Bouwen van de nieuwe standaard
•
28.10.2026
Leestijd:
8 min.
Werkinstructies maken met video en AI: kennis vastleggen terwijl je werkt
Werkinstructies maken kost tijd, en daarom blijft kennis zo vaak in hoofden zitten. Bij shopfloorcontrol.ai film je wat je doet en vertel je erbij wat je doet en waarom. De AI maakt er een werkinstructie van. In deze blog lees je hoe dat werkt, waarom iedereen het kan zonder training, en waarom de kennis van de fabriek blijft en niet van de software.
Frits van der Geest
Het probleem: kennis vastleggen kost te veel tijd
In bijna elke fabriek werkt iemand die precies weet hoe iets moet. Dertig jaar ervaring, honderden handelingen die hij blind uitvoert. En bijna niets daarvan staat ergens opgeschreven. Gaat hij met pensioen, dan krijgt zijn opvolger een stapel verouderde handleidingen en de wens van succes.
Het is niet zo dat bedrijven het nut niet zien. Het probleem is de tijd. Uit TNO-onderzoek, zoals beschreven door Process Control, blijkt dat veel organisaties vastzitten aan papieren of verouderde instructies. Het aanmaken en bijhouden daarvan kost volgens de onderzoekers te veel tijd en is foutgevoelig, vooral bij productwijzigingen. Dus typt iemand het over, maakt foto's, scant een tekening in. Het is nooit af, en de helft van wat de ervaren collega weet komt er niet in.
Dat het ook anders kan, laat datzelfde onderzoek zien. TNO ontwikkelde een aanpak waarbij een medewerker zijn werk filmt en vertelt wat hij doet, waarna AI er een instructie van maakt. In een pilot met acht bedrijven werd de tijd om instructies te maken naar TNO's eigen zeggen ongeveer gehalveerd. Meer over de basis van digitale werkinstructies lees je in onze eerdere blog.
Zo maak je een werkinstructie: film wat je doet en vertel erbij waarom
In shopfloorcontrol.ai werkt het in vier stappen:
- Film je werk. Met een slimme bril, bijvoorbeeld van Meta, of gewoon met je telefoon. Je handen blijven vrij, je werk loopt door.
- Vertel erbij wat je doet en waarom. Praat zoals je tegen een nieuwe collega zou praten. Je hoeft niets voor te bereiden.
- De AI maakt de instructie. De opname wordt verdeeld in stappen. Per stap staat er welk gereedschap je nodig hebt, welke kwaliteitspunten gelden en waarom die ertoe doen.
- Jij controleert en publiceert. De instructie staat eerst ter beoordeling. Pas als jij de stappen hebt nagekeken, gaat hij live. Van elke versie blijft een kopie bewaard, dus je kunt altijd zien wat er is veranderd.
Een mens blijft dus de baas over wat er als instructie op de vloer komt. De AI neemt het typen, het knippen en het opmaken over, niet het oordeel.
Wat er uit zo'n opname komt
Neem een eenvoudig voorbeeld: een gat aftekenen op een doos. In de instructie die uit de opname volgt, staat bij die stap:
- De handeling: teken het gat af met de schuifmaat en zorg dat de afmetingen op de juiste afstand van de kant liggen
- Het benodigde gereedschap: schuifmaat
- Een kwaliteitspunt: controleer de afmetingen met de schuifmaat
- De reden erachter: nauwkeurig aftekenen zorgt voor een correcte positie van het gat
- Het videofragment van precies die stap
Dat laatste is de kern. Een instructie zonder reden leert iemand wat hij moet doen. Een instructie mét reden leert hem waarom, en dat is wat een nieuwe collega nodig heeft om een situatie aan te kunnen die net iets anders is dan de opname.
Iedereen kan het, zonder training
Er is geen cursus, geen sjabloon en geen aparte opleiding nodig. Wie het werk kan doen, kan het vastleggen. Dat maakt het verschil: kennis wordt niet meer vastgelegd door een speciaal daarvoor aangewezen persoon, maar door degene die hem heeft.
Wat dat oplevert:
- Trainingsmateriaal on the job. Een ervaren collega voert zijn werk uit en het materiaal voor de volgende is er.
- Kwaliteitsschema's zonder overtypen. De kwaliteitspunten komen uit de opname, niet uit een apart document.
- Geen overtypen, inscannen of losse bestanden zoeken.
We zijn ook eerlijk over wat lastig blijft. Niet iedereen praat graag tegen een camera, en niet elke expert deelt even graag zijn kennis. Dat signaleert TNO ook. Daarom is de drempel zo laag gehouden: je voert je werk uit, meer hoeft er niet bij. Dat de kennis vastgelegd wordt, is vooral een kwestie van het gesprek aangaan met je team over waarom het ertoe doet.
Eén keer vastgelegd, overal bruikbaar dankzij de Unified Namespace
Kennis die in één programma is opgesloten, is maar half vastgelegd. Daarom komt alles wat je vastlegt terecht op één centrale dataplek, de Unified Namespace. Van daaruit kun je die kennis inzetten in elk systeem in je organisatie dat op die plek is aangesloten.
Het gevolg is dat de data van de fabriek blijft, en niet van de software. Stap je ooit over naar een ander systeem, dan neem je je kennis mee. Waar de data fysiek staat en wie erbij kan, lees je in onze bouwlog over waar je productiedata staat.
Vastleggen is ook de eerste stap in wat wij een operational learning platform noemen. Goede shop floor control begint met weten wat er op de vloer gebeurt, en bij kennis begint dat met het vastleggen ervan.
Waar begin je?
Kies geen heel kennisproject, maar één taak:
- Kies één taak die maar één persoon echt goed kan. Dat is meteen de kennis met het grootste risico.
- Laat hem die taak één keer filmen en erbij vertellen. Het kost niet meer tijd dan de taak zelf.
- Laat hem de instructie nakijken. Dan is de eerste instructie van hem, niet van de software.
- Laat een collega het volgende keer volgens de instructie doen. Wat daar misloopt, is de eerste verbetering.
Vraag aan jou:
Welke taak in jullie fabriek kan maar één persoon echt goed, en waar staat dat nu opgeschreven?
