AI leidt tot flinke besparing op onderhoudskosten in het warehouse

Een Duitse handelsdelegatie bracht een bezoek aan Nederland om de kansen voor samenwerking op het gebied van artificiële intelligentie in de logistiek te onderzoeken. Een tussenstop bij SSI Schäfer leerde dat met name predictive maintenance in het warehouse grote kansen biedt. Op basis van de eerste ervaringen rapporteert de magazijninrichter een terugverdientijd van zes weken, terwijl de ongeplande stilstand tot 60 procent afneemt. 

Door Marcel te Lindert

De Duitse delegatie telt twaalf bedrijven op het snijvlak van logistiek en artificiële intelligentie. Daaronder bevinden zich innovatieve start-ups als Mansio, dat transporteurs in staat stelt om efficiënt samen te werken. De AI-oplossing van Mansio kijkt naar de routeplanning van trucks, analyseert waar ze elkaar tegenkomen en genereert voorstellen om trailers uit te wisselen. Een andere deelnemer is MotionMiners, dat de status van start-up inmiddels is ontgroeid. MotionMiners levert technologie waarmee bedrijven de bewegingen van hun mensen kunnen analyseren met het doel de ergonomie te verbeteren.

Bijna de helft van de deelnemende AI-bedrijven levert tools voor de aansturing van heftrucks, mobiele robots en ander materieel in warehouses, waaronder Continua Systems, Indyon, IdentPro en Waku Robotics. Uit hun monden klinkt opvallend vaak de term digital twin, waarbij de bewegingen van al het materiaal real-time kunnen worden gevolgd en geoptimaliseerd. Afgaande op de presentatie van TKI Dinalog lijkt Nederland voor deze bedrijven een interessante markt. Het meeste onderzoek van dit kennisinstituut is vooral gericht op de toepassing van AI in transport, zo leert het overzicht van programmamanager Liesbeth Brugemann. Het warehouse is grotendeels onontgonnen terrein.

Voorspellend onderhoud

Op hun reis langs bedrijven als Rotra, Active Ants en DHL bracht de delegatie een bezoek aan de Nederlandse vestiging van SSI Schäfer. Deze magazijninrichter liet zien dat in het warehouse wel degelijk mogelijkheden bestaan voor toepassing van AI, met name op het gebied van predictive maintenance oftewel voorspellend onderhoud. ‘Vier jaar geleden zijn we gestart met enkele pilots op dit gebied. Anderhalf jaar geleden hebben we dit concept geïntroduceerd in de markt’, vertelt Stefan Unterberger, head of digital services bij SSI Schäfer.

Voor onderhoud van machines en systemen bestaan verschillende methoden. De eenvoudigste methode is wachten tot een onderdeel stuk gaat en het dan pas vervangen of repareren. Dat leidt echter tot stilstand en stilstand kost geld. Daarom hebben veel bedrijven ervoor gekozen hun machines en systemen op gezette tijden te inspecteren en slijtdelen vroegtijdig te vervangen. Preventief onderhoud gaat nog een stap verder en probeert stilstand te voorspellen door voortdurend de staat van de machine of het systeem te monitoren.

Grootste uitdaging: neofobie

De basis van voorspellend onderhoud is het verzamelen van data, zoals het aantal draaiuren, het energieverbruik, de temperatuur en de trillingen van de machine. Dat kan door een slim apparaat te monteren dat deze data verzamelt en opslaat in de cloud zonder de werking te verstoren. Vervolgens kan AI worden gebruikt om deze data te analyseren en patronen te ontdekken. Als bijvoorbeeld het energieverbruik toeneemt en de temperatuur oploopt, kan dat erop duiden dat een onderdeel op het punt staat het te begeven. ‘Vooralsnog gebruiken we hiervoor enkele heel eenvoudige AI-modellen. Predictive maintenance is nog steeds een erg jonge tool die nog volop in ontwikkeling is’, legt Unterberger uit.

Niet iedereen staat open voor predictive maintenance, heeft Unterberger ervaren. De grootste uitdaging is neofobie: de angst voor alles wat nieuw is. ‘Vaak bestaat de technische dienst uit stoere mannen met grote handen die nog nooit met IT-systemen hebben gewerkt, laat staan met artificiële intelligentie. Het is een grote uitdaging om hen ervan te overtuigen dat predictive maintenance hun dagelijks werk gemakkelijker maakt. Daarnaast blijft het lastig om het management ervan te overtuigen dat predictive maintenance daadwerkelijk geld oplevert. Ik kan vertellen dat de onderhoudskosten dalen en de stilstand in het warehouse afneemt, maar het management wil hard bewijs zien.’

Tot 5000 euro per minuut

De cijfers die SSI Schäfer tot nu toe kan overleggen, zijn indrukwekkend. De klanten die predictive maintenance toepassen, zien de ongeplande stilstand van machines afnemen met percentages die oplopen tot 60 procent. De tijd die de technische dienst aan onderhoud spendeert, neemt af met percentages tot 50 procent. ‘Dat betekent in de praktijk dat ze niet langer eens per maand, maar eens per twee of drie maanden onderhoud moeten plegen’, stelt Unterberger. ‘Uit onze berekeningen zien we dat stilstand in het warehouse tussen de 1000 en 5000 euro per minuut kost. Dat is inclusief de kosten door omzetverlies en stilstaande mensen. Mede daardoor zien we dat de investering in predictive maintenance vaak al binnen zes weken is terugverdiend. Dat is erg snel.’