Shop floor control en AI: lessen van het Midpoint Brabant seminar

Hoeveel van jouw bedrijfskennis zit in mensen, en hoeveel in systemen?

We begonnen met één vraag aan de zaal: hoeveel van jouw bedrijfskennis zit in mensen en hoeveel in systemen? De reacties waren eerlijk. Bij de meeste bedrijven zat het overgrote deel van de kennis nog steeds in mensen. In hoofden. In routines. In de ervaring van operators die al twintig jaar weten hoe die ene machine het beste opstart.

Dat is de realiteit van de maakindustrie. En het is precies het probleem dat goede shop floor control oplost.

Waarom traditionele shop floor control vaak te laat komt

We liepen door hoe data vandaag wordt vastgelegd in een gemiddelde fabriek: ERP, shop floor control systemen, digitale formulieren, Excel, papier, WhatsApp. Versnipperd. Te laat beschikbaar. Het probleem is niet dat fabrieken geen data hebben. Het probleem is timing.

Als je KPI's pas aan het einde van de week ziet, kun je er die week niets meer mee.

Dit is precies waar de meeste shop floor control implementaties stranden: data wordt wel vastgelegd, maar te laat om er nog iets mee te doen.

De rol van de Unified Namespace in moderne shop floor control

Een Unified Namespace is één centrale dataplek waar alle informatie uit machines, systemen en processen samenkomt. In plaats van een spinnenweb van losse koppelingen tussen losstaande shop floor control systemen, sluit alles aan op één centrale structuur. Niet alleen machines vullen die dataset. Mensen ook. Een operator die een foto maakt van een afwijking, een notitie toevoegt bij een storing — dat is allemaal data die een machine nooit zelfstandig kan genereren.

Hoe operators straks AI trainen via shop floor control

Dit was het moment waarop de zaal wakker werd. De data die vandaag via shop floor control wordt vastgelegd, wordt de grondstof voor een AI die leert van jouw fabriek — niet van een generiek model. Machinedata gecombineerd met orders, kwaliteitsregistraties en operatorinput voedt een ML-model dat patronen herkent in jouw productieomgeving. De operator traint het model. Met instructies, foto's, video, tekst. Niet als technische taak — maar door te doen wat hij altijd al deed, alleen nu op een manier die het systeem kan leren. Dat is de kern van wat we bouwen met shopfloorcontrol.ai.

Praktijklessen: hoe je shop floor control succesvol implementeert

Na jaren implementaties bij maakbedrijven weten we wat werkt:

Begin klein. Eén lijn. Zorg eerst dat gebruik, data en processen stabiel zijn voordat je opschaalt.

Focus op adoptie. Operators moeten het systeem met minimale uitleg kunnen gebruiken. Shop floor control die ingewikkeld aanvoelt, wordt niet gebruikt.

Gebruik inzichten direct. In dagstarts en verbeteracties, niet alleen in dashboards.

Schaal daarna horizontaal uit. Naar andere lijnen of werkplekken, met dezelfde standaard werkwijze.

De vraag die blijft hangen

Aan het einde vroegen we de zaal: wat zou jij ons meegeven als tip om dit in de praktijk te laten werken? De antwoorden waren rijker dan verwacht. Mensen worstelen niet met de technologie, ze worstelen met de mens achter de technologie. Met draagvlak. Met de operator die het gevoel heeft gecontroleerd te worden in plaats van geholpen.

Dat is precies waarom operator-first de enige juiste volgorde is bij het invoeren van shop floor control.

Wat er nu komt

Op 16 september start een nieuwe ronde van het Lerend Netwerk bij Midpoint Brabant voor mkb-maakbedrijven in regio Hart van Brabant, thema: AI-toepassingen in de productieomgeving. We zullen dan weer een nieuwe sessie verzorgen, dus schrijf je in!

De lancering van shopfloorcontrol.ai volgt in Q4 2026— bij onze eerste launching customer. Meer daarover in een andere bouwvlog.

Vraag aan jou:

Hoe borgen jullie operatorkennis nu binnen jullie shop floor control aanpak? en wat zou er veranderen als het systeem die kennis voor jou vasthoudt?

‍