Data science bureau Eindhoven

Het bouwt modellen op je eigen machine-, sensor- en onderhoudsdata die een uitkomst voorspellen, zoals een storing, afkeur of de vervanging van een onderdeel. Die modellen horen bij de AI-toepassingen die we bouwen en in gebruik nemen.

Zoek je eerst advies over waar AI in je fabriek begint, kijk dan bij AI consultant Eindhoven. Daar gaat het om keuzes, hier om het model zelf.

Nee. Fokker Services is een MRO-bedrijf in de luchtvaart, voor onderhoud, reparatie en revisie. We noemen de case hier als voorbeeld van wat we doen met onderhouds- en sensordata. Een case met een organisatie in Brainport hebben we niet gepubliceerd.

Ons kantoor staat aan de Westerdoksdijk in Amsterdam. In Eindhoven en de rest van Brainport werken we op locatie of online.

Bij Fokker werd onderhoud grotendeels gepland volgens vaste intervallen en de ervaring van engineers. Dat leidde soms tot onderhoud dat te vroeg of te laat kwam. In nauwe samenwerking met de onderhoudsengineers vertaalden we hun kennis naar features die het model betrouwbaar maken.

Een feature is een kenmerk waarop het model rekent, zoals het aantal draaiuren sinds de laatste revisie. De engineer weet welke kenmerken ertoe doen; het model weegt ze. Lees de case.

Meestal sensorwaarden uit de besturing van machines, stilstand en storingen uit een MES of onderhoudssysteem, orders en routings uit het ERP en meetrapporten uit de kwaliteitscontrole. Het werk zit in de koppeling: welk machinenummer en welk tijdstip horen bij welke storing?

Brainport Development beschrijft de regio als sterk in high mix, low volume, high complexity. Per product is er dan weinig herhaling. Daarom voorspellen we vaak per machine of component, niet per product. Meer over de sector lees je bij data en AI voor de maakindustrie.

Dan zijn er weinig voorbeelden om van te leren, en scoort een model dat nooit een storing voorspelt al bijna altijd goed. Daarom meten we met precisie (hoe vaak een alarm terecht is) en recall (welk deel van de storingen het model ziet), en kiezen we samen met de planner waar de drempel ligt.

Zijn er te weinig storingen, dan kan een model ook leren hoe normaal gedrag eruitziet en afwijkingen melden. Dat heet anomaliedetectie.

Per voorspelling laten we zien welke kenmerken het zwaarst wogen, bijvoorbeeld met SHAP-waarden: een methode die de bijdrage van elk kenmerk aan één voorspelling uitrekent. De engineer ziet dan of het model reageert op een stijgende temperatuur of op iets dat er niet toe doet.

Dat is ook de toets of de features kloppen. Een model dat goed scoort op een kenmerk dat engineers onlogisch vinden, vertrouwt op toeval in de data.

Waar planners en monteurs al werken: in de planning, het onderhoudssysteem of een dashboard. Bij Fokker Services helpt de tool planners om werkorders, onderdelen en capaciteit vooruit te plannen. Hoe we de planning zelf verbeteren, lees je bij planning optimaliseren met AI.

Machines, leveranciers en producten veranderen. Spreek daarom vooraf af wie het model bewaakt en wanneer het opnieuw wordt getraind.

Als storingen zeldzaam en goedkoop zijn, als de fabrikant het onderhoud voorschrijft of als een dashboard op ERP- en MES-data de vraag al beantwoordt. Hoe we modellen bouwen voor beeld, tekst en voorspellingen, lees je bij machine learning.

Voor voorspellingen per patiënt of klant, met de nadruk op het beslismoment en validatie, lees je data science bureau Utrecht.