Workshop Van bottleneck detectie naar predictie en preventie
In deze workshop gaan we aan de slag om vanuit productiedata gegevens te kijken waar zich in productie bottlenecks voordoen. We visualiseren de data en analyseren deze. We denken na over rootcauses van de getraceerde bottlenecks en over mogelijke oplossingen.
Productiebedrijven produceren vaak een hoge varieteit aan producten in lage volumes HVLV. Het plannen van deze HVLV klantvraag is vaak een complexe taak. De hoge varieteit veroorzaakt bottle necks op steeds andere plaatsen in de productie afloop. In deze workshop maken we de bewegende bottlenecks zichtbaar vanuit historische data (bottleneck detectie). Dit is een eerste opstap naar bottleneck predictie met geplande data.
Vanuit ons onderzoek 'Organized Digital Factory' en binnen het Professional Doctorate onderzoek van Gerlinde hebben we een bottleneck detectie framework gemaakt dat we steeds verder uitbreiden van bottleneck detectie naar bottleneck predicitie en bottleneck preventie.
Lees ook de blog Van bottleneck detectie naar predictie en preventie
Over deze workshop
In deze workshop gaan we aan de slag met echte productie data.
- De eerste dag besteden we aan het verkennen van het begrip bottleneck en analyseert u zelf de productie gegevens van een voorbeeldbedrijf. We visualiseren en analyseren de data en denken na over rootcauses van de getraceerde bottlenecks en mogelijke oplossingen.
- De tweede dag gaat u aan de slag om met uw eigen gegevens bottlenecks in uw productie zichtbaar te maken. Samen analyseren en bediscussieren we de resultaten en inzichten.
Voor wie
Deze workshop is met name interessant voor productieplanners en werkvoorbereiders.
Gerlinde Oversluizen
Gerlinde is onderzoeker bij het HAN lectoraat "Smart Lean". Ze werkt aan een promotie studie (PD) waarbij ze onderzoekt hoe high variety low volume bedrijven hun planning en besturing kunnen ondersteunen met datagedreven oplossingen. In het kader van deze studie werkt Gerlinde in verschillende onderzoeksprojecten mee zoals: "The organized digital factory", "Demand analyse als opmaat naar digital twinning", "Machine Learning in mkb-productiebedrijven".
Onno Huijgen
Onno is data scientist werkzaam bij het HAN lectoraat "Applied Data Science & AI. Onno werk aan een promotie studie (PhD) naar quantum-inspired machine learning algorithms. Voor het onderzoeksproject "The organized digital factory" heeft hij een bottleneck framework ontwikkeld. Met dit framework kan productie-order data worden ingelezen, de productie worden gesimuleerd en de (wandelende) bottlenecks worden gedetecteerd. Verder is Onno werkzaam in de Master Applied Data Science die vanuit 3 academies van de HAN wordt verzorgd.
