Operatormeldingen geven AI context op de productievloer
Drukpersen en printers registreren storingen en stilstand, maar de cijfers vertellen zelden het hele verhaal. Een operator noteert bijvoorbeeld wat er vlak vóór een storing gebeurde of welke ingreep nodig was om verder te kunnen. Tijdens de vakbeurs Sign2Com liet Geert Bammens, senior innovation consultant bij VIGC zien hoe het project 'Printelligence' artificiële intelligentie onderzoekt om die menselijke kennis met machinedata te verbinden.
Printelligence richt zich op AI-toepassingen in de productie van grafische bedrijven. Niet de automatisch geschreven marketingmail staat centraal, maar de ondersteuning van operators, het begrijpen van storingen en het toegankelijk maken van kennis op de werkvloer. Volgens Bammens begint dat met een afgebakende taak en gegevens die relevant zijn voor die taak.
Een drukkerij heeft vaak al veel informatie: machinegegevens, gegevens uit het ERP-systeem en meldingen die medewerkers tijdens hun shift invoeren. Die bronnen gebruiken niet altijd dezelfde woorden. Een machine registreert een storingscode of het aantal stilstanden, terwijl een operator in gewone taal beschrijft dat een bepaalde groep uitvalt of dat een installatie bij het opstarten problemen geeft.
De ontbrekende context in het logboek
Voor een proef koppelde VIGC machinedata en bedrijfsgegevens aan een historisch bestand met ruim 131.000 operatormeldingen. AI hielp om verbanden te zoeken tussen de vrije tekst van medewerkers en de registraties van machines. Zo kon een terugkerende melding over de inloop van een vouwunit naast honderden geregistreerde papierstoringen worden gelegd.
Daarin ligt volgens Bammens de meerwaarde van de operatornotities. Een overzicht kan tonen hoe vaak een storing optrad; een melding van de werkvloer kan helpen verklaren wat er gebeurde. Die context verdwijnt wanneer bedrijven uitsluitend op automatische machineregistratie vertrouwen. Bammens merkte op dat de invoer van operatormeldingen in de onderzochte omgeving in 2025 stopte. Hij pleitte ervoor zulke waarnemingen te blijven vastleggen én medewerkers terugkoppeling te geven over wat met hun meldingen gebeurt.
Van AI-rapport naar controle aan de machine
Bammens liet het systeem ook een actieplan opstellen op basis van de verzamelde gegevens. Dat leverde een rapport van 56 bladzijden op, met voorstellen over onder meer machineafstelling, wasinstallaties en omsteltijden. De AI berekende daarbij een mogelijk verbeterpotentieel van 3,9 miljoen euro per jaar. Dat aanzienlijke bedrag is een raming die uit de AI-analyse bleek, die nog met bedrijfsgegevens moet worden getoetst.
Een van de voorstellen betrof de regeling van een bakrol. Volgens Bammens werd na controle aan de machine vastgesteld dat de betreffende rol versleten was. Dat voorbeeld toont hoe een analyse aanleiding kan geven tot gericht onderzoek. De beoordeling en de ingreep blijven werk voor mensen die de installatie en het productieproces kennen.
Klein beginnen, met IT en operators aan tafel
Bammens adviseerde printbedrijven om niet met een omvangrijk AI-project te starten, maar eerst één concrete taak te kiezen. Een toepassing kan bijvoorbeeld een bestelmail in vaste gegevens omzetten, een beperkte reeks storingsmeldingen ordenen of helpen bij het opstellen van een werkinstructie voor een machinehandeling. Een medewerker controleert vervolgens of de uitkomst klopt en of er informatie ontbreekt.
Ook bestaande toepassingen kunnen een rol spelen. Bammens verwees naar software die een gefilmde handeling omzet in visuele werkinstructies, die operators via een QR-code bij de machine kunnen raadplegen. Dat kan vooral nuttig zijn voor opleiding, kennisoverdracht en meertalige teams.
Zodra AI gegevens uit machines of bedrijfssystemen moet gebruiken, wordt de betrokkenheid van IT noodzakelijk. Toegangsrechten, koppelingen, beveiliging en de keuze tussen een toepassing in de cloud of op eigen apparatuur moeten vooraf worden geregeld. Bammens benadrukte bovendien het verschil tussen AI en gewone automatisering: een vaste regel kan veel taken prima afhandelen; AI wordt vooral interessant wanneer informatie uit vrije tekst moet worden geïnterpreteerd en verbonden met andere gegevens.
De boodschap van de sessie was daarmee praktisch. Een AI-systeem kan patronen in grote hoeveelheden productiedata helpen vinden, maar de kwaliteit van de uitkomst hangt af van de gegevens die medewerkers vastleggen en van de controle door mensen met vakkennis.
Printelligence demo + workshop op 18 november bij Sirris in Genk
Bouw je eigen productiedashboard met lokale AI, livedemonstratie en hands-on workshop rond AI-toepassingen voor de grafische sector. Tijdens dit evenement wordt een livedemonstratie van de resultaten uit het Printelligence-project gecombineerd met een praktische workshop waarin je zelf aan de slag gaat. Zie hoe artificiële intelligentie concreet wordt ingezet op de werkvloer van grafische bedrijven, en leer het zelf toepassen.