Industrie 4.0 omvat zowel 'activerende' technologieën als 'actiegerichte' technologieën. Voorbeelden van ‘activerende’ technologieën zijn IT-systemen voor bedrijven, ‘cloud computing’, draadloos internet, geavanceerde algoritmen, virtuele realiteit en ‘augmented reality’, slimme sensornetwerken, ‘wearables’, positionering en slimme mobiele apparaten.
‘Actiegerichte’ technologieën zijn technologieën die specifieke taken kunnen uitvoeren, zowel fysiek als cognitief, zoals robots, cobots, exoskeletten, 3D-printers, procesbesturingssystemen, autonome voertuigen (zoals AGV’s (*) en AMR’s (*)), drones in de lucht, intelligente agenten en expertsystemen.
Deze technologieën worden gezamenlijk gebruikt en transformeren de manier waarop werknemers, apparatuur en processen op industriële werkplekken met elkaar omgaan. Ze verbeteren de levering van complexe procesbewerkingen door de naadloze, end-to-end voltooiing van de afzonderlijke componenttaken waaruit ze bestaan.
Voorheen was de uitvoering van dergelijke taken afhankelijk van een aanzienlijke menselijke en vaak handmatige component. In het tijdperk van Industrie 4.0 worden dergelijke taken technologisch ondersteund en vaak volledig geautomatiseerd.
(*)
AGV : Automated Guided Vehicle.
AMR : Autonomous Mobile Robot.
Drijfveren in de industrie
Het toenemende gebruik van Industrie 4.0-technologieën op werkplekken heeft ontegensprekelijk een invloed op de veiligheid en gezondheid van de werknemers. De consensus is dat dit waarschijnlijk alleen maar zal versnellen. In feite worden op sommige werkplekken industrie 4.0-technologieën al rechtstreeks gebruikt om het beheer van gezondheids- en veiligheidsrisico's te verbeteren. Voorbeelden hiervan zijn het gebruik van draagbare apparaten en sensoren om de locaties van werknemers te bewaken met betrekking tot gevaren op de werkplek, sensoren op veiligheidskritieke installaties om onderhouds- en serviceschema's te informeren, of drones in de lucht om visuele inspecties uit te voeren van veiligheidskritieke activa.
Vaker echter worden de technologieën gebruikt voor het optimaliseren van bewerkingen en het leveren van verbeteringen in procesefficiëntie. Waar deze nieuwe technologieën worden geïmplementeerd, begint men ook in te zien dat die nieuwe veiligheids- en gezondheidsrisico’s met zich mee brengt.
Drie kenmerken van Industrie 4.0-technologieën worden als fundamenteel beschouwd:
- draadloze netwerken en sensoren die systemen en bijbehorende gegevensstromen vormen,
- de processen of bewerkingen worden ondersteund door de systemen of de geleverde taken, en
- de noodzakelijke hardware en ondersteunende software gekoppeld aan processen, bewerkingen en uit te voeren taken.
Op deze manier nadenken over de technologieën, de samenstellende gegevens, de effectieve behandeling en analyse ervan, het genereren van bruikbare inzichten daaruit en de communicatie van deze inzichten om een actie te leveren, kunnen allemaal centraal staan voor effectieve implementatie.
Veel van deze vormen echter aanzienlijke praktische uitdagingen voor de industrie. Er zijn bijvoorbeeld tal van uitdagingen op het gebied van big data, waaronder de verwerking en opslag van grote hoeveelheden ‘multiformat’ data, het werken met datastromen, het effectief gebruiken van ‘analytics’ om er inzicht in te krijgen, ook in ‘realtime’, en het verkrijgen van de juiste inzichten naar de juiste mensen communiceerden op het juiste moment en op de juiste manier.
Op sommige toepassingsgebieden moeten ook uitdagingen op het gebied van ethiek, privacy, gegevensbeveiliging en gegevensbeheer worden aangepakt. De toepassing van Industrie 4.0-technologieën, specifiek voor gezondheids- en veiligheidsdoeleinden, is zeker niet immuun voor dergelijke uitdagingen. Hoe ze kunnen worden aangepakt, is momenteel het onderwerp van diverse onderzoekprojecten.
