC 62443-aanbevelingen voor industriële cybersecurity.

Implementatie

De uitrol verliep over tien maanden in drie fasen. De eerste fase (maand 1-3) omvatte sensorinventarisatie en retrofitting waar nodig: 340 nieuwe sensoren werden geïnstalleerd op kritieke aandrijflijnen en koelcircuits, met een geharmoniseerd OPC UA-protocol als ingestiekanaal. Historische onderhoudsdata uit het CMMS werd retrospectief gekoppeld aan sensorgeschiedenis voor labelvorming.

In de tweede fase (maand 4-7) werden anomaliedetectiemodellen getraind per machinetype, met cross-validation op uitgevallen-versus-stabiele perioden. Een Grafana-dashboardsuite werd opgezet voor de productiemanagers, met drill-down van OEE-niveau naar sensorruwdata. Parallel werd de Mistral-diagnoseassistent ontwikkeld op basis van een corpus van 6.200 historische onderhoudsrapporten, OEM-handboeken en interne best practices.

De derde fase (maand 8-10) introduceerde gefaseerde activatie per productielijn, beginnend bij de twee lijnen met hoogste historische stilstand. Elke activatie werd voorafgegaan door een week shadow-mode waarin het systeem voorspellingen genereerde zonder werkorders te activeren, om vals-positieven te kalibreren. ISO 27001-hercertificering inclusief de nieuwe AI-componenten werd succesvol afgerond in maand 10.

Resultaat

Twaalf maanden na livegang daalde ongeplande stilstand op de twaalf actieve productielijnen met 62%, gemeten als gewogen som van stilstandsuren over alle lijnen. De OEE steeg van 71% naar 84%. Gemeten ROI in het eerste volledige jaar bedroeg €3,4 miljoen, samengesteld uit verminderde productieverliezen, lagere SLA-boetes en bespaarde reservedelen-buffers door betere voorspelbaarheid van onderhoudsbehoefte.

Onderhoudsmonteurs rapporteerden een MTTR-reductie van 38% op de meest voorkomende storingscategorieën. De ISO 27001-hercertificering verliep zonder bevindingen op het AI-domein. De producent overweegt uitbreiding naar de twee productielocaties in Duitsland en Tsjechië, met geconsolideerde modeltraining maar gescheiden datadomeinen om aan lokale OR-afspraken te voldoen.