De belangrijkste uitdagingen
De belangrijkste data-uitdagingen waarmee organisaties worden geconfronteerd bij het implementeren van Industrie 4.0-technologieën in de volgende specifieke contexten zijn:
- het gebruik van sensoren verbonden door een netwerk in de fabriek (bijv. om op conditie gebaseerd onderhoud van activa te informeren)
- het gebruik van draagbare apparaten op werknemers (bijv. ter ondersteuning van de bewaking van werknemers)
- het gebruik van positioneringstechnologieën op werknemers en/of activa (bijv. om werknemers te lokaliseren in relatie tot gevaren)
- het gebruik van drones en autonome voertuigen voor inspectie op afstand (bijv. om de structurele integriteit van activa te beoordelen)
- het gebruik van geavanceerde analyses, kunstmatige intelligentie en ‘machine learning’ / ‘deep learning’-algoritmen bij geautomatiseerde procesbeheersing of operationele beslissingen in het algemeen (bijv. om procescontroletaken te automatiseren, gezondheids- en veiligheidskritieke eindpunten te voorspellen e.d.)
De typische data-uitdagingen hierbij zijn:
- Big data-uitdagingen (bijv. omgaan met grote hoeveelheden data, streaming data, multi-format data, focus op waardedata,…).
- Uitdagingen op het gebied van gegevensbeheer (bijv. gegevenskwaliteit, gegevensbeschikbaarheid, gegevensgebruik en gegevensbeveiliging).
- De uitdagingen op het vlak van analyse (d.w.z. het gebruik van correcte analytische methoden, bijv. beschrijvend, diagnostisch, voorspellend, prescriptief of operationeel)
- Het effectief aanpakken van de uitdagingen met de juiste inzichten op het juiste moment en op de juiste manier aan de juiste mensen raken,
- De uitdagingen inzake artificiële intelligentie (bijv. het afstemmen van doelen, training van datasets, algoritmische prestaties, inzet, onvoorziene gevolgen,…).
Een goede risicobeoordeling
Bij de introductie van nieuwe technologieën en in het bijzonder nieuwe machines zal men binnen de industrie blijvende aandacht moeten hebben voor een goed uitgevoerde risicobeoordeling.
Een fabrikant (of diens gemachtigde), die een machine op de E.U.-markt wil brengen, moet voldoen aan de gestelde eisen in de machinerichtlijn (vooraleer deze machine in gebruik mag worden genomen).
De fabrikant of diens gemachtigde moet aan de hand van de veiligheids- en gezondheidseisen uit bijlage 1 van de machinerichtlijn volgende stappen (in zijn ontwerpproces) doorlopen :
- Het inventariseren van de gevaren die de machine veroorzaakt.
- Voor zover mogelijk, deze gevaren wegnemen.
- Als dit niet mogelijk is, veiligheidsmaatregelen implementeren om de gevaren te beheersen.
- De restgevaren vermelden in de gebruiksaanwijzing die hij bij de machine levert.
Hiervoor is het noodzakelijk om een iteratieve risicobeoordeling van de machine te maken waarbij beoordeeld wordt welke V.&G.-eisen (uit bijlage I) van toepassing zijn. Een ideale norm om hiermee aansluitend aan de slag te gaan is de ISO12100:2010 (https://www.amelior.be/nl/blog/ce-markering-bij-machines-een-goede-risicobeoordeling-is-de-sleutel-tot-een-veilige-machine).
Een herziening van de machinerichtlijn ?
De machinerichtlijn is opgesteld in een tijd waarin er nog geen praktijktoepassingen van zelflerende machines bestonden. Machine learning is een onderdeel van Artificiële Intelligentie (AI) en maakt (meer en meer) onderdeel uit van het besturingssysteem van een machine.
Alhoewel de machinerichtlijn reeds heel wat rigide V.&G.-eisen zoals die voor besturingssystemen, is uit diverse studies gebleken dat bevat dat er een aantal aanvullende V.&G.-eisen noodzakelijk zullen zijn om de nieuwe machinerichtlijn toekomstbestendig te maken.
In het voorstel van de herziening van de machinerichtlijn worden er ‘denk’pistes (en hopelijk ook ‘doe’pistes bewandeld) om bijkomende wettelijke bepalingen te maken rond AI en Machine Learning. Zo liggen voorstellen op tafel om software met een veiligheidsfunctie en artificiële intelligentie met een veiligheidsfunctie op te nemen in bijlage V.
Meer info?
Onze collega helpt je graag verder!